WO2019163714A1 - 行動判定装置、行動判定システム、行動判定方法及びプログラム - Google Patents
行動判定装置、行動判定システム、行動判定方法及びプログラム Download PDFInfo
- Publication number
- WO2019163714A1 WO2019163714A1 PCT/JP2019/005873 JP2019005873W WO2019163714A1 WO 2019163714 A1 WO2019163714 A1 WO 2019163714A1 JP 2019005873 W JP2019005873 W JP 2019005873W WO 2019163714 A1 WO2019163714 A1 WO 2019163714A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- peak
- sensor
- user
- peak point
- load period
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 49
- 238000005259 measurement Methods 0.000 claims abstract description 99
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 230000009471 action Effects 0.000 claims description 84
- 230000010365 information processing Effects 0.000 claims description 21
- 239000012141 concentrate Substances 0.000 claims description 8
- 230000006399 behavior Effects 0.000 description 180
- 210000002683 foot Anatomy 0.000 description 171
- 210000004744 fore-foot Anatomy 0.000 description 43
- 230000008569 process Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 22
- 210000002414 leg Anatomy 0.000 description 19
- 238000012545 processing Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 14
- 102100026620 E3 ubiquitin ligase TRAF3IP2 Human genes 0.000 description 9
- 101710140859 E3 ubiquitin ligase TRAF3IP2 Proteins 0.000 description 9
- 230000002493 climbing effect Effects 0.000 description 9
- 101150079344 ACT4 gene Proteins 0.000 description 8
- 101100056774 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ARP3 gene Proteins 0.000 description 8
- 230000009194 climbing Effects 0.000 description 8
- 102100031102 C-C motif chemokine 4 Human genes 0.000 description 7
- 101000777470 Mus musculus C-C motif chemokine 4 Proteins 0.000 description 7
- 101000908384 Bos taurus Dipeptidyl peptidase 4 Proteins 0.000 description 6
- HEFNNWSXXWATRW-UHFFFAOYSA-N Ibuprofen Chemical compound CC(C)CC1=CC=C(C(C)C(O)=O)C=C1 HEFNNWSXXWATRW-UHFFFAOYSA-N 0.000 description 6
- 230000002902 bimodal effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 102100022317 Dihydropteridine reductase Human genes 0.000 description 5
- 101000902365 Homo sapiens Dihydropteridine reductase Proteins 0.000 description 5
- 101100297771 Thermomonospora curvata pkwA gene Proteins 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 210000000548 hind-foot Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 101100242413 Arabidopsis thaliana HAB1 gene Proteins 0.000 description 2
- 101100135282 Arabidopsis thaliana HAB2 gene Proteins 0.000 description 2
- 101100506205 Cryptococcus neoformans var. grubii serotype A (strain H99 / ATCC 208821 / CBS 10515 / FGSC 9487) HAD1 gene Proteins 0.000 description 2
- 101100450262 Homo sapiens HADH gene Proteins 0.000 description 2
- 102100030358 Hydroxyacyl-coenzyme A dehydrogenase, mitochondrial Human genes 0.000 description 2
- 101100161201 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) BNA1 gene Proteins 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 210000001217 buttock Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 0 C*1*CCC1 Chemical compound C*1*CCC1 0.000 description 1
- 101100062121 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) cyc-1 gene Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B17/00—Insoles for insertion, e.g. footbeds or inlays, for attachment to the shoe after the upper has been joined
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B13/00—Soles; Sole-and-heel integral units
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B13/00—Soles; Sole-and-heel integral units
- A43B13/14—Soles; Sole-and-heel integral units characterised by the constructive form
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B3/00—Footwear characterised by the shape or the use
- A43B3/34—Footwear characterised by the shape or the use with electrical or electronic arrangements
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- 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
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- 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
- A61B5/6807—Footwear
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/04—Arrangements of multiple sensors of the same type
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/04—Arrangements of multiple sensors of the same type
- A61B2562/046—Arrangements of multiple sensors of the same type in a matrix array
-
- 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
Definitions
- the present invention relates to a behavior determination device, a behavior determination system, a behavior determination method, and a program.
- IoT Internet of Things
- the system detects the pressure distribution on the sole using a pressure sensor.
- a method is known in which the system determines whether the user is in a standing state, a sitting state, a walking state, a fast walking state, a small running state, or a running state (for example, , See Patent Document 1).
- the conventional method may not accurately determine the user's behavior.
- an embodiment of the present invention aims to accurately determine the user's behavior.
- an action determination device includes: A measurement data receiving unit that acquires measurement data indicating pressure or force measured by one or more sensors installed on the sole of the user; Analyzing the measurement data, identifying one load period in which the user performs one step, one step or one step, and calculating a sole pressure parameter and a time parameter for each load period; A behavior determination unit that detects a peak point having a maximum maximum value every predetermined time based on the plantar pressure parameter and the time parameter, and determines the user's behavior based on the peak point.
- the user's behavior can be accurately determined.
- FIG. (4) which shows an example of data.
- FIG. (4) which shows an example of data.
- FIG. a block diagram which shows the hardware structural example which concerns on the information processing which information processing apparatuses, such as a measurement device, an information terminal, a server apparatus, and a management terminal, have. It is a flowchart which shows the example of whole processing. It is a figure which shows an example of measurement data.
- FIG. 6 is a diagram (part 2) illustrating an example of determination of traveling behavior. It is a figure which shows the example of the peak difference of a load period first period and a latter period. It is a figure which shows the example of the peak value of each sensor in each action. It is a flowchart which shows the modification of action determination processing.
- FIG. 1 is a functional block diagram illustrating a configuration example of a system.
- the behavior determination system 100 includes a measurement device (shoe device) 2, an information terminal 3, a server device 5, and the like.
- the behavior determination system 100 may further include an information processing device such as the management terminal 6 as illustrated.
- the illustrated action determination system 100 will be described as an example.
- the illustrated behavior determination system 100 is an example in which the server device 5 is a behavior determination device.
- the server apparatus 5 is demonstrated as an example of an action determination apparatus, an action determination apparatus may be used with forms other than showing in figure.
- a shoe 1 (left and right) used by a user is provided with a measurement device (shoe device) 2.
- the measuring device 2 has a functional configuration including a sensor unit 21, a communication unit 22, and the like.
- the measuring device 2 first measures the pressure on the bottom surface of the user by the sensor unit 21. Or the sensor part 21 may measure the force in a user's sole.
- the communication unit 22 transmits measurement data or the like measured by the sensor unit 21 to the information terminal 3 by wireless communication such as Bluetooth (registered trademark) or wireless LAN (Local Area Network).
- wireless communication such as Bluetooth (registered trademark) or wireless LAN (Local Area Network).
- the information terminal 3 is an information processing apparatus such as a smartphone, a tablet, a PC (Personal Computer), or a combination thereof.
- the measurement device 2 transmits measurement data to the information terminal 3 every 10 ms (millisecond, 100 Hz), for example. Thus, the measurement device 2 transmits measurement data to the information terminal 3 at a predetermined interval set in advance.
- the sensor unit 21 is realized by, for example, a pressure sensor 212 or the like installed on one or more so-called insole (insole) type base materials 211 or the like.
- the pressure sensor 212 is not limited to being installed on the insole.
- the pressure sensor 212 may be installed on a sock or a shoe sole.
- the sensor may further include a shearing force (frictional force) sensor, an acceleration sensor, a temperature sensor, a humidity sensor, or a combination thereof.
- the insole has a mechanism for changing color (mechanism for applying visual stimulation) or a mechanism for changing material or changing hardness (mechanism for applying tactile stimulation) by control from the information terminal 3 side. ) May be provided.
- the information terminal 3 may be fed back with the walking state or the foot state shown to the user.
- the communication part 22 may transmit position data etc. by GPS (Global Positioning System). Note that the position data may be acquired by the information terminal 3.
- the information terminal 3 transmits the measurement data received from the measurement device 2 to the server device 5 via the network 4 such as the Internet at a predetermined interval (for example, every 10 seconds) set in advance.
- the information terminal 3 acquires data indicating the user's walking or foot state from the server device 5 and displays the data on the screen to feed back the walking or foot state or the like to the user, or select shoes. It may have a function to support.
- the measurement data or the like may be transmitted directly from the measurement device 2 to the server device 5.
- the information terminal 3 is used, for example, for an operation on the measurement device 2 or feedback to the user.
- the server device 5 has a functional configuration including, for example, a basic data input unit 501, a measurement data reception unit 502, a data analysis unit 503, an action determination unit 507, and a database 521. Further, the server device 5 may have a functional configuration including a life log writing unit 506 as illustrated. Hereinafter, the server device 5 will be described using the illustrated functional configuration as an example, but the server device 5 is not limited to the illustrated functional configuration.
- the basic data input unit 501 performs a basic data input procedure for accepting basic data settings such as users and shoes. For example, the setting received by the basic data input unit 501 is registered in the user data 522 on the database 521 or the like.
- the measurement data reception unit 502 performs a measurement data reception procedure for receiving data transmitted from the measurement device 2 via the information terminal 3.
- the measurement data receiving unit 502 registers the received data in the measurement data 526 and the like on the database 521.
- the data analysis unit 503 includes a load period data analysis unit 504 and the like.
- the load period data analysis unit 504 performs a data analysis procedure for analyzing the measurement data 526 and generating post-analysis data 527 and the like.
- the life log writing unit 506 registers the life log data 524 on the database 521.
- the behavior determination unit 507 performs a behavior determination procedure for determining what behavior the user is performing through a behavior determination process or the like.
- the administrator can access the server device 5 via the network 4 by the management terminal 6 or the like. Then, the administrator can check data managed by the server device 5 or perform maintenance or the like.
- the database 521 holds data such as user data 522, life log data 524, measurement data 526, post-analysis data 527, behavior data 528, and the like.
- each data has the following configuration.
- FIG. 2 is a diagram (part 1) illustrating an example of data.
- the user data 522 includes “user ID (Identification)”, “name”, “shoe ID”, “sex”, “birth date”, “height”, “weight”, “shoe size”, Data having items such as “registration date” and “update date”. That is, the user data 522 is data for inputting user characteristics and the like.
- FIG. 3 is a diagram (part 2) showing an example of data.
- the life log data 524 includes “log ID”, “year / month / day / time”, “user ID”, “daily schedule”, “destination”, “travel distance”, “step count”, “step count”, “ This is data having items such as “average walking speed”, “most frequent position information (GPS)”, “registration date”, and “update date”. That is, the life log data 524 is data indicating a user's action (a schedule may be included).
- FIG. 4 is a diagram (part 3) illustrating an example of data.
- the measurement data 526 includes, as shown in the figure, “year / month / day / time”, “user ID”, “left foot 1 sensor: hind foot (heel) pressure value”, “left foot 2 sensor: middle foot 1 pressure value”. “, Left foot 3 sensor: forefoot 1 pressure value”, “left foot 4 sensor: forefoot 2 pressure value”, “left foot 5 sensor: forefoot 3 pressure value”, “left foot 6 sensor: middle foot part” “2 pressure value”, “Left foot 7 sensor: Forefoot 4 pressure value”, “Right foot 1 sensor: Rear foot ( ⁇ ) pressure value”, “Right foot 2 sensor: Middle foot 1 pressure value”, “Right foot “No.
- each pressure value of the measurement data 526 may be plotted in the measured time to be in the form of waveform data.
- An example of the waveform data will be described with reference to FIG.
- 5 and 6 are diagrams (part 4) illustrating an example of data.
- the post-analysis data 527 includes “year / month / day time”, “user ID”, “step count”, “average of all sensors total pressure value maximum maximum value”, “left foot 1 sensor: rear foot ( ⁇ ) Maximum maximum average in the previous period ”,“ Left foot 1 sensor: rear foot ( ⁇ ) Maximum maximum in the latter period ”,“ Left foot 2 sensor: Middle foot 1 average maximum maximum in the previous period ”,“ Left foot 2 sensor ” : Middle foot 1 late maximum maximum average ”,“ Left foot 3 sensor: Forefoot 1 early maximum maximum average ”,“ Left foot 3 sensor: Forefoot 1 late maximum maximum ”,“ Left foot 4 sensor: "Forefoot 2 Early Maximum Maximum Average”, “Left Foot 4 Sensor: Forefoot 2 Late Maximum Maximum Average”, “Left Foot 5 Sensor: Forefoot 3 Early Maximum Maximum Average”, “Left Foot 5 Sensor: Forefoot” “3rd maximum maximum average”, “Left foot 6 sensor: middle foot 2 previous maximum maximum average”, “Left foot No.
- the behavior data 528 is data indicating the result of determining the user's behavior by the behavior determination unit 507. That is, the action data 528 holds what action the user has taken.
- user data 522 and the life log data 524 are not essential data. Moreover, each data does not need to have all the items as illustrated.
- FIG. 7 is a layout diagram illustrating an example of sensor positions.
- the sensor is installed at a position as illustrated. As shown in the figure, it is desirable to install a plurality of sensors so that the front, middle, and rear of the user's foot can be measured.
- No. 1 sensor measures the rear part and generates measurement data. That is, the sensor installed in the rear part HEL is an example of a sensor for measuring the rear part on the sole. And the sensor installed in the rear part HEL makes measurement object the range called what is called a "back leg part" mainly with a buttocks.
- “No. 2 sensor”, “No. 6 sensor”, etc. measure the middle part and generate measurement data. That is, the sensors installed in the middle LMF, the middle MMF, and the like are examples of sensors for measuring the middle portion of the sole. The sensors installed in the middle LMF and the middle MMF mainly measure a range called “middle foot”.
- sensors installed in the front LFF, the front TOE, the front FMT, the front CFF, and the like are examples of sensors for measuring the front part on the bottom surface of the foot.
- Sensors installed in the front LFF, the front TOE, the front FMT, and the front CFF mainly measure a range called a “front foot” having a toe or the like.
- the senor may be installed at a position other than that illustrated.
- FIG. 8 is a block diagram illustrating a hardware configuration example related to information processing included in an information processing apparatus such as a measurement device, an information terminal, a server apparatus, and a management terminal.
- information processing apparatuses such as a measurement device, an information terminal, a server apparatus, and a management terminal are, for example, general computers.
- each information processing apparatus will be described with an example of the same hardware configuration, but each information processing apparatus may have a different hardware configuration.
- the measuring device 2 and the like include a CPU (Central Processing Unit) 201, a ROM (Read Only Memory) 202, a RAM (Random Access Memory) 203, and an SSD (Solid State Drive) / HDD (Hard) that are connected to each other via a bus 207. Disk Drive) 204 and the like.
- the measurement device 2 and the like include input devices and output devices such as a connection I / F (Interface) 205 and a communication I / F 206.
- the CPU 201 is an example of an arithmetic device and a control device.
- the CPU 201 can perform each process and each control by executing a program stored in the auxiliary storage device such as the ROM 202 or the SSD / HDD 204 using the main storage device such as the RAM 203 as a work area.
- each function which measurement device 2 grade has is realized by running a predetermined program in CPU201, for example.
- the program may be acquired via a recording medium, may be acquired via a network, or may be input in advance to a ROM or the like.
- the measurement data receiving unit 502 is realized by the connection I / F 205, the communication I / F 206, or the like. Further, the data analysis unit 503 and the behavior determination unit 507 are realized by the CPU 201, for example.
- FIG. 9 is a flowchart illustrating an example of overall processing.
- Step S111 the behavior determination device acquires measurement data. Specifically, in the system configuration illustrated in FIG. 1, the server device 5 measures the measurement device 2 and acquires the generated measurement data via the information terminal 3 or the like. Details of the measurement data will be described with reference to FIG.
- step S112 the behavior determination device generates 1 load period data. That is, the behavior determination device analyzes and specifies a range corresponding to one load period of each behavior in the measurement data, and generates “one load period data”.
- Load period corresponds to a time for one step in an action such as walking or running, one step in an action such as going up or down stairs, or one step in an action on a bicycle. Therefore, when the user is walking, one load period is one stance period.
- the behavior determination device first extracts from the rising edge of the waveform to the time of ground contact based on the waveform data in time series of the pressure values of the sensors indicated by the measurement data. In this way, the behavior determination device identifies one load period. Next, the behavior determination device cuts out waveform data for each load period.
- the behavior determination apparatus identifies the period from the point where the pressure values of all the sensors are minimized to the point where the pressure values of all the sensors are minimized next as one load period. Further, for example, one load period data is generated so as to satisfy the following conditions (a) and (b).
- a sensor showing the highest pressure value (top maximum value) is specified from among the entire waveform data, and the maximum maximum values in a plurality of load periods of the waveform data from the sensor are all 80 based on the top maximum value. Show a value of at least%
- the length of one load period is less than 1200 ms. Details of the 1-load period data will be described with reference to FIG.
- step S113 the behavior determination device acquires a plantar pressure parameter. Specifically, the behavior determination device first detects the maximum maximum value of the pressure value measured by each sensor or the maximum maximum value of the total pressure value of all sensors on one foot for each of the first and second periods of one load period. Next, the behavior determination device adds the detected maximum maximum value. When the total value obtained by adding in this way is divided by the number of load periods, the behavior determination device can calculate an average value. The average value calculated in this way is a value such as “Left foot No. 1 sensor: rear foot ( ⁇ ) average maximum maximum value in previous period” or “maximum average maximum value of left foot total pressure value”.
- step S114 the behavior determination device acquires a time parameter. Specifically, the behavior determination device specifies the single leg support time for each foot based on the time for which each foot is in contact with the ground. In addition, for example, the behavior determination apparatus sets a time during which both feet are in contact with each other as a both-leg support time. In addition, the behavior determination device may average the time for each load period to calculate an average value or the like, and set the value for each time parameter. In addition, the time when the maximum maximum value of each sensor is calculated for each of the first and second periods of one load period is obtained as a time ratio when the length of one load period is set to “100”. To do.
- step S115 the behavior determination apparatus records the result analyzed in step S113, step S114, and the like in the data after analysis processing.
- the post-analysis data is recorded with the items shown in FIGS.
- step S116 the behavior determination apparatus determines the user's behavior based on the measurement data and the like. Details of the determination process will be described with reference to FIG.
- FIG. 10 is a diagram illustrating an example of measurement data.
- the horizontal axis indicates time
- the vertical axis indicates the pressure value.
- step S111 measurement data as illustrated in FIG.
- step S112 the measurement data is analyzed to identify one load period, and when one load period is extracted from the measurement data illustrated in FIG. 10A, for example, as illustrated in FIG.
- One load period data can be generated.
- the 1-load period CYC shown in FIG. 10B is the stance time in the walking action.
- Example of plantar pressure parameter> 11 and 12 are diagrams illustrating an example of acquiring the plantar pressure parameter in the one load period. In the figure, the ratio in one load period is shown on the horizontal axis, and the vertical axis shows the pressure value.
- the behavior determination device detects a minimum point appearing between a peak point of each waveform (hereinafter referred to as “peak point”) and a plurality of peak points.
- peak point is a point that becomes a maximum value or a maximum value at a predetermined time.
- the behavior determination device determines the peak point or the minimum point by differentiating the measurement data.
- the method for detecting the peak point or the minimum point may be a method other than differentiation as long as it can detect the maximum value or the minimum value.
- the maximum maximum in the first or second load period of each sensor such as the first peak point PM1, the second peak point PM2, etc.
- a value to be a value can be detected and acquired as a plantar pressure parameter.
- the peak point of the total pressure such as PN1 to 3 and the minimum point such as PN4 can be detected by the pressure value, and each of them can be used as a foot pressure parameter. get.
- the total pressure value in FIG. 11, two maximum points are detected such as PN1 and PN2, or the minimum point is minus one, such as PN4, and in FIG. 12, one maximum point PN3 is detected.
- examples of peak points and minimum points are indicated by black squares.
- the behavior determination apparatus can acquire a plantar pressure parameter as illustrated, for example.
- the time point (percent) at which the maximum maximum value in the first and second load periods of each sensor is detected is the “peak appearance point” of each sensor, and is acquired as a time parameter.
- the first peak point PM1 is detected by one sensor at the time of 22%, and is different from the sensor at which the first peak point PM1 is detected at the time of 48%.
- the second peak point PM2 is detected.
- the maximum maximum points PM3 and PM4 in the first and second load periods of one sensor are detected in the vicinity of 50%.
- FIG. 13 is a diagram showing an example of acquiring the time parameter for the first load period.
- the figure shows an example of a time parameter taking the case of walking as an example.
- the stance time TS can be acquired. As shown in the figure, the stance time TS substantially coincides with, for example, the time from when the left foot comes in contact with the ground until the left foot leaves the ground next time. In this example, the stance time TS is one load period.
- both leg support period the time during which both the left foot and the right foot are in contact with each other.
- single leg support period the time during which only one of the left foot and the right foot is in contact with the ground.
- the behavior determination apparatus can acquire a time parameter as illustrated, for example.
- FIG. 14 is a diagram illustrating an example of measurement data obtained by measuring four types of actions. Hereinafter, a case where measurement data as illustrated can be acquired will be described as an example.
- the measurement data is a behavior in which the user walks (hereinafter sometimes referred to as “walking behavior”) ACT1, a stairs descending action ACT2, and a bicycle riding behavior (hereinafter referred to as “bicycle behavior”).
- walking behavior a behavior in which the user walks
- ACT2 a stairs descending action
- ACT4 a bicycle riding behavior
- the pressure value measured by each sensor when ACT3 and stair climbing action ACT4 are performed is shown.
- the senor is a sensor position SEP as illustrated.
- the behavior determination apparatus performs the entire process shown in FIG. 9 on the measurement data shown in the drawing.
- the behavior determination apparatus performs, for example, the following determination process.
- FIG. 15 is a flowchart illustrating an example of behavior determination processing.
- the behavior determination process shown in the figure can be acquired in advance in steps S113 and S114, and is performed based on post-analysis data recorded in a server or the like in S115.
- the behavior determination process is performed in the order of bicycle behavior determination, running behavior determination, stairs down behavior determination, stairs up determination behavior, and walking behavior determination.
- the order is not necessary. For example, each determination may be performed separately.
- step S201 the behavior determination device detects a point (hereinafter referred to as “peak point”) that is the peak of each waveform. Specifically, this step uses the plantar pressure parameter recorded in the post-analysis data in step S115 to identify the peak point from the maximum maximum average of each sensor in each of the first and second periods of one load period. To do. Similarly, using the plantar pressure parameter, one or two peak points are specified from the maximum maximum average of all sensor total pressure values.
- the peak point to be processed may be extracted from the maximum value or the like when the maximum value or the like is calculated in advance from the measurement data.
- step S202 the behavior determination device uses the parameter of the one load period data of the total sensor total pressure value to determine whether the waveform of the total total pressure value is unimodal, bimodal, or neither. judge.
- Single peak is the case where there is one peak point in the waveform of 1 load period data.
- bimodal is a case where there are two peak points in the waveform of one load period data, and there is a minimum point between them. Therefore, the behavior determination device is either single peak, two peaks, or neither, depending on the number of peak points and minimum points generated in all sensor total pressure values within one load period data. Can be determined. At this time, in order to clarify the determination of being bimodal, the behavior determination device is such that the difference between the lower pressure value and the minimum pressure value of the two peak points is equal to or greater than a predetermined value. May be determined in addition to the above.
- step S202 If the behavior determination device determines that the 1-load period data is single peak (“single peak” in step S202), the behavior determination device proceeds to step S203. On the other hand, when the behavior determination device determines that the one load period data is bimodal (“two peaks” in step S202), the behavior determination device proceeds to step S205. If neither single peak nor two peaks are determined ("Neither" in step S202), the behavior determination apparatus proceeds to step S215.
- step S203 the behavior determination apparatus determines whether or not all the peak appearance points in the previous period and the peak appearance points in the latter period are concentrated in the center of the load period in all the sensors. Specifically, the behavior determination device acquires peak appearance points in the first and second periods of all sensors. For example, when all the peak appearance points are 35% or more and 65% or less, It is determined that the peak appearance point is concentrated in the center of the load period, that is, the pressure in the first load period is concentrated in the central time zone.
- step S203 If the peak appearance points of all sensors are concentrated at the center of the load period (YES in step S203), the behavior determination apparatus proceeds to step S204. On the other hand, if any peak appearance point is not less than 35% and less than 65% (NO in step S203), the behavior determination apparatus proceeds to step S215.
- Step S204 the behavior determination device determines that the user is performing a behavior to ride a bicycle.
- step S203 Details of the method for determining a bicycle action realized in step S203 and step S204 will be described with reference to FIG.
- step S205 the behavior determination apparatus determines whether or not the both-leg support time is equal to or greater than a fourth predetermined value. Specifically, the behavior determination apparatus first calculates the stance time of each leg as shown in FIG. 13 and the like, and calculates the both-leg support time during the “both-leg support period” in FIG. Then, the behavior determination device determines whether the both-leg support time set in advance is equal to or longer than the fourth predetermined value, that is, whether the both-leg support time is short.
- step S205 If it is determined in step S205 that the both-leg support time is equal to or longer than the fourth predetermined value (YES in step S205), the behavior determination apparatus proceeds to step S207. On the other hand, if the both-leg support time is less than the fourth predetermined value in step S205 (NO in step S205), the behavior determination apparatus proceeds to step S206.
- Step S206 the behavior determination device determines that the user is performing a running behavior.
- step S205 and step S206 The determination method of the driving behavior realized in step S205 and step S206 will be described in detail with reference to FIGS.
- step S207 the behavior determination apparatus determines whether or not the peak difference between the first and second periods of the load period is less than the first predetermined value in one sensor that exhibits the largest pressure value in the load period. Specifically, the behavior determination device compares the maximum maximum averages of all the sensors, and specifies the sensor that shows the largest value. In that one sensor, first, the difference between the peak point values of the first and second periods of the load period is calculated, and the peak difference is calculated. Then, the behavior determination device determines whether the peak difference is less than a first predetermined value set in advance, that is, whether the peak difference is a small value.
- the predetermined value such as the first predetermined value may be set to a different value for each person in consideration of individual differences and the like.
- step S207 If the peak difference in one sensor is less than the first predetermined value (YES in step S207), the behavior determination apparatus proceeds to step S208. On the other hand, if the peak difference in one sensor is not less than the first predetermined value (NO in step S207), the behavior determination apparatus proceeds to step S210.
- step S208 the behavior determination device determines whether pressure or force is concentrated on the forefoot portion or the middle foot portion of the foot.
- the behavior determination apparatus proceeds to step S209.
- the behavior determination apparatus proceeds to step S210.
- step S209 the behavior determination apparatus determines that the user is performing the action of going down the stairs.
- step S207 The determination method of the descending action of the stairs realized in step S207, step S208, step S209, etc. will be described in detail with reference to FIG.
- step S210 the behavior determination apparatus determines whether or not the pressure in one load period is concentrated in the latter period of the load period.
- the largest value (hereinafter referred to as “peak value”) of the peak points (maximum maximum value average) of each sensor is acquired, and the peak value in the latter period is the previous period. It is determined whether or not it is larger than the peak value.
- step S210 If the peak value in the latter period is larger than the previous period (YES in step S210), the behavior determination apparatus proceeds to step S211. On the other hand, if the peak value in the latter period is smaller than the previous period or the peak values are equal (NO in step S210), the behavior determination apparatus proceeds to step S213.
- step S ⁇ b> 211 the behavior determination device determines whether or not all peak differences in all sensors are equal to or greater than a second predetermined value. Specifically, first, the behavior determination device calculates the difference between the peak values from the peak points in the first and second periods of one load period, and acquires the peak difference (hereinafter referred to as “total peak difference”). Then, the behavior determination device determines whether or not the total peak difference is equal to or larger than a second predetermined value set in advance, that is, whether or not the total peak difference is a large value.
- step S211 If the total peak difference is greater than or equal to the second predetermined value (YES in step S211), the behavior determination apparatus proceeds to step S212. On the other hand, if the total peak difference is not equal to or greater than the second predetermined value (NO in step S211), the behavior determination apparatus proceeds to step S213.
- step S212 the action determination device determines that the user is moving up the stairs.
- step S210 Details of the method for determining the ascending behavior of the stairs realized in step S210, step S211 and step S212 will be described with reference to FIG.
- Step S213 the behavior determination apparatus determines whether the total peak difference is less than a third predetermined value. Specifically, the behavior determination device acquires the total peak difference. Then, it is determined whether or not the total peak difference is less than a preset third predetermined value, that is, whether or not the total peak difference is a small value. If the total peak difference is less than the third predetermined value (YES in step S213), the behavior determination apparatus proceeds to step S214. On the other hand, if the total peak difference is not less than the third predetermined value (NO in step S213), the behavior determination apparatus proceeds to step S215.
- step S214 the behavior determination apparatus determines that the user is walking.
- step S215 the behavior determination device sets the behavior in the time zone that has not reached the specific behavior determination as a determination suspension, and ends the behavior determination process.
- the behavior determination process as described above is performed, for example, every load period.
- the action determination process is not limited to each load period, and may be performed at predetermined intervals, such as every preset period or every interval.
- FIG. 16 is a diagram illustrating an example of 1-load period data obtained by measuring a walking action.
- 1-load period data as illustrated is generated.
- two peak points are detected in step S201 in all sensors, such as the eleventh peak point PKW1 and the twelfth peak point PKW2, based on the 1-load period data in the walking action ACT1.
- the sensor at the eleventh peak point PKW1 and the sensor at the twelfth peak point PKW2 are different sensors.
- 1 load period data is bimodal.
- the first total peak difference DWA which is the difference between the eleventh peak point PKW1 and the twelfth peak point PKW2 is a small value. Therefore, if it is the walking action ACT1, the first total peak difference DWA is a value less than the third predetermined value. Therefore, in step S213, it is determined to be positive (YES).
- the pressure distribution as in the eleventh measurement result RW1 is measured in the first stance HAW1, while in the third stance HAW2, A pressure distribution such as the measurement result RW3 is measured.
- a pressure distribution like the twelfth measurement result RW2 is measured.
- the eleventh measurement result RW1 is an example of the first distribution. As shown in the drawing, the eleventh measurement result RW1 has a distribution in which pressure concentrates in the rear part of the bag or the like (hereinafter referred to as “first concentration distribution CW1”).
- the thirteenth measurement result RW3 is an example of the second distribution. As shown in the drawing, the thirteenth measurement result RW3 has a distribution in which pressure concentrates on the front part such as a toe (hereinafter referred to as “second concentration distribution CW2”).
- the behavior determination device can determine whether or not the first concentrated distribution CW1 is established in the first stance HAW1. This can be determined by whether or not the eleventh peak point PKW1 is located at the rear.
- the behavior determination device can determine whether or not the second concentration distribution CW2 is obtained in the late stance HAW2. This can be determined by whether or not the twelfth peak point PKW2 is located in the front part.
- the first concentration distribution CW1 is generated in the first stance HAW1
- the second concentration distribution CW2 is generated in the second stance HAW2. That is, in walking behavior, the first distribution and the second distribution occur periodically.
- the behavior determination device can determine whether or not the first distribution and the second distribution are periodically generated and determine walking behavior. When such a determination is made, the behavior determination device can determine the walking behavior ACT1 with higher accuracy.
- FIG. 17 is a diagram illustrating an example of 1-load period data obtained by measuring the behavior of riding a bicycle.
- one load period data as shown is generated.
- two peak points are inspected at step S201 in the second and third peak points PKB1 and PKB2 in the first and second periods of the load period, respectively. Is issued.
- the peak appearance point of each peak point appears within 35% to less than 50% for the second peak point PKB1, and within 50% to 65% for the third peak point PKB2. That is, the peak point in the first half of the load period and the peak point in the second half of the load period are both concentrated near the center of the load period. From this, when it is bicycle action ACT3, 1 load period data becomes a single peak. Therefore, in step S203, it is determined to be positive (YES).
- the twenty-first measurement result RB1 As shown in the twenty-first measurement result RB1, the twenty-second measurement result RB2, and the twenty-third measurement result RB3, in a bicycle action, pressure or force often concentrates on a predetermined portion of the foot.
- the illustrated example is an example in which the pressure or force is concentrated on the front part to the middle part of the foot, as in the third distribution CB.
- the predetermined location where pressure or force concentrates changes with people. That is, the predetermined location where the pressure or force is concentrated is not limited to the front portion to the middle portion as in the third distribution CB.
- the behavior determination device determines whether pressure or force is concentrated on a predetermined portion of the foot as in the third distribution CB, and determines the bicycle behavior. If such determination is further performed, the behavior determination device can determine the bicycle behavior ACT3 with higher accuracy.
- FIG. 18 is a diagram illustrating an example of 1-load period data obtained by measuring the behavior of going down the stairs.
- one load period data as shown is generated.
- two peak points are detected in step S201, such as the 31st peak point PKD1 and the 32nd peak point PKD2, based on the 1st load period data in the stairs descending action ACT2.
- the sensor at the 31st peak point PKD1 and the sensor at the 32nd peak point PKD2 are the same sensor, unlike the case shown in FIG.
- the sensor used by determination is a sensor which shows a maximum pressure value.
- one load period data is two peaks.
- the first peak difference DD1 in one sensor which is the difference between the 31st peak point PKD1 and the 32nd peak point PKD2, is a small value. Therefore, in the case of the stairs down action ACT2, the first peak difference DD1 becomes a value less than the first predetermined value. Therefore, in step S207, it is determined that the first peak difference DD1 is less than the first predetermined value.
- the pressure value distribution is taken into consideration in the determination of the descending action of the stairs as follows.
- the pressure or force in the descending action of the stairs, the pressure or force often concentrates on the front part or the middle part. This can be determined by whether or not the sensor indicating the peak point in the first half of the load period is located in the front or the middle, and similarly whether or not the sensor showing the peak point in the second half of the load period is located in the front or the middle. . Whether or not the sensor with the second largest peak value average in the first half of the load period is located in the front or the middle, similarly, the sensor with the second maximum peak average value in the second half of the load period is in the front or the middle. It may be added to the determination whether or not it is located.
- the example shown in the figure is an example in which the pressure or force is concentrated on the front part or the middle part as in the fourth distribution CD.
- the pressure values indicated by the seventh sensor CFF, the fourth sensor TOE, and the fifth sensor FMT that measure the front part are high at the sensor position shown in FIG. That is, this example is an example in which the pressure is concentrated on the front part.
- step S208 is determined to be positive (YES).
- the behavior determination device considers whether or not there is a minimum point LM between the peak point in the first half of the load period and the peak point in the second half of the load period in one sensor that indicates the peak point.
- a minimum point LM between the peak point in the first half of the load period and the peak point in the second half of the load period in one sensor that indicates the peak point.
- the minimum point LM can be detected by, for example, differentiation. Therefore, the behavior determination device detects the minimum point LM and determines the descending behavior of the stairs. If such a determination is further performed, the behavior determination device can determine the stairs descending behavior ACT2 with higher accuracy.
- FIG. 19 is a diagram illustrating an example of 1-load period data obtained by measuring the behavior of climbing stairs.
- one load period data as shown is generated.
- two peak points are detected in step S201 in all sensors, such as the 41st peak point PKU1 and the 42nd peak point PKU2. It is. As shown in the figure, the sensor at the 41st peak point PKU1 and the sensor at the 42nd peak point PKU2 are different from the case shown in FIG.
- step S210 is determined to be positive (YES).
- the second total peak difference DUA which is the difference between the 41st peak point PKU1 and the 42nd peak point PKU2 is a large value.
- the second total peak difference DUA is about three times larger than the first total peak difference DWA shown in FIG. Note that the difference from walking behavior varies from person to person. Therefore, in the case of the stair climbing action ACT4, the second total peak difference DUA is equal to or greater than the second predetermined value. Therefore, in step S211, it is determined that the second total peak difference DUA is greater than or equal to the second predetermined value.
- the peak points used to calculate the second total peak difference DUA are the peak points that occur in the first half of the first load period (hereinafter referred to as “previous peak points”) and the peaks that occur in the second half of the first load period. It is a combination with a point (hereinafter referred to as “post peak point”).
- the front peak point is the 41st peak point PKU1
- the back peak point is the 42nd peak point PKU2.
- the first half of the first load period is the first stance HAU1
- the second half of the first load period is the second stance HAU2. Therefore, the second total peak difference DUA is a value calculated by the difference between the peak point detected in the early stance phase HAU1 and the peak point detected in the late stance phase HAU2.
- the pressure distribution like the 41st measurement result RU1 is measured in the early stance phase HAU1, while the pressure distribution like the 43rd measurement result RU3 is measured in the late stance phase HAU2.
- a pressure distribution like the forty-second measurement result RU2 is measured at the intermediate time point.
- the pressure or force in the ascending behavior of the stairs, the pressure or force often concentrates on the front part or the middle part.
- the illustrated example is an example in which pressure or force concentrates in the front part to the middle part as in the 51st distribution CU1.
- the illustrated example is an example in which no pressure or force is generated in the rear portion as in the 52nd distribution CU2.
- the pressure values indicated by the 7th sensor CFF, the 4th sensor TOE, and the 5th sensor FMT that measure the front part are high at the sensor position shown in FIG. That is, this example is an example in which the pressure is concentrated on the front part.
- the pressure value indicated by the first sensor HEL for measuring the rear portion is low at the sensor position shown in FIG. That is, this example is an example in which no pressure is generated in the rear part.
- the behavior determination apparatus determines whether or not pressure or force is concentrated in the front or middle as in the 51st distribution CU1, and whether or not pressure or force is generated in the rear as in the 52nd distribution CU2. And climbing up the stairs. If such a determination is further performed, the behavior determination device can determine the stair climbing behavior ACT4 with higher accuracy.
- FIG. 20 is a diagram (part 1) illustrating an example of determination of travel behavior.
- FIG. 21 is a diagram (part 2) illustrating an example of determination of traveling behavior.
- the behavior determination device uses the stance time of each foot to determine whether or not the vehicle is running.
- the standing time on the left foot is, for example, an eleventh standing time TWL as shown in FIG.
- the stance time on the right foot is, for example, the twelfth stance time TWR as shown in FIG.
- the stance time on the left foot is, for example, the 21st stance time TRL as shown in FIG.
- the stance time on the right foot is, for example, the 22nd stance time TRR as shown in FIG.
- the stance time such as the eleventh stance time TWL, the twelfth stance time TWR, the twenty-first stance time TRL, and the twenty-second stance time TRR is, for example, a value calculated by the time parameter shown in FIG.
- step S205 it is determined in step S205 that the both-leg support time is not longer than a preset fourth predetermined time.
- the behavior determination device can also determine that the standing time is shorter than the walking time as the running behavior by comparing the standing time, which is a time parameter of the walking behavior, after the walking behavior is determined in advance. . If such a determination is further performed, the behavior determination device can determine the walking behavior ACT1 and the running behavior more accurately.
- FIG. 22 is a diagram showing an example of a peak difference between the first half and the second half of the load period.
- FIG. 23 is a diagram illustrating an example of the peak value of each sensor in each action.
- the pressure value of the buttocks was “16.4 ⁇ 1.26 [N]” in walking behavior, which was larger than the other portions.
- ⁇ Summary> As described above, when a peak point is used, values such as a peak appearance point, a peak difference, and a total peak difference can be calculated in the action determination, and thus the action determination apparatus can accurately determine the user's action. In addition, when the behavior determination process as described above is performed, the behavior determination device can also determine behaviors such as climbing stairs and descending stairs that cannot be determined by the conventional method.
- the action determination process may be the following process, for example.
- FIG. 24 is a flowchart showing a modification of the action determination process. Compared with the process shown in FIG. 15, step S202 is different from step S220.
- steps S202 is different from step S220.
- processes similar to those in FIG. 15 are denoted by the same reference numerals, and description thereof is omitted.
- step S220 the behavior determination apparatus determines whether all the trajectories of all the sensors are unimodal. If it is determined that all the sensor tracks are unimodal (YES in step S220), the behavior determination apparatus proceeds to step S203. On the other hand, if it is determined that there is a non-single peak locus among all the sensor loci (NO in step S220), the behavior determination apparatus proceeds to step S207.
- the analysis may be performed by combining the result of the action determination and the life log data. For example, exercise intensity may be analyzed, or the relationship between geographical location and behavior may be analyzed. When such an analysis is performed, the behavior determination apparatus can monitor the biological information of the user in more detail.
- the pressure is mainly described as an example, but the force may be measured using a force sensor.
- a pressure that can be calculated by measuring the force and dividing the force by the area in a state where the area for measuring the force is known in advance may be used.
- the behavior determination system 100 is not limited to the illustrated system configuration. That is, the behavior determination system 100 may further include an information processing device other than that illustrated. On the other hand, the behavior determination system 100 may be realized by one or more information processing devices and may be realized by fewer information processing devices than the illustrated information processing devices.
- each device may not be realized by one device. That is, each device may be composed of a plurality of devices. For example, each device in the behavior determination system 100 may perform each process by a plurality of devices in a distributed, parallel, or redundant manner.
- each processing according to the present invention is described in a low-level language such as an assembler or a high-level language such as an object-oriented language, and may be realized by a program for causing a computer to execute an action determination method.
- the program is a computer program for causing a computer such as an information processing apparatus or an information processing system having a plurality of information processing apparatuses to execute each process.
- the calculation device and the control device included in the computer perform calculation and control based on the program in order to execute each process.
- a storage device included in the computer stores data used for processing based on a program in order to execute each processing.
- the program can be recorded and distributed on a computer-readable recording medium.
- the recording medium is a medium such as an auxiliary storage device, a magnetic tape, a flash memory, an optical disk, a magneto-optical disk, or a magnetic disk.
- the program can be distributed through a telecommunication line.
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Tourism & Hospitality (AREA)
- Physical Education & Sports Medicine (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
行動判定装置は、ユーザの足底面に設置される1以上のセンサが計測する圧力又は力を示す計測データを取得する計測データ受信部と、前記計測データを解析して、前記ユーザが1歩、1ステップ又は1踏み込みを行う1荷重期を特定し、前記1荷重期ごとに、足底圧パラメータと時間パラメータを算出するデータ解析部と、前記足底圧パラメータ及び前記時間パラメータに基づいて所定の時間ごとに最大の極大値となるピーク点を検出し、前記ピーク点に基づいて前記ユーザの行動を判定する行動判定部とを含む。
Description
本発明は、行動判定装置、行動判定システム、行動判定方法及びプログラムに関する。
いわゆるIoT(Internet of Things)技術を用いて、ユーザの生体情報モニタリングを行う技術が知られている。
例えば、まず、システムが、圧力センサを用いて足裏の圧力分布を検出する。そして、システムが、立ち状態、座り状態、歩いている状態、早歩き状態、小走り状態又は走っている状態のうち、ユーザがいずれかの状態であるかを判定する方法が知られている(例えば、特許文献1を参照)。
しかしながら、従来の方法は、ユーザの行動を精度良く判定できない場合がある。
そこで、本発明に係る一実施形態は、ユーザの行動を精度良く判定することを目的とする。
上記目的を達成するために、本発明の一実施形態に係る、行動判定装置は、
ユーザの足底面に設置される1以上のセンサが計測する圧力又は力を示す計測データを取得する計測データ受信部と、
前記計測データを解析して、前記ユーザが1歩、1ステップ又は1踏み込みを行う1荷重期を特定し、前記1荷重期ごとに、足底圧パラメータと時間パラメータを算出するデータ解析部と、
前記足底圧パラメータ及び前記時間パラメータに基づいて所定の時間ごとに最大の極大値となるピーク点を検出し、前記ピーク点に基づいて前記ユーザの行動を判定する行動判定部と
を含む。
ユーザの足底面に設置される1以上のセンサが計測する圧力又は力を示す計測データを取得する計測データ受信部と、
前記計測データを解析して、前記ユーザが1歩、1ステップ又は1踏み込みを行う1荷重期を特定し、前記1荷重期ごとに、足底圧パラメータと時間パラメータを算出するデータ解析部と、
前記足底圧パラメータ及び前記時間パラメータに基づいて所定の時間ごとに最大の極大値となるピーク点を検出し、前記ピーク点に基づいて前記ユーザの行動を判定する行動判定部と
を含む。
上記構成により、ユーザの行動を精度良く判定することができる。
以下、本発明に係る最適な実施形態について、添付する図面を参照して具体例を説明する。
<システム構成例>
図1は、システムの構成例を示す機能ブロック図である。例えば、行動判定システム100は、計測デバイス(靴デバイス)2、情報端末3及びサーバ装置5等を有する。なお、行動判定システム100には、図示するように、管理端末6等の情報処理装置が更にあってもよい。以下、図示する行動判定システム100を例に説明する。また、図示する行動判定システム100は、サーバ装置5が行動判定装置となる例である。以下、サーバ装置5を行動判定装置の例として説明するが、行動判定装置は、図示する以外の形態で用いられてもよい。
図1は、システムの構成例を示す機能ブロック図である。例えば、行動判定システム100は、計測デバイス(靴デバイス)2、情報端末3及びサーバ装置5等を有する。なお、行動判定システム100には、図示するように、管理端末6等の情報処理装置が更にあってもよい。以下、図示する行動判定システム100を例に説明する。また、図示する行動判定システム100は、サーバ装置5が行動判定装置となる例である。以下、サーバ装置5を行動判定装置の例として説明するが、行動判定装置は、図示する以外の形態で用いられてもよい。
行動判定システム100では、図示するように、ユーザが使用する靴1(左右)には、計測デバイス(靴デバイス)2が設けられる。
図示するように、計測デバイス2は、センサ部21及び通信部22等を有する機能構成である。
計測デバイス2は、まず、センサ部21によって、ユーザの足底面における圧力を計測する。又は、センサ部21は、ユーザの足底面における力を計測してもよい。
次に、通信部22は、センサ部21によって計測される計測データ等をBluetooth(登録商標)又は無線LAN(Local Area Network)等の無線通信により、情報端末3に送信する。
情報端末3は、例えば、スマートフォン、タブレット、PC(Personal Computer)又はこれらの組み合わせ等の情報処理装置である。
計測デバイス2は、例えば、10ms(ミリ秒、100Hz)ごとに、計測データを情報端末3に送信する。このように、計測デバイス2は、あらかじめ設定される所定間隔で計測データを情報端末3に送信する。
センサ部21は、例えば、いわゆるインソール(中敷き)型の基材211等に1以上設置される圧力センサ212等で実現される。なお、圧力センサ212は、インソールに設置されるに限られない。例えば、圧力センサ212は、靴下又は靴底等に設置されてもよい。
なお、センサは、圧力センサ212以外に、剪断力(摩擦力)センサ、加速度センサ、温度センサ、湿度センサ又はこれらの組み合わせ等が更にあってもよい。
また、インソールには、情報端末3側からの制御により、色が変化する機構(視覚刺激を与える機構)、又は、素材が変形したり、硬さが変化したりする機構(触覚刺激を与える機構)が設けられてもよい。
ほかにも、情報端末3には、ユーザに示す歩行又は足部の状態がフィードバックされてもよい。また、通信部22は、GPS(Global Positioning System)等によって、位置データ等を送信してもよい。なお、位置データは、情報端末3によって取得されてもよい。
情報端末3は、あらかじめ設定される所定間隔(例えば、10秒ごと等である。)ごとに、計測デバイス2から受信する計測データをインターネット等のネットワーク4を介してサーバ装置5に送信する。
また、情報端末3は、サーバ装置5から、ユーザの歩行又は足部の状態等を示すデータを取得して画面に表示し、ユーザに歩行又は足部の状態等をフィードバックしたり、靴の選択を支援したりする機能を有してもよい。
なお、計測データ等は、計測デバイス2からサーバ装置5にデータが直接に送信されてもよい。この場合には、情報端末3は、例えば、計測デバイス2に対する操作又はユーザへのフィードバック等に用いられる。
サーバ装置5は、例えば、基本データ入力部501と、計測データ受信部502と、データ解析部503と、行動判定部507と、データベース521とを含む機能構成である。また、サーバ装置5は、図示するように、ライフログ書込部506等を含む機能構成でもよい。以下、図示する機能構成を例にサーバ装置5を説明するが、サーバ装置5は、図示する機能構成に限られない。
基本データ入力部501は、ユーザ及び靴等の基本的なデータの設定を受け付ける基本データ入力手順を行う。例えば、基本データ入力部501が受け付けた設定は、データベース521上のユーザデータ522等に登録される。
計測データ受信部502は、計測デバイス2から情報端末3を介して送信されるデータ等を受信する計測データ受信手順を行う。そして、計測データ受信部502は、データベース521上の計測データ526等に受信したデータを登録する。
データ解析部503は、荷重期データ解析部504等を有する。例えば、荷重期データ解析部504は、計測データ526を解析して解析処理後データ527等を生成するデータ解析手順を行う。
ライフログ書込部506は、ライフログデータ524をデータベース521上に登録する。
行動判定部507は、行動判定処理等によってユーザがどのような行動をしているかを判定する行動判定手順を行う。
また、管理者は、管理端末6等によって、ネットワーク4を介してサーバ装置5にアクセスできる。そして、管理者は、サーバ装置5で管理されるデータを確認したり、又は、メンテナンス等ができたりする。
図示するように、データベース521には、例えば、ユーザデータ522、ライフログデータ524、計測データ526、解析処理後データ527及び行動データ528等のデータが保持される。例えば、各データは、以下のような構成である。
<データ例>
図2は、データの一例を示す図(その1)である。
図2は、データの一例を示す図(その1)である。
ユーザデータ522は、図示するように、「ユーザID(Identification)」、「名前」、「靴ID」、「性別」、「生年月日」、「身長」、「体重」、「靴サイズ」、「登録日」及び「更新日」等の項目を有するデータである。すなわち、ユーザデータ522は、ユーザの特徴等を入力するデータである。
図3は、データの一例を示す図(その2)である。
ライフログデータ524は、図示するように、「ログID」、「年月日時刻」、「ユーザID」、「1日の予定」、「目的地」、「移動距離」、「歩数」、「平均歩行速度」、「最多位置情報(GPS)」、「登録日」及び「更新日」等の項目を有するデータである。すなわち、ライフログデータ524は、ユーザの行動(予定が含まれてもよい。)を示すデータである。
図4は、データの一例を示す図(その3)である。
計測データ526は、図示するように、「年月日時刻」、「ユーザID」、「左足1番センサ:後足部(踵)圧力値」、「左足2番センサ:中足部1圧力値」、「左足3番センサ:前足部1圧力値」、「左足4番センサ:前足部2圧力値」、「左足5番センサ:前足部3圧力値」、「左足6番センサ:中足部2圧力値」、「左足7番センサ:前足部4圧力値」、「右足1番センサ:後足部(踵)圧力値」、「右足2番センサ:中足部1圧力値」、「右足3番センサ:前足部1圧力値」、「右足4番センサ:前足部2圧力値」、「右足5番センサ:前足部3圧力値」、「右足6番センサ:中足部2圧力値」及び「右足7番センサ:前足部4圧力値」等の項目を有するデータである。なお、各センサの具体的な配置例は、図7等で説明する。また、計測データ526の各圧力値は、計測された時間でプロットして波形データの形式としてもよい。波形データの例は、図10等で説明する。
図5及び図6は、データの一例を示す図(その4)である。
解析処理後データ527は、図示するように、「年月日時刻」、「ユーザID」、「歩数」、「全センサ総和圧力値最大極大値平均」、「左足1番センサ:後足部(踵)前期最大極大値平均」、「左足1番センサ:後足部(踵)後期最大極大値平均」、「左足2番センサ:中足部1前期最大極大値平均」、「左足2番センサ:中足部1後期最大極大値平均」、「左足3番センサ:前足部1前期最大極大値平均」、「左足3番センサ:前足部1後期最大極大値平均」、「左足4番センサ:前足部2前期最大極大値平均」、「左足4番センサ:前足部2後期最大極大値平均」、「左足5番センサ:前足部3前期最大極大値平均」、「左足5番センサ:前足部3後期最大極大値平均」、「左足6番センサ:中足部2前期最大極大値平均」、「左足6番センサ:中足部2後期最大極大値平均」、「左足7番センサ:前足部4前期最大極大値平均」、「左足7番センサ:前足部4後期最大極大値平均」、「右足1番センサ:後足部(踵)前期最大極大値平均」、「右足1番センサ:後足部(踵)後期最大極大値平均」、「右足2番センサ:中足部1前期最大極大値平均」、「右足2番センサ:中足部1後期最大極大値平均」、「右足3番センサ:前足部1前期最大極大値平均」、「右足3番センサ:前足部1後期最大極大値平均」、「右足4番センサ:前足部2前期最大極大値平均」、「右足4番センサ:前足部2後期最大極大値平均」、「右足5番センサ:前足部3前期最大極大値平均」、「右足5番センサ:前足部3後期最大極大値平均」、「右足6番センサ:中足部2前期最大極大値平均」、「右足6番センサ:中足部2後期最大極大値平均」、「右足7番センサ:前足部4前期最大極大値平均」、「右足7番センサ:前足部4後期最大極大値平均」、「左足平均立脚時間」、「右足平均立脚時間」、「両脚支持時間」、「左足単脚支持時間」、「右足単脚支持時間」、「左足1番センサ:ピーク出現点」、「左足2番センサ:ピーク出現点」、「左足3番センサ:ピーク出現点」、「左足4番センサ:ピーク出現点」、「左足5番センサ:ピーク出現点」、「左足6番センサ:ピーク出現点」、「左足7番センサ:ピーク出現点」、「右足1番センサ:ピーク出現点」、「右足2番センサ:ピーク出現点」、「右足3番センサ:ピーク出現点」、「右足4番センサ:ピーク出現点」、「右足5番センサ:ピーク出現点」、「右足6番センサ:ピーク出現点」、及び「右足7番センサ:ピーク出現点」等の項目を有するデータである。
また、解析処理後データ527の項目のうち、「左足平均立脚時間」、「右足平均立脚時間」、「両脚支持時間」、「左足単脚支持時間」、「右足単脚支持時間」、「左足1番センサ:ピーク出現点」、「左足2番センサ:ピーク出現点」、「左足3番センサ:ピーク出現点」、「左足4番センサ:ピーク出現点」、「左足5番センサ:ピーク出現点」、「左足6番センサ:ピーク出現点」、「左足7番センサ:ピーク出現点」、「右足1番センサ:ピーク出現点」、「右足2番センサ:ピーク出現点」、「右足3番センサ:ピーク出現点」、「右足4番センサ:ピーク出現点」、「右足5番センサ:ピーク出現点」、「右足6番センサ:ピーク出現点」及び「右足7番センサ:ピーク出現点」等が時間パラメータの例となる。
さらに、解析処理後データ527の項目のうち、「全センサ総和圧力値最大極大値平均」、「左足1番センサ:後足部(踵)前期最大極大値平均」、「左足1番センサ:後足部(踵)後期最大極大値平均」、「左足2番センサ:中足部1前期最大極大値平均」、「左足2番センサ:中足部1後期最大極大値平均」、「左足3番センサ:前足部1前期最大極大値平均」、「左足3番センサ:前足部1後期最大極大値平均」、「左足4番センサ:前足部2前期最大極大値平均」、「左足4番センサ:前足部2後期最大極大値平均」、「左足5番センサ:前足部3前期最大極大値平均」、「左足5番センサ:前足部3後期最大極大値平均」、「左足6番センサ:中足部2前期最大極大値平均」、「左足6番センサ:中足部2後期最大極大値平均」、「左足7番センサ:前足部4前期最大極大値平均」、「左足7番センサ:前足部4後期最大極大値平均」、「右足1番センサ:後足部(踵)前期最大極大値平均」、「右足1番センサ:後足部(踵)後期最大極大値平均」、「右足2番センサ:中足部1前期最大極大値平均」、「右足2番センサ:中足部1後期最大極大値平均」、「右足3番センサ:前足部1前期最大極大値平均」、「右足3番センサ:前足部1後期最大極大値平均」、「右足4番センサ:前足部2前期最大極大値平均」、「右足4番センサ:前足部2後期最大極大値平均」、「右足5番センサ:前足部3前期最大極大値平均」、「右足5番センサ:前足部3後期最大極大値平均」、「右足6番センサ:中足部2前期最大極大値平均」、「右足6番センサ:中足部2後期最大極大値平均」、「右足7番センサ:前足部4前期最大極大値平均」及び「右足7番センサ:前足部4後期最大極大値平均」等が足底圧パラメータの例となる。
行動データ528は、行動判定部507によるユーザの行動を判定した結果を示すデータである。すなわち、行動データ528は、ユーザがどのような行動をしたか等が保持される。
なお、ユーザデータ522及びライフログデータ524は、必須なデータではない。また、各データは、図示するような項目をすべて有さなくともよい。
<センサの配置例>
図7は、センサ位置の例を示す配置図である。例えば、センサは、図示するような位置に設置される。図示するように、センサは、ユーザの足における前部、中部及び後部をそれぞれ計測できるように、複数設置されるのが望ましい。
図7は、センサ位置の例を示す配置図である。例えば、センサは、図示するような位置に設置される。図示するように、センサは、ユーザの足における前部、中部及び後部をそれぞれ計測できるように、複数設置されるのが望ましい。
図示する配置例では、「1番センサ」等が、後部を計測し、計測データを生成する。すなわち、後部HELに設置されるセンサが、足底面における後部を計測するためのセンサの例となる。そして、後部HELに設置されるセンサは、主に、踵部等がある、いわゆる「後足部」と呼ばれる範囲を計測対象とする。
また、図示する配置例では、「2番センサ」及び「6番センサ」等が、中部を計測し、計測データを生成する。すなわち、中部LMF及び中部MMF等に設置されるセンサが、足底面における中部を計測するためのセンサの例となる。そして、中部LMF及び中部MMFに設置されるセンサは、主に、いわゆる「中足部」と呼ばれる範囲を計測対象とする。
さらに、図示する配置例では、「3番センサ」、「4番センサ」、「5番センサ」及び「7番センサ」等が、前部を計測し、計測データを生成する。すなわち、前部LFF、前部TOE、前部FMT及び前部CFF等に設置されるセンサが、足底面における前部を計測するためのセンサの例となる。前部LFF、前部TOE、前部FMT及び前部CFFに設置されるセンサは、主に、つま先等がある、いわゆる「前足部」と呼ばれる範囲を計測対象とする。
なお、センサは、図示する以外の位置に設置されてもよい。
<ハードウェア構成例>
図8は、計測デバイス、情報端末、サーバ装置及び管理端末等の情報処理装置が有する情報処理に係るハードウェア構成例を示すブロック図である。図示するように、計測デバイス、情報端末、サーバ装置及び管理端末等の情報処理装置は、例えば、一般的なコンピュータである。以下、各情報処理装置が同一のハードウェア構成の例で説明するが、各情報処理装置は、異なるハードウェア構成でもよい。
図8は、計測デバイス、情報端末、サーバ装置及び管理端末等の情報処理装置が有する情報処理に係るハードウェア構成例を示すブロック図である。図示するように、計測デバイス、情報端末、サーバ装置及び管理端末等の情報処理装置は、例えば、一般的なコンピュータである。以下、各情報処理装置が同一のハードウェア構成の例で説明するが、各情報処理装置は、異なるハードウェア構成でもよい。
計測デバイス2等は、バス207を介して相互に接続されるCPU(Central Processing Unit)201、ROM(Read Only Memory)202、RAM(Random Access Memory)203及びSSD(Solid State Drive)/HDD(Hard Disk Drive)204等を有する。また、計測デバイス2等は、接続I/F(Interface)205及び通信I/F206等の入力装置及び出力装置を有する。
CPU201は、演算装置及び制御装置の例である。そして、CPU201は、RAM203等の主記憶装置をワークエリアとし、ROM202又はSSD/HDD204等の補助記憶装置に格納されたプログラムを実行すると、各処理及び各制御を行うことができる。そして、計測デバイス2等が有する各機能は、例えば、CPU201において所定のプログラムが実行されることで実現される。なお、プログラムは、記録媒体を経由して取得されてよいし、ネットワーク等を経由して取得されるものでもよいし、ROM等にあらかじめ入力されてもよい。
図示するようなハードウェア構成では、例えば、計測データ受信部502は、接続I/F205又は通信I/F206等で実現される。また、データ解析部503及び行動判定部507は、例えば、CPU201等で実現される。
<全体処理例>
図9は、全体処理例を示すフローチャートである。
図9は、全体処理例を示すフローチャートである。
<計測データの取得例>(ステップS111)
ステップS111では、行動判定装置は、計測データを取得する。具体的には、図1に示すシステム構成では、サーバ装置5は、情報端末3等を介して、計測デバイス2が計測し、生成した計測データを取得する。なお、計測データの詳細は、図10で説明する。
ステップS111では、行動判定装置は、計測データを取得する。具体的には、図1に示すシステム構成では、サーバ装置5は、情報端末3等を介して、計測デバイス2が計測し、生成した計測データを取得する。なお、計測データの詳細は、図10で説明する。
<1荷重期データの生成例>(ステップS112)
ステップS112では、行動判定装置は、1荷重期データを生成する。すなわち、行動判定装置は、計測データのうち、各行動の1荷重期分となる範囲を解析して特定し、「1荷重期データ」を生成する。
ステップS112では、行動判定装置は、1荷重期データを生成する。すなわち、行動判定装置は、計測データのうち、各行動の1荷重期分となる範囲を解析して特定し、「1荷重期データ」を生成する。
1荷重期は、歩行若しくは走行等の行動における1歩、階段の上り若しくは下り等の行動における1ステップ又は自転車に乗る行動における1踏み込みを行うための時間に相当する。したがって、ユーザが歩行している場合には、1荷重期は、1立脚期となる。
例えば、行動判定装置は、まず、計測データが示す各センサの圧力値を時系列にした波形データに基づいて、波形の立ち上がりから接地時点までを抽出する。このようにして、行動判定装置は、1荷重期を特定する。次に、行動判定装置は、1荷重期ごとに、波形データを切り出す。
具体的には、行動判定装置は、例えば、全センサの圧力値が最小になる点から次に全センサの圧力値が最小になる点までを1荷重期と特定する。また、例えば、以下の(a)及び(b)の条件を満たすように、1荷重期データは、生成される。
(a)波形データ全体のうち、最も高い圧力値(トップ最大値)を示すセンサを特定し、そのセンサからの波形データの複数の荷重期の最大極大値がいずれもトップ最大値を基準として80%以上の値を示すこと
(b)1荷重期の長さが1200ms未満であること
なお、1荷重期データの詳細は、図10で説明する。
(a)波形データ全体のうち、最も高い圧力値(トップ最大値)を示すセンサを特定し、そのセンサからの波形データの複数の荷重期の最大極大値がいずれもトップ最大値を基準として80%以上の値を示すこと
(b)1荷重期の長さが1200ms未満であること
なお、1荷重期データの詳細は、図10で説明する。
<足底圧パラメータの取得例>(ステップS113)
ステップS113では、行動判定装置は、足底圧パラメータを取得する。具体的には、行動判定装置は、まず、1荷重期の前期と後期ごとに、各センサが計測する圧力値の最大極大値又は片足の全センサにおける総和圧力値の最大極大値を検出する。次に、行動判定装置は、検出される最大極大値を加算する。このように加算して得られる合計値を荷重期数で除算すると、行動判定装置は、平均値を計算できる。このようにして計算される平均値が、「左足1番センサ:後足部(踵)前期最大極大値平均」又は「左足総和圧力値の最大極大値平均」等の値となる。
ステップS113では、行動判定装置は、足底圧パラメータを取得する。具体的には、行動判定装置は、まず、1荷重期の前期と後期ごとに、各センサが計測する圧力値の最大極大値又は片足の全センサにおける総和圧力値の最大極大値を検出する。次に、行動判定装置は、検出される最大極大値を加算する。このように加算して得られる合計値を荷重期数で除算すると、行動判定装置は、平均値を計算できる。このようにして計算される平均値が、「左足1番センサ:後足部(踵)前期最大極大値平均」又は「左足総和圧力値の最大極大値平均」等の値となる。
なお、足底圧パラメータの詳細は、図11及び図12で説明する。
<時間パラメータの取得例>(ステップS114)
ステップS114では、行動判定装置は、時間パラメータを取得する。具体的には、行動判定装置は、各足が接地している時間等に基づいて、各足の単脚支持時間等を特定する。ほかにも、行動判定装置は、例えば、両足がどちらも接地している時間を両脚支持時間等とする。また、行動判定装置は、これらの荷重期ごとの時間を平均して平均値等を計算し、各時間パラメータの値としてもよい。また、1荷重期の前期と後期ごとに各センサの最大極大値が算出された時点を1荷重期の長さを「100」とした場合の時間割合で取得し、例えば、ピーク出現点等とする。
ステップS114では、行動判定装置は、時間パラメータを取得する。具体的には、行動判定装置は、各足が接地している時間等に基づいて、各足の単脚支持時間等を特定する。ほかにも、行動判定装置は、例えば、両足がどちらも接地している時間を両脚支持時間等とする。また、行動判定装置は、これらの荷重期ごとの時間を平均して平均値等を計算し、各時間パラメータの値としてもよい。また、1荷重期の前期と後期ごとに各センサの最大極大値が算出された時点を1荷重期の長さを「100」とした場合の時間割合で取得し、例えば、ピーク出現点等とする。
なお、時間パラメータの詳細は、図11、図12及び図13で説明する。
<解析処理後データに記録する例>(ステップS115)
ステップS115では、行動判定装置は、ステップS113及びステップS114等で解析した結果を解析処理後データに記録する。例えば、解析処理後データは、図5及び図6に示す項目等で記録される。
ステップS115では、行動判定装置は、ステップS113及びステップS114等で解析した結果を解析処理後データに記録する。例えば、解析処理後データは、図5及び図6に示す項目等で記録される。
<行動判定例>(ステップS116)
ステップS116では、行動判定装置は、計測データ等に基づいて、ユーザの行動を判定する。なお、判定処理の詳細は、図15で説明する。
ステップS116では、行動判定装置は、計測データ等に基づいて、ユーザの行動を判定する。なお、判定処理の詳細は、図15で説明する。
<計測データ及び1荷重期データの例>
図10は、計測データの一例を示す図である。図では、横軸は、時間を示し、縦軸は、圧力値を示す。
図10は、計測データの一例を示す図である。図では、横軸は、時間を示し、縦軸は、圧力値を示す。
例えば、ステップS111では、図10(a)に図示するような計測データが取得される。そして、ステップS112では計測データを解析して、1荷重期が特定され、図10(a)に示す計測データから1荷重期分が抽出されると、例えば、図10(b)に示すような1荷重期データが生成できる。
したがって、図10(b)に示す1荷重期CYCが、歩行の行動では、立脚時間となる。
<足底圧パラメータの例>
図11及び図12は、1荷重期の足底圧パラメータの取得例を示す図である。図では、1荷重期における割合を横軸に示し、縦軸は、圧力値を示す。
図11及び図12は、1荷重期の足底圧パラメータの取得例を示す図である。図では、1荷重期における割合を横軸に示し、縦軸は、圧力値を示す。
ステップS113等では、行動判定装置は、各波形のピークとなる点(以下「ピーク点」という。)と複数のピーク点の間に現れる極小点を検出する。なお、ピーク点は、所定の時間において極大値又は最大値となる点である。
例えば、行動判定装置は、計測データを微分する等によって、ピーク点または極小点を判定する。なお、ピーク点または極小点の検出方法は、極大値または極小値を検出できる方法であれば、微分以外の方法でもよい。
具体的には、1荷重期における各センサの最大値等を検出すると、第1ピーク点PM1及び第2ピーク点PM2等のようなそれぞれの1つずつのセンサの荷重期前期又は後期における最大極大値となる値が検出でき、足底圧パラメータとして取得できる。また、全センサの総和圧力値の最大値等を検出すると、PN1乃至3のような総和圧力のピーク点と、PN4のような極小点とが圧力値で検出でき、それぞれを足底圧パラメータとして取得する。総和圧力値について、図11では、その極大点がPN1とPN2のように2個又は極小点がPN4のように極大点の数マイナス1個、図12では、その極大点PN3が1つ検出される。なお、図では、ピーク点と極小点の例を黒四角で示す。
したがって、ステップS113の処理を行うと、行動判定装置は、例えば、図示するような足底圧パラメータを取得できる。
<時間パラメータの例>
また、図11及び図12において各センサの荷重期前期と後期における最大極大値を検出した時点(パーセント)は各センサの「ピーク出現点」とし、時間パラメータとして取得する。
また、図11及び図12において各センサの荷重期前期と後期における最大極大値を検出した時点(パーセント)は各センサの「ピーク出現点」とし、時間パラメータとして取得する。
具体的には、図11においては、22パーセントの時点で、1つのセンサにおいて、第1ピーク点PM1が検出され、48パーセントの時点で、第1ピーク点PM1が検出されるセンサとは別のセンサにおいて、第2ピーク点PM2が検出される。図12では、50パーセント付近で、1つのセンサの荷重期前期と後期における最大極大点PM3とPM4が検出される。
図13は、1荷重期の時間パラメータの取得例を示す図である。図は、歩行の場合を例にした時間パラメータの例を示す。
例えば、一定以上の圧力値が計測される時間を特定すると、立脚時間TSが取得できる。図示するように、立脚時間TSは、例えば、左足が接地してから、次に左足が地面から離れるまでの時間とほぼ一致する。そして、この例では、立脚時間TSが1荷重期となる。
以下、図示するように、左足及び右足の両方が接地している時間を「両脚支持期」という場合がある。一方で、左足及び右足のうち、どちらか一方の足のみが接地している時間を「単脚支持期」という場合がある。
したがって、ステップS114の処理を行うと、行動判定装置は、例えば、図示するような時間パラメータを取得できる。
<行動判定処理の対象となる計測データの例>
図14は、4種類の行動を計測した計測データの例を示す図である。以下、図示するような計測データが取得できた場合を例に説明する。
図14は、4種類の行動を計測した計測データの例を示す図である。以下、図示するような計測データが取得できた場合を例に説明する。
この例では、計測データは、図示するように、ユーザが、歩行する行動(以下「歩行行動」という場合がある。)ACT1、階段の下り行動ACT2、自転車に乗る行動(以下「自転車行動」という場合がある。)ACT3及び階段の上り行動ACT4を行った場合における各センサが計測した圧力値を示す。
なお、この例では、センサは、図示するようなセンサ位置SEPとする。
そして、図示する計測データに対して、行動判定装置は、図9に示す全体処理を行う。この全体処理では、ステップS116で、行動判定装置は、例えば、以下のような判定処理を行う。
<行動判定処理例>
図15は、行動判定処理の例を示すフローチャートである。図示する行動判定処理は、あらかじめステップS113とS114で取得でき、S115でサーバ等に記録される解析処理後データ等に基づいて行われる。
図15は、行動判定処理の例を示すフローチャートである。図示する行動判定処理は、あらかじめステップS113とS114で取得でき、S115でサーバ等に記録される解析処理後データ等に基づいて行われる。
また、行動判定処理は、図示する例では、自転車行動判定、走行行動判定、階段の下り行動判定、階段の上り判定行動、歩行行動の判定の順で行うが、各行動判定の順序は、図示する順序でなくともよい。例えば、各判定は、別々に行われてもよい。
<ピーク検出例>(ステップS201)
ステップS201では、行動判定装置は、各波形のピークとなる点(以下「ピーク点」という。)を検出する。このステップは、具体的にはステップS115で解析処理後データに記録されている足底圧パラメータを利用し、1荷重期の前期と後期それぞれにおいて、各センサの最大極大値平均からピーク点を特定する。また、同じく足底圧パラメータを利用し、全センサ総和圧力値の最大極大値平均から1つ又は2つのピーク点を特定する。
ステップS201では、行動判定装置は、各波形のピークとなる点(以下「ピーク点」という。)を検出する。このステップは、具体的にはステップS115で解析処理後データに記録されている足底圧パラメータを利用し、1荷重期の前期と後期それぞれにおいて、各センサの最大極大値平均からピーク点を特定する。また、同じく足底圧パラメータを利用し、全センサ総和圧力値の最大極大値平均から1つ又は2つのピーク点を特定する。
また、行動判定装置は、解析処理後データに寄らない場合でも、計測データから最大値等があらかじめ算出されている場合には、最大値等から処理対象とするピーク点を抽出してもよい。
<全センサの和の軌跡が単峰であるか、二峰であるか又はいずれでもないかの判定例>(ステップS202)
ステップS202では、行動判定装置は、全センサ総和圧力値の1荷重期データのパラメータを用いて、全総和圧力値の波形が、単峰であるか、二峰であるか又はいずれでもないかを判定する。
ステップS202では、行動判定装置は、全センサ総和圧力値の1荷重期データのパラメータを用いて、全総和圧力値の波形が、単峰であるか、二峰であるか又はいずれでもないかを判定する。
単峰は、1荷重期データの波形において、ピーク点を1つ有する場合である。一方で、二峰は、1荷重期データの波形において、ピーク点を2つ有し、その間に極小点がある場合である。したがって、行動判定装置は、1荷重期データ内で全センサ総和圧力値において発生したピーク点数と極小点の有無により、1荷重期データが単峰であるか、二峰であるか又はいずれでもないかを判定できる。このとき、二峰であることの判定を明確にするために、行動判定装置は、2つのピーク点のうち、低い方の圧力値と極小点の圧力値との差が所定値以上になることを基準に追加して判定してもよい。
1荷重期データが単峰であると行動判定装置が判定すると(ステップS202で「単峰」)、行動判定装置は、ステップS203に進む。一方で、1荷重期データが二峰であると行動判定装置が判定すると(ステップS202で「二峰」)、行動判定装置は、ステップS205に進む。また、単峰とも二峰とも判定されない場合(ステップS202で「いずれでもない」)、行動判定装置は、ステップS215に進む。
<全センサのピーク出現点が荷重期の中央に集中するか否かの判定例>(ステップS203)
ステップS203では、行動判定装置は、全センサにおけるそれぞれの前期のピーク出現点と後期のピーク出現点がすべて荷重期の中央に集中しているか否かを判定する。具体的には、行動判定装置は、全センサの前期と後期におけるピーク出現点を取得し、例えば、すべてのピーク出現点が35%以上、かつ、65%以下であった場合に、全センサのピーク出現点が荷重期の中央に集中している、すなわち、1荷重期の圧力が中央の時間帯に集中していると判定する。そして、全センサのピーク出現点が荷重期中央に集中している場合(ステップS203でYES)、行動判定装置は、ステップS204に進む。一方で、いずれかのピーク出現点が35%以上、かつ、65%以下にない場合(ステップS203でNO)、行動判定装置は、ステップS215に進む。
ステップS203では、行動判定装置は、全センサにおけるそれぞれの前期のピーク出現点と後期のピーク出現点がすべて荷重期の中央に集中しているか否かを判定する。具体的には、行動判定装置は、全センサの前期と後期におけるピーク出現点を取得し、例えば、すべてのピーク出現点が35%以上、かつ、65%以下であった場合に、全センサのピーク出現点が荷重期の中央に集中している、すなわち、1荷重期の圧力が中央の時間帯に集中していると判定する。そして、全センサのピーク出現点が荷重期中央に集中している場合(ステップS203でYES)、行動判定装置は、ステップS204に進む。一方で、いずれかのピーク出現点が35%以上、かつ、65%以下にない場合(ステップS203でNO)、行動判定装置は、ステップS215に進む。
<自転車行動と判定する例>(ステップS204)
ステップS204では、行動判定装置は、ユーザが自転車に乗る行動をしていると判定する。
ステップS204では、行動判定装置は、ユーザが自転車に乗る行動をしていると判定する。
ステップS203及びステップS204等で実現される自転車行動の判定方法は、図17で詳細を説明する。
<両脚支持時間が第4所定値以上か未満であるかの判定例>(ステップS205)
ステップS205では、行動判定装置は、両脚支持時間が第4所定値以上か否かを判定する。具体的には、行動判定装置は、まず、図13等のように、各足の立脚時間を計算し、図13における「両脚支持期」となる両脚支持時間を計算する。そして、行動判定装置は、あらかじめ設定される両脚支持時間が第4所定値以上であるか未満であるか、すなわち、両脚支持時間が短いか否かを判定する。
ステップS205では、行動判定装置は、両脚支持時間が第4所定値以上か否かを判定する。具体的には、行動判定装置は、まず、図13等のように、各足の立脚時間を計算し、図13における「両脚支持期」となる両脚支持時間を計算する。そして、行動判定装置は、あらかじめ設定される両脚支持時間が第4所定値以上であるか未満であるか、すなわち、両脚支持時間が短いか否かを判定する。
ステップS205において両脚支持時間が第4所定値以上であると(ステップS205でYES)、行動判定装置は、ステップS207に進む。一方で、ステップS205において両脚支持時間が第4所定値未満であると(ステップS205でNO)、行動判定装置は、ステップS206に進む。
<走行行動と判定する例>(ステップS206)
ステップS206では、行動判定装置は、ユーザが走る行動をしていると判定する。
ステップS206では、行動判定装置は、ユーザが走る行動をしていると判定する。
ステップS205及びステップS206等で実現される走行行動の判定方法は、図20及び図21等で詳細を説明する。
<1つのセンサにおけるピーク差が第1所定値未満であるか否かの判定例>(ステップS207)
ステップS207では、行動判定装置は、荷重期において最も大きい圧力値を示す1つのセンサにおいて荷重期前期と後期のピーク差が第1所定値未満であるか否かを判定する。具体的には、行動判定装置は、全センサの最大極大値平均を比較し、最も大きい値を示すセンサを特定する。その1つのセンサにおいて、まず、荷重期前期と後期のピーク点の値の差を計算し、ピーク差を計算する。そして、行動判定装置は、ピーク差があらかじめ設定される第1所定値未満であるか、すなわち、ピーク差が小さい値であるか否かを判断する。
ステップS207では、行動判定装置は、荷重期において最も大きい圧力値を示す1つのセンサにおいて荷重期前期と後期のピーク差が第1所定値未満であるか否かを判定する。具体的には、行動判定装置は、全センサの最大極大値平均を比較し、最も大きい値を示すセンサを特定する。その1つのセンサにおいて、まず、荷重期前期と後期のピーク点の値の差を計算し、ピーク差を計算する。そして、行動判定装置は、ピーク差があらかじめ設定される第1所定値未満であるか、すなわち、ピーク差が小さい値であるか否かを判断する。
なお、第1所定値等の所定値は、個人差等を考慮して、人ごとに異なる値が設定されてもよい。
1つのセンサにおけるピーク差が第1所定値未満であると(ステップS207でYES)、行動判定装置は、ステップS208に進む。一方で、1つのセンサにおけるピーク差が第1所定値未満でないと(ステップS207でNO)、行動判定装置は、ステップS210に進む。
<圧力又は力が前足部乃至中足部に集中するか否かの判定例>(ステップS208)
ステップS208では、行動判定装置は、圧力又は力が足部の前足部乃至中足部に集中しているか否かを判定する。
ステップS208では、行動判定装置は、圧力又は力が足部の前足部乃至中足部に集中しているか否かを判定する。
具体的には、荷重期前期の各センサの最大極大値平均を比較し、最も大きい値を示すセンサ及び二番目に大きい値を示すセンサが足部の前足部又は中足部に設置されたセンサであるか否かを調べ、同様に荷重期後期についても調べ、いずれも正の場合、圧力又は力が前足部乃至中足部に集中していると判定する。その場合(ステップS208でYES)、行動判定装置は、ステップS209に進む。一方で、圧力又は力が前足部乃至中足部に集中していない場合(ステップS208でNO)、行動判定装置は、ステップS210に進む。
<階段の下り行動と判定する例>(ステップS209)
ステップS209では、行動判定装置は、ユーザが階段を下る行動をしていると判定する。
ステップS209では、行動判定装置は、ユーザが階段を下る行動をしていると判定する。
ステップS207、ステップS208及びステップS209等で実現される階段の下り行動の判定方法は、図18で詳細を説明する。
<1荷重期の圧力が荷重期後期に集中しているか否かの判定例>(ステップS210)
ステップS210では、行動判定装置は、1荷重期の圧力が荷重期後期に集中しているか否かを判定する。
ステップS210では、行動判定装置は、1荷重期の圧力が荷重期後期に集中しているか否かを判定する。
具体的には、1荷重期の前期と後期それぞれにおいて、各センサのピーク点(最大極大値平均)のうち最も大きい値(以下「ピーク値」という。)を取得し、後期のピーク値が前期のピーク値より大きいか否かを判定する。
後期のピーク値が前期より大きい場合には(ステップS210でYES)、行動判定装置は、ステップS211に進む。一方で、後期のピーク値が前期より小さい、又は、ピーク値が等しい場合には(ステップS210でNO)、行動判定装置は、ステップS213に進む。
<全センサにおける全ピーク差が第2所定値以上であるか否かの判定例>(ステップS211)
ステップS211では、行動判定装置は、すべてのセンサにおける全ピーク差が第2所定値以上であるか否かを判定する。具体的には、まず、行動判定装置は、1荷重期の前期と後期のピーク点からピーク値の差を計算し、ピーク差(以下「全ピーク差」という。)を取得する。そして、行動判定装置は、全ピーク差があらかじめ設定される第2所定値以上であるか、すなわち、全ピーク差が大きい値であるか否かを判定する。
ステップS211では、行動判定装置は、すべてのセンサにおける全ピーク差が第2所定値以上であるか否かを判定する。具体的には、まず、行動判定装置は、1荷重期の前期と後期のピーク点からピーク値の差を計算し、ピーク差(以下「全ピーク差」という。)を取得する。そして、行動判定装置は、全ピーク差があらかじめ設定される第2所定値以上であるか、すなわち、全ピーク差が大きい値であるか否かを判定する。
全ピーク差が第2所定値以上であると(ステップS211でYES)、行動判定装置は、ステップS212に進む。一方で、全ピーク差が第2所定値以上でないと(ステップS211でNO)、行動判定装置は、ステップS213に進む。
<階段の上り行動と判定する例>(ステップS212)
ステップS212では、行動判定装置は、ユーザが階段を上る行動をしていると判定する。
ステップS212では、行動判定装置は、ユーザが階段を上る行動をしていると判定する。
ステップS210、ステップS211及びステップS212等で実現される階段の上り行動の判定方法は、図19で詳細を説明する。
<全ピーク差が第3所定値未満か否かの判定例>(ステップS213)
ステップS213では、行動判定装置は、前記全ピーク差が第3所定値未満か否かを判定する。具体的には、行動判定装置は、前記全ピーク差を取得する。そして、全ピーク差があらかじめ設定される第3所定値未満であるか、すなわち、全ピーク差が小さい値であるか否かを判定する。全ピーク差が第3所定値未満であると(ステップS213でYES)、行動判定装置は、ステップS214に進む。一方で、全ピーク差が第3所定値未満でないと(ステップS213でNO)、行動判定装置は、ステップS215に進む。
ステップS213では、行動判定装置は、前記全ピーク差が第3所定値未満か否かを判定する。具体的には、行動判定装置は、前記全ピーク差を取得する。そして、全ピーク差があらかじめ設定される第3所定値未満であるか、すなわち、全ピーク差が小さい値であるか否かを判定する。全ピーク差が第3所定値未満であると(ステップS213でYES)、行動判定装置は、ステップS214に進む。一方で、全ピーク差が第3所定値未満でないと(ステップS213でNO)、行動判定装置は、ステップS215に進む。
<歩行行動と判定する例>(ステップS214)
ステップS214では、行動判定装置は、ユーザが歩行する行動をしていると判定する。
ステップS214では、行動判定装置は、ユーザが歩行する行動をしていると判定する。
ステップS213及びステップS214等で実現される歩行行動の判定方法は、図16等で詳細を説明する。
<判定保留とする例>(ステップS215)
ステップS215では、行動判定装置は、特定の行動判定に至らなかった時間帯の行動を判定保留として、行動判定処理を終了する。
ステップS215では、行動判定装置は、特定の行動判定に至らなかった時間帯の行動を判定保留として、行動判定処理を終了する。
以上のような行動判定処理は、例えば、1荷重期ごとに行われる。なお、行動判定処理は、1荷重期ごとに限られず、あらかじめ設定される周期ごと又は間隔ごと等のように、所定間隔で行われてもよい。
<歩行行動の判定例>
図16は、歩行する行動を計測した1荷重期データの例を示す図である。
図16は、歩行する行動を計測した1荷重期データの例を示す図である。
ユーザが歩行行動ACT1中であると、例えば、図示するような1荷重期データが生成される。まず、図示するように、歩行行動ACT1における1荷重期データに基づいて、全センサにおいて、第11ピーク点PKW1及び第12ピーク点PKW2のように、ピーク点が、ステップS201で2点検出される。図示するように、第11ピーク点PKW1のセンサと、第12ピーク点PKW2のセンサは、異なるセンサである。
したがって、歩行行動ACT1であると、1荷重期データは、二峰となる。
このとき、歩行行動ACT1における1荷重期データは、第11ピーク点PKW1及び第12ピーク点PKW2の差である第1全ピーク差DWAが小さい値となる。したがって、歩行行動ACT1であると、第1全ピーク差DWAは、第3所定値未満の値となる。ゆえに、ステップS213では、正(YES)と判定される。
また、歩行行動の判定では、以下のように、圧力値の分布が考慮されることが望ましい。
まず、1荷重期を立脚前期HAW1と、立脚後期HAW2とに2等分すると、立脚前期HAW1では、第11計測結果RW1のような圧力分布が計測され、一方で、立脚後期HAW2では、第13計測結果RW3のような圧力分布が計測される。なお、図示するように、中間時点では、第12計測結果RW2のような圧力分布が計測される。
第11計測結果RW1は、第1分布となる例である。図示するように、第11計測結果RW1は、踵等の後部に圧力が集中する分布となる(以下「第1集中分布CW1」という)。
第13計測結果RW3は、第2分布となる例である。図示するように、第13計測結果RW3は、つま先等の前部に圧力が集中する分布となる(以下「第2集中分布CW2」という)。
図14に示すようなセンサ位置SEPでは、1番目のセンサ等があるため、後部に発生する圧力又は力を計測することができる。したがって、行動判定装置は、立脚前期HAW1において、第1集中分布CW1となっているか否かを判定できる。これは第11ピーク点PKW1が後部に位置するか否かで判定できる。
同様に、図14に示すようなセンサ位置SEPでは、4番目のセンサ等があるため、前部に発生する圧力又は力を計測することができる。したがって、行動判定装置は、立脚後期HAW2において、第2集中分布CW2となっているか否かを判定できる。これは、第12ピーク点PKW2が前部に位置するか否かで判定できる。
このように、歩行行動では、立脚前期HAW1において、第1集中分布CW1が発生し、一方で、立脚後期HAW2において、第2集中分布CW2が発生する。すなわち、歩行行動では、第1分布と、第2分布とが周期的に発生する。
したがって、行動判定装置は、第1分布と、第2分布とが周期的に発生しているか否かを判定し、歩行行動を判定することができる。このような判定を行うと、行動判定装置は、歩行行動ACT1をより精度良く判定できる。
<自転車行動の判定例>
図17は、自転車に乗る行動を計測した1荷重期データの例を示す図である。
図17は、自転車に乗る行動を計測した1荷重期データの例を示す図である。
ユーザが自転車行動ACT3中であると、例えば、図示するような1荷重期データが生成される。まず、図示するように、自転車行動ACT3における1荷重期データに基づいて、荷重期前期と後期それぞれに第2ピーク点PKB1及び第3ピーク点PKB2のように、ピーク点が、ステップS201で2点検出される。このとき第2ピーク点PKB1及び第3ピーク点PKB2の間には際だった極小点は持たない。また、各ピーク点のピーク出現点は、第2ピーク点PKB1は35パーセント以上50パーセント未満、第3ピーク点PKB2は50パーセント以上65パーセント以内に現れる。つまり、荷重期前期のピーク点と荷重期後期のピーク点はともに荷重期の中央付近に集中する。このことから、自転車行動ACT3であると、1荷重期データは、単峰となる。ゆえに、ステップS203では、正(YES)と判定される。
また、自転車行動の判定では、以下のように、圧力値の分布が考慮されるのが望ましい。
まず、図16と同様に、1荷重期を行動前期HAB1と、行動後期HAB2とに2等分すると、行動前期HAB1では、第21計測結果RB1のような圧力分布が計測され、一方で、行動後期HAB2では、第23計測結果RB3のような圧力分布が計測される。なお、図示するように、中間時点では、第22計測結果RB2のような圧力分布が計測される。
第21計測結果RB1、第22計測結果RB2及び第23計測結果RB3が示すように、自転車行動では、圧力又は力は、足部の所定の箇所に集中する場合が多い。図示する例は、第3分布CBのように、圧力又は力が足部の前部乃至中部に集中する例である。なお、圧力又は力が集中する所定の箇所は、人によって異なる。すなわち、圧力又は力が集中する所定の箇所は、第3分布CBのように、前部乃至中部に限られない。
したがって、行動判定装置は、第3分布CBのように、圧力又は力が足部の所定の箇所に集中しているか否かを判定し、自転車行動を判定する。このような判定を更に行うと、行動判定装置は、自転車行動ACT3をより精度良く判定できる。
<階段の下り行動の判定例>
図18は、階段を下る行動を計測した1荷重期データの例を示す図である。
図18は、階段を下る行動を計測した1荷重期データの例を示す図である。
ユーザが階段の下り行動ACT2中であると、例えば、図示するような1荷重期データが生成される。まず、図示するように、階段の下り行動ACT2における1荷重期データに基づいて、第31ピーク点PKD1及び第32ピーク点PKD2のように、ピーク点が、ステップS201で2点検出される。図示するように、第31ピーク点PKD1のセンサと、第32ピーク点PKD2のセンサは、図16に示す場合とは異なり、同一のセンサである。なお、判定で用いられるセンサは、最大圧力値を示すセンサである。
このように、1つのセンサにおいてピーク点が2点検出される場合も、1荷重期データは、二峰となる。
また、階段の下り行動ACT2における1荷重期データは、第31ピーク点PKD1及び第32ピーク点PKD2の差である、1つのセンサにおける第1ピーク差DD1が小さい値となる。したがって、階段の下り行動ACT2であると、第1ピーク差DD1は、第1所定値未満の値となる。ゆえに、ステップS207では、第1ピーク差DD1が、第1所定値未満であると判定される。
また、階段の下り行動の判定では、以下のように、圧力値の分布が考慮される。
まず、図16と同様に、1荷重期を立脚前期HAD1と、立脚後期HAD2とに2等分すると、立脚前期HAD1では、第31計測結果RD1のような圧力分布が計測され、一方で、立脚後期HAD2では、第33計測結果RD3のような圧力分布が計測される。なお、図示するように、中間時点では、第32計測結果RD2のような圧力分布が計測される。
第31計測結果RD1、第32計測結果RD2及び第33計測結果RD3が示すように、階段の下り行動では、圧力又は力は、前部又は中部に集中する場合が多い。このことは、荷重期前期のピーク点を示すセンサが前部又は中部に位置するか否か、同様に荷重期後期のピーク点を示すセンサが前部又は中部に位置するか否かで判定できる。これに、荷重期前期の最大極大値平均が第2位のセンサが前部又は中部に位置するか否か、同様に荷重期後期の最大極大値平均が第2位のセンサが前部又は中部に位置するか否かを判定に追加してもよい。
図示する例は、第4分布CDのように、圧力又は力が前部乃至中部に集中する例である。図示するように、1荷重期データでは、図7に示すセンサ位置において、前部を計測する7番センサCFF、4番センサTOE及び5番センサFMTが示す圧力値が高い。すなわち、この例は、前部に圧力が集中する例である。
したがって、行動判定装置は、第4分布CDのように、圧力又は力が前部又は中部に集中しているか否かを判定し、階段の下り行動を判定する。ゆえに、ステップS208は、正(YES)と判定される。
さらに、行動判定装置は、ピーク点を示すひとつのセンサにおいて、荷重期前期のピーク点と荷重期後期のピーク点の間に極小点LMがあるか否かを考慮するのがより望ましい。図示するように、階段の下り行動では、1つのセンサにおいて、二峰となるため、極小点LMがある場合が多い。なお、極小点LMは、例えば、微分等によって検出できる。したがって、行動判定装置は、極小点LMを検出し、階段の下り行動を判定する。このような判定を更に行うと、行動判定装置は、階段の下り行動ACT2をより精度良く判定できる。
<階段の上り行動の判定例>
図19は、階段を上る行動を計測した1荷重期データの例を示す図である。
図19は、階段を上る行動を計測した1荷重期データの例を示す図である。
ユーザが階段の上り行動ACT4中であると、例えば、図示するような1荷重期データが生成される。まず、図示するように、階段の上り行動ACT4における1荷重期データに基づいて、全センサにおいて、第41ピーク点PKU1及び第42ピーク点PKU2のように、ピーク点が、ステップS201で2点検出される。図示するように、第41ピーク点PKU1のセンサと、第42ピーク点PKU2のセンサは、図18に示す場合とは異なり、異なるセンサである。
したがって、階段の上り行動ACT4であると、1荷重期データは、二峰となる。また、このとき、荷重期後期のピーク値は、荷重期前期のピーク値より必ず大きくなる。図示する例では、第42ピーク点PKU2は第41ピーク点PKU1より大きい。ゆえに、ステップS210は、正(YES)と判定される。
また、階段の上り行動ACT4における1荷重期データは、第41ピーク点PKU1及び第42ピーク点PKU2の差である第2全ピーク差DUAが大きい値となる。図示する例は、図16に示す第1全ピーク差DWAより、第2全ピーク差DUAが、3倍程度大きくなる。なお、歩行行動との違いは、人によって異なる。したがって、階段の上り行動ACT4であると、第2全ピーク差DUAは、第2所定値以上の値となる。ゆえに、ステップS211では、第2全ピーク差DUAが、第2所定値以上であると判定される。
なお、第2全ピーク差DUAを計算するのに用いられるピーク点は、1荷重期の前半に発生するピーク点(以下「前ピーク点」という。)と、1荷重期の後半に発生するピーク点(以下「後ピーク点」という。)との組み合わせである。この例では、前ピーク点が第41ピーク点PKU1となり、かつ、後ピーク点が第42ピーク点PKU2となる。
図示するように、まず、図16と同様に、1荷重期を立脚前期HAU1と、立脚後期HAU2とに2等分する。この例では、1荷重期の前半が立脚前期HAU1となり、1荷重期の後半が立脚後期HAU2となる。したがって、第2全ピーク差DUAは、立脚前期HAU1で検出されるピーク点と、立脚後期HAU2で検出されるピーク点との差で計算される値である。
また、階段を上る行動の判定では、以下のように、圧力値の分布が考慮されるのが望ましい。例えば、立脚前期HAU1では、第41計測結果RU1のような圧力分布が計測され、一方で、立脚後期HAU2では、第43計測結果RU3のような圧力分布が計測される。なお、図示するように、中間時点では、第42計測結果RU2のような圧力分布が計測される。
第41計測結果RU1、第42計測結果RU2及び第43計測結果RU3が示すように、階段の上り行動では、圧力又は力は、前部又は中部に集中する場合が多い。図示する例は、第51分布CU1のように、圧力又は力が前部乃至中部に集中する例である。
さらに、階段の上り行動では、圧力又は力は、後部に発生しない場合が多い。図示する例は、第52分布CU2のように、圧力又は力が後部に発生しない例である。
図示するように、1荷重期データでは、図7に示すセンサ位置において、前部を計測する7番センサCFF、4番センサTOE及び5番センサFMTが示す圧力値が高い。すなわち、この例は、前部に圧力が集中する例である。
一方で、図示するように、1荷重期データでは、図7に示すセンサ位置において、後部を計測する1番センサHELが示す圧力値が低い。すなわち、この例は、後部に圧力が発生しない例である。
したがって、行動判定装置は、第51分布CU1のように、圧力又は力が前部又は中部に集中しているか否かと、第52分布CU2のように、圧力又は力が後部に発生しないか否かを判定し、階段の上り行動を判定する。このような判定を更に行うと、行動判定装置は、階段の上り行動ACT4をより精度良く判定できる。
<走行の行動の判定例>
図20は、走行の行動の判定例を示す図(その1)である。
図20は、走行の行動の判定例を示す図(その1)である。
図21は、走行の行動の判定例を示す図(その2)である。
行動判定において、走行か否かを判定するには、行動判定装置は、各足の立脚時間を用いるのが望ましい。
まず、対照例として、歩行行動では、左足での立脚時間は、例えば、図20に示すような第11立脚時間TWL等となる。一方で、歩行行動では、右足での立脚時間は、例えば、図20に示すような第12立脚時間TWR等となる。
同様に、走行行動では、左足での立脚時間は、例えば、図21に示すような第21立脚時間TRL等となる。一方で、走行行動では、右足での立脚時間は、例えば、図21に示すような第22立脚時間TRR等となる。
第11立脚時間TWL、第12立脚時間TWR、第21立脚時間TRL及び第22立脚時間TRR等の立脚時間は、例えば、図6に示す時間パラメータで算出される値等である。
走行行動では、各足の立脚時間が重複する時間帯が少ない、すなわち、図6に示す「両脚支持時間」が歩行の場合より短い。図21に示す例は、第21立脚時間TRL及び第22立脚時間TRRの間に、空白時間TNがあり、ユーザが両足で立脚している両脚支持時間が「0」となる例である。一方で、図20に示す例には、空白時間TNがない。したがって、走行行動の場合には、ステップS205では、両脚支持時間は、あらかじめ設定される第4所定時間以上ではないと判定される。
また、走行行動の判定には、第21立脚時間TRL及び第22立脚時間TRRは、第11立脚時間TWL及び第12立脚時間TWRより短い時間であることが考慮されることが望ましい。すなわち、走行行動では、各足の立脚時間つまり接地している時間は、歩行の場合より短い場合が多い。したがって、行動判定装置は、あらかじめ歩行行動が判定された後、歩行行動が持つ時間パラメータである立脚時間等と比較し、歩行の場合より、立脚時間が短い場合を走行行動と判定することもできる。このような判定を更に行うと、行動判定装置は、歩行行動ACT1及び走行行動をより精度良く判定できる。
<実験結果>
複数人を計測したところ、以下のような結果が得られた。
複数人を計測したところ、以下のような結果が得られた。
図22は、荷重期前期と後期のピーク差の例を示す図である。
実験の結果、歩行行動、階段の上り行動及び階段の下り行動の各計測データにおいて、前期と、後期とでは、図示すようなピーク差があった。図示するように、階段の上り行動は、ピーク差が「9.1±2.11[N]」となり、他の行動よりピーク差が大きくなった。これは、ステップS213で第1全ピーク差DWAを、ステップS207で第1ピーク差DD1を、またステップS211で第2全ピーク差DUAを、それぞれ判定に用いる相当性を示す。
図23は、各行動における各センサのピーク値の例を示す図である。
図示するように、踵部の圧力値は、歩行行動において、「16.4±1.26[N]」となり、他の箇所より大きくなった。
<まとめ>
以上のように、ピーク点を用いると、行動判定において、ピーク出現点、ピーク差及び全ピーク差等の値が計算できるため、行動判定装置は、ユーザの行動を精度良く判定することができる。ほかにも、上記のような行動判定処理を行うと、行動判定装置は、従来の方法では判定できなかった階段の上り行動及び階段の下り行動等の行動も判定できる。
以上のように、ピーク点を用いると、行動判定において、ピーク出現点、ピーク差及び全ピーク差等の値が計算できるため、行動判定装置は、ユーザの行動を精度良く判定することができる。ほかにも、上記のような行動判定処理を行うと、行動判定装置は、従来の方法では判定できなかった階段の上り行動及び階段の下り行動等の行動も判定できる。
<その他の実施形態>
行動判定処理は、例えば、以下のような処理でもよい。
行動判定処理は、例えば、以下のような処理でもよい。
図24は、行動判定処理の変形例を示すフローチャートである。図15に示す処理と比較すると、ステップS202がステップS220となる点が異なる。以下、図15と同様の処理は、同一の符号を付し、説明を省略する。
<全センサの軌跡がいずれも単峰か否かの判断例>(ステップS220)
ステップS220では、行動判定装置は、全センサの軌跡がいずれも単峰か否かを判断する。そして、全センサの軌跡がいずれも単峰であると判断すると(ステップS220でYES)、行動判定装置は、ステップS203に進む。一方で、全センサの軌跡に単峰でない軌跡があると判断すると(ステップS220でNO)、行動判定装置は、ステップS207に進む。
ステップS220では、行動判定装置は、全センサの軌跡がいずれも単峰か否かを判断する。そして、全センサの軌跡がいずれも単峰であると判断すると(ステップS220でYES)、行動判定装置は、ステップS203に進む。一方で、全センサの軌跡に単峰でない軌跡があると判断すると(ステップS220でNO)、行動判定装置は、ステップS207に進む。
例えば、以上のような処理であっても図15等と同様の結果が得られる。
なお、行動判定の結果と、ライフログデータとを組み合わせて分析が行われてもよい。例えば、運動強度が分析されたり、地理的位置と、行動との関係が分析されたりしてもよい。このような分析を行うと、行動判定装置は、ユーザの生体情報モニタリングがより詳細にできる。
上記説明では、主に圧力を例に説明したが、計測されるのは、力センサを用いて力が計測されてもよい。また、力を計測する面積があらかじめ分かる状態であって、力を計測し、力を面積で除算して算出できる圧力等が用いられてもよい。
行動判定システム100は、図示したシステム構成に限られない。すなわち、行動判定システム100は、図示した以外の情報処理装置を更に有してもよい。一方で、行動判定システム100は、1以上の情報処理装置で実現され、図示した情報処理装置より少ない情報処理装置で実現されてもよい。
なお、各装置は、1台の装置で実現されなくともよい。すなわち、各装置は、複数の装置で構成されてもよい。例えば、行動判定システム100における各装置は、各処理を複数の装置で分散、並列又は冗長して行ってもよい。
なお、本発明に係る各処理の全部又は一部は、アセンブラ等の低水準言語又はオブジェクト指向言語等の高水準言語で記述され、コンピュータに行動判定方法を実行させるためのプログラムによって実現されてもよい。すなわち、プログラムは、情報処理装置又は複数の情報処理装置を有する情報処理システム等のコンピュータに各処理を実行させるためのコンピュータプログラムである。
したがって、プログラムに基づいて行動判定方法が実行されると、コンピュータが有する演算装置及び制御装置は、各処理を実行するため、プログラムに基づいて演算及び制御を行う。また、コンピュータが有する記憶装置は、各処理を実行するため、プログラムに基づいて、処理に用いられるデータを記憶する。
また、プログラムは、コンピュータが読み取り可能な記録媒体に記録されて頒布することができる。なお、記録媒体は、補助記憶装置、磁気テープ、フラッシュメモリ、光ディスク、光磁気ディスク又は磁気ディスク等のメディアである。さらに、プログラムは、電気通信回線を通じて頒布することができる。
以上、本発明の好ましい実施形態について詳述したが、本発明は、上記に説明した実施形態等に限定されるものではない。したがって、特許請求の範囲に記載された本発明の要旨の範囲内において、実施形態は、種々の変形又は変更が可能である。
本国際出願は、2018年2月26日に出願された日本国特許出願2018-032336号に基づく優先権を主張するものであり、その全内容を本国際出願に援用する。
100 行動判定システム
2 計測デバイス
3 情報端末
5 サーバ装置
502 計測データ受信部
503 データ解析部
507 行動判定部
526 計測データ
527 解析処理後データ
528 行動データ
CYC 1荷重期
ACT1 歩行行動
ACT2 階段の下り行動
ACT3 自転車行動
ACT4 階段の上り行動
2 計測デバイス
3 情報端末
5 サーバ装置
502 計測データ受信部
503 データ解析部
507 行動判定部
526 計測データ
527 解析処理後データ
528 行動データ
CYC 1荷重期
ACT1 歩行行動
ACT2 階段の下り行動
ACT3 自転車行動
ACT4 階段の上り行動
Claims (10)
- ユーザの足底面に設置される1以上のセンサが計測する圧力又は力を示す計測データを取得する計測データ受信部と、
前記計測データを解析して、前記ユーザが1歩、1ステップ又は1踏み込みを行う1荷重期を特定し、前記1荷重期ごとに、足底圧パラメータと時間パラメータを算出するデータ解析部と、
前記足底圧パラメータ及び前記時間パラメータに基づいて所定の時間ごとに最大の極大値となるピーク点を検出し、前記ピーク点に基づいて前記ユーザの行動を判定する行動判定部と
を含む行動判定装置。 - 前記足底面における後部と、前部とに少なくとも1つずつ前記センサが設置され、
前記行動判定部は、
すべてのセンサの比較において、前記1荷重期のうち前半に発生する前ピーク点と、前記1荷重期のうち後半に発生する後ピーク点とを持ち、前ピーク点と後ピーク点のピーク値の差である全ピーク差が第3所定値未満であると、前記ユーザが歩行する行動をしていると判定する
請求項1に記載の行動判定装置。 - 前記行動判定部は、
1荷重期において前記ピーク点が検出される数に基づいて、前記ピーク点が1つであり、かつ、前記ピーク点が所定の時間に検出されると、前記ユーザが自転車に乗る行動をしていると判定する
請求項1に記載の行動判定装置。 - 前記足底面における前部と、中部と、後部とに少なくとも1つずつ前記センサが設置され、
前記行動判定部は、
1つの前記センサにおいて、前記1荷重期のうち前半に発生する前ピーク点と、前記1荷重期のうち後半に発生する後ピーク点とを持ち、前ピーク点と後ピーク点のピーク値の差であるピーク差が第1所定値未満であり、かつ、前記前部又は前記中部に、圧力又は力が集中すると、前記ユーザが階段を下る行動をしていると判定する
請求項1に記載の行動判定装置。 - 前記行動判定部は、
前記ピーク点を持つ1つの前記センサにおける極小点を更に検出し、
前記極小点があると、前記ユーザが階段を下る行動をしていると判定する
請求項4に記載の行動判定装置。 - 前記センサが複数設置され、
前記行動判定部は、
すべてのセンサの比較において、前記1荷重期のうち前半に発生する前ピーク点と、前記1荷重期のうち後半に発生する後ピーク点とを持ち、後ピーク点のピーク値が前ピーク点のピーク値より大であり、かつ、前ピーク点と後ピーク点のピーク値の差である全ピーク差が第2所定値以上であると、前記ユーザが階段を上る行動をしていると判定する
請求項1に記載の行動判定装置。 - 前記データ解析部は、前記時間パラメータとして、前記ユーザが各足で立脚している立脚時間を足ごとに算出し、
それぞれの前記立脚時間に基づいて、前記ユーザが両足で立脚している両脚支持時間を算出し、
前記行動判定部は、
前記両脚支持時間が第4所定値未満であると、前記ユーザが走行の行動をしていると判定する
請求項1に記載の行動判定装置。 - 1以上の情報処理装置を有する行動判定システムであって、
ユーザの足底面に設置される1以上のセンサが計測する圧力又は力を示す計測データを取得する計測データ受信部と、
前記計測データを解析して、前記ユーザが1歩、1ステップ又は1踏み込みを行う1荷重期を特定し、前記1荷重期ごとに、足底圧パラメータと時間パラメータを算出するデータ解析部と、
足底圧パラメータと時間パラメータに基づいて所定の時間ごとに最大の極大値となるピーク点を検出し、前記ピーク点に基づいて前記ユーザの行動を判定する行動判定部と
を含む行動判定システム。 - 情報処理装置が行う行動判定方法であって、
情報処理装置が、ユーザの足底面に設置される1以上のセンサが計測する圧力又は力を示す計測データを取得する計測データ受信手順と、
情報処理装置が、前記計測データを解析して、前記ユーザが1歩、1ステップ又は1踏み込みを行う1荷重期を特定し、前記1荷重期ごとに、足底圧パラメータと時間パラメータを算出するデータ解析手順と、
情報処理装置が、足底圧パラメータと時間パラメータに基づいて所定の時間ごとに最大の極大値となるピーク点を検出し、前記ピーク点に基づいて前記ユーザの行動を判定する行動判定手順と
を含む行動判定方法。 - コンピュータに行動判定方法を実行させるためのプログラムであって、
コンピュータが、ユーザの足底面に設置される1以上のセンサが計測する圧力又は力を示す計測データを取得する計測データ受信手順と、
コンピュータが、前記計測データを解析して、前記ユーザが1歩、1ステップ又は1踏み込みを行う1荷重期を特定し、前記1荷重期ごとに、足底圧パラメータと時間パラメータを算出するデータ解析手順と、
コンピュータが、足底圧パラメータと時間パラメータに基づいて所定の時間ごとに最大の極大値となるピーク点を検出し、前記ピーク点に基づいて前記ユーザの行動を判定する行動判定手順と
を実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020501754A JP7304079B2 (ja) | 2018-02-26 | 2019-02-18 | 行動判定装置、行動判定システム、行動判定方法及びプログラム |
US16/999,400 US20200375507A1 (en) | 2018-02-26 | 2020-08-21 | Behavior determination device, behavior determination system, behavior determination method, and computer-readable storage medium |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-032336 | 2018-02-26 | ||
JP2018032336 | 2018-02-26 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
US16/999,400 Continuation US20200375507A1 (en) | 2018-02-26 | 2020-08-21 | Behavior determination device, behavior determination system, behavior determination method, and computer-readable storage medium |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019163714A1 true WO2019163714A1 (ja) | 2019-08-29 |
Family
ID=67687667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2019/005873 WO2019163714A1 (ja) | 2018-02-26 | 2019-02-18 | 行動判定装置、行動判定システム、行動判定方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200375507A1 (ja) |
JP (1) | JP7304079B2 (ja) |
WO (1) | WO2019163714A1 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021106216A1 (ja) * | 2019-11-29 | 2021-06-03 | ||
JP2021119935A (ja) * | 2020-01-31 | 2021-08-19 | 豊田合成株式会社 | 歩行分析方法及び歩行分析装置 |
CN113907745A (zh) * | 2021-10-15 | 2022-01-11 | 成都识康堂医疗科技有限公司 | 一种电阻值转换足底压力值的系统 |
CN114010181A (zh) * | 2021-10-15 | 2022-02-08 | 成都识康堂医疗科技有限公司 | 一种电阻值转换足底压力值方法及系统 |
JP2022046214A (ja) * | 2020-09-10 | 2022-03-23 | 豊田合成株式会社 | 歩行情報取得方法、歩行情報取得装置、及び歩行情報取得システム |
WO2022070417A1 (ja) * | 2020-10-02 | 2022-04-07 | 日本電気株式会社 | 歩行判別装置、歩行判別方法、およびプログラム記録媒体 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113229801B (zh) * | 2021-03-04 | 2022-07-01 | 南京邮电大学 | 一种鞋垫式足底压力测量系统及方法 |
CN113951870A (zh) * | 2021-09-26 | 2022-01-21 | 中国科学院深圳先进技术研究院 | 一种基于大规模高密度压阻薄膜的足迹统计分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009106391A (ja) * | 2007-10-26 | 2009-05-21 | Panasonic Electric Works Co Ltd | 歩容解析システム |
JP2009106545A (ja) * | 2007-10-30 | 2009-05-21 | Univ Of Occupational & Environmental Health Japan | 足底圧計測装置及び行動姿勢判別方法 |
JP2011138530A (ja) * | 2011-01-26 | 2011-07-14 | Olympus Corp | 情報表示システム |
JP2013503660A (ja) * | 2009-09-03 | 2013-02-04 | ヤン,チャンミン | 織物感知装置の足取り分析システム及び方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9188963B2 (en) * | 2009-07-06 | 2015-11-17 | Autonomous Id Canada Inc. | Gait-based authentication system |
JP2019531153A (ja) * | 2016-07-08 | 2019-10-31 | インターリンク エレクトロニクス,インコーポレイテッド | 多モードセンシングアレイ |
-
2019
- 2019-02-18 WO PCT/JP2019/005873 patent/WO2019163714A1/ja active Application Filing
- 2019-02-18 JP JP2020501754A patent/JP7304079B2/ja active Active
-
2020
- 2020-08-21 US US16/999,400 patent/US20200375507A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009106391A (ja) * | 2007-10-26 | 2009-05-21 | Panasonic Electric Works Co Ltd | 歩容解析システム |
JP2009106545A (ja) * | 2007-10-30 | 2009-05-21 | Univ Of Occupational & Environmental Health Japan | 足底圧計測装置及び行動姿勢判別方法 |
JP2013503660A (ja) * | 2009-09-03 | 2013-02-04 | ヤン,チャンミン | 織物感知装置の足取り分析システム及び方法 |
JP2011138530A (ja) * | 2011-01-26 | 2011-07-14 | Olympus Corp | 情報表示システム |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021106216A1 (ja) * | 2019-11-29 | 2021-06-03 | ||
WO2021106216A1 (ja) * | 2019-11-29 | 2021-06-03 | 国立大学法人お茶の水女子大学 | 行動判定装置、行動判定システム、行動判定方法及びプログラム |
JP2021119935A (ja) * | 2020-01-31 | 2021-08-19 | 豊田合成株式会社 | 歩行分析方法及び歩行分析装置 |
JP7188401B2 (ja) | 2020-01-31 | 2022-12-13 | 豊田合成株式会社 | 歩行分析方法及び歩行分析装置 |
JP2022046214A (ja) * | 2020-09-10 | 2022-03-23 | 豊田合成株式会社 | 歩行情報取得方法、歩行情報取得装置、及び歩行情報取得システム |
JP7331810B2 (ja) | 2020-09-10 | 2023-08-23 | 豊田合成株式会社 | 歩行情報取得方法、歩行情報取得装置、及び歩行情報取得システム |
WO2022070417A1 (ja) * | 2020-10-02 | 2022-04-07 | 日本電気株式会社 | 歩行判別装置、歩行判別方法、およびプログラム記録媒体 |
JP7485064B2 (ja) | 2020-10-02 | 2024-05-16 | 日本電気株式会社 | 歩行判別装置、歩行判別システム、歩行判別方法、およびプログラム |
CN113907745A (zh) * | 2021-10-15 | 2022-01-11 | 成都识康堂医疗科技有限公司 | 一种电阻值转换足底压力值的系统 |
CN114010181A (zh) * | 2021-10-15 | 2022-02-08 | 成都识康堂医疗科技有限公司 | 一种电阻值转换足底压力值方法及系统 |
CN114010181B (zh) * | 2021-10-15 | 2024-01-16 | 成都识康堂医疗科技有限公司 | 一种电阻值转换足底压力值方法及系统 |
CN113907745B (zh) * | 2021-10-15 | 2024-01-16 | 成都识康堂医疗科技有限公司 | 一种电阻值转换足底压力值的系统 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019163714A1 (ja) | 2021-02-04 |
JP7304079B2 (ja) | 2023-07-06 |
US20200375507A1 (en) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019163714A1 (ja) | 行動判定装置、行動判定システム、行動判定方法及びプログラム | |
JP6928355B2 (ja) | 歩行・足部評価装置、歩行・足部評価プログラム、歩行・足部評価装置の作動方法、及び歩行・足部評価システム | |
Dannecker et al. | A comparison of energy expenditure estimation of several physical activity monitors | |
CA2552659C (en) | Method and system for determining an activity level in an individual | |
Bates et al. | Functional variability of the lower extremity during the support phase of running. | |
CN102469955B (zh) | 确定用户的跌倒风险的方法和设备 | |
US10820836B2 (en) | Foot strike analyzer system and methods | |
Kowalsky et al. | Human walking in the real world: Interactions between terrain type, gait parameters, and energy expenditure | |
US11207003B2 (en) | Walking state determination device, walking state determination system, walking state determination method, and storage medium | |
Yang et al. | Can stability really predict an impending slip-related fall among older adults? | |
CN102144248A (zh) | 预防跌倒系统 | |
US20220260442A1 (en) | System and method for multi-sensor combination for indirect sport assessment and classification | |
CN112617807A (zh) | 一种预防和解除帕金森病患者冻结步态的装置和方法 | |
JP2015202141A (ja) | 歩容の評価方法 | |
JP2022550301A (ja) | カスタムソールの設計のためのパーソナライズされたソールパラメータ値を計算するための方法及びシステム | |
JPWO2020240752A1 (ja) | 情報処理装置、体重推定装置、体重推定システム、情報処理方法及び記憶媒体 | |
JP2017217033A (ja) | 歩行状態検出装置、および歩行状態検出システム | |
US11564439B2 (en) | System and method for determining foot strike pattern | |
JP6054905B2 (ja) | 経路形状判定装置、運動支援システム及びプログラム | |
CN105815880B (zh) | 一种信息处理方法及电子设备 | |
US20220280074A1 (en) | Behavior determination apparatus, behavior determination system, behavior determination method, and computer-readable storage medium | |
TWI615128B (zh) | 用於鞋類之動態氣壓感測系統 | |
Hellström | Wearable Pedobarography System for Monitoring of Walk Related Parameters | |
CN114271578B (zh) | 一种可检测脚步混乱的智能鞋及检测方法 | |
US20240000378A1 (en) | System and method for quantifying an injury recovery state |
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: 19757851 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2020501754 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 19757851 Country of ref document: EP Kind code of ref document: A1 |