WO2020049621A1 - 歩行状態判別プログラム、歩行状態判別方法および情報処理装置 - Google Patents

歩行状態判別プログラム、歩行状態判別方法および情報処理装置 Download PDF

Info

Publication number
WO2020049621A1
WO2020049621A1 PCT/JP2018/032669 JP2018032669W WO2020049621A1 WO 2020049621 A1 WO2020049621 A1 WO 2020049621A1 JP 2018032669 W JP2018032669 W JP 2018032669W WO 2020049621 A1 WO2020049621 A1 WO 2020049621A1
Authority
WO
WIPO (PCT)
Prior art keywords
walking
correlation
data
sensor
degree
Prior art date
Application number
PCT/JP2018/032669
Other languages
English (en)
French (fr)
Inventor
真路 堀田
祐介 駒場
義典 柳沼
Original Assignee
富士通株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 富士通株式会社 filed Critical 富士通株式会社
Priority to EP18932484.1A priority Critical patent/EP3847961B1/en
Priority to PCT/JP2018/032669 priority patent/WO2020049621A1/ja
Priority to FIEP18932484.1T priority patent/FI3847961T3/fi
Priority to JP2020540888A priority patent/JP6958744B2/ja
Publication of WO2020049621A1 publication Critical patent/WO2020049621A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—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
    • 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
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6829—Foot or ankle
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Definitions

  • the present invention relates to a walking state determination program, a walking state determination method, and an information processing device.
  • the number of elderly people has increased, making it difficult for physicians to examine each elderly person and provide treatment.
  • the doctor can give treatment to the person to be treated.
  • walking characteristics such as walking speed and step length are important indices for grasping a person's health condition. For this reason, a technique for quantifying the walking characteristics of a person from information of a sensor attached to a foot or the like is desired.
  • Non-Patent Document 1 a technique in which, among the inertial data of both feet, a place where a peak detected by a predetermined method frequently occurs is defined as a walking section, and a walking speed, a stride, and the like are extracted using the data of the walking section (for example, Non-Patent Document 1).
  • At least one of the first half swing time, the second half swing time, and the full swing full time is calculated, and the first half swing time, the second half swing time, and the free swing period are calculated.
  • There is one that determines the type of walking motion based on at least one of the leg full time periods for example, see Patent Document 1).
  • There is also a technique for estimating a walking ability of a user from a temporal change of each acceleration detected by an accelerometer attached to a waist of the user and a relationship between a stored estimation index and walking ability For example, see Patent Document 2.
  • the absolute value of each acceleration vector, the average value of these absolute values, the standard deviation, and the periodicity are calculated, and the standard deviation is within a predetermined range, and There is a technique for determining that the user is in a walking state when the gender is greater than a predetermined value (for example, see Patent Document 3).
  • the posture of the subject is identified, and a behavior feature amount for identifying an action that can be taken in the posture is calculated.
  • identifying one action from a plurality of actions that can be taken in a posture that has been taken for example, see Patent Document 4).
  • a combined value is calculated by combining the measured values of the respective axes measured by the acceleration sensor, a change in the combined value that satisfies a predetermined condition is detected, and when calculating the number of steps from the number of detections, a predetermined condition is used.
  • a predetermined condition is used.
  • an object of the present invention is to improve the accuracy of determining whether or not a user is in a walking state.
  • the first measurement data and the second measurement data representing the transition of the measurement values measured for a predetermined period by each of the first sensor and the second sensor attached to each of the right and left feet are provided.
  • the acquired degree of correlation indicating the height of the correlation between the transition of the measurement value represented by the acquired first measurement data and the transition of the measurement value represented by the second measurement data is calculated and calculated.
  • a walking state determination program is provided for determining whether or not the user is walking based on the degree of correlation.
  • FIG. 1 is an explanatory diagram illustrating an example of a walking state determination method according to an embodiment.
  • FIG. 2 is an explanatory diagram illustrating a system configuration example of the information processing system 200.
  • FIG. 3 is an explanatory diagram showing a mounting example of the sensor.
  • FIG. 4 is an explanatory diagram showing the axial direction of the inertial data.
  • FIG. 5 is a block diagram illustrating a hardware configuration example of the information processing apparatus 101.
  • FIG. 6 is an explanatory diagram showing an example of the storage contents of the inertial data DB 220.
  • FIG. 7 is a block diagram illustrating a functional configuration example of the information processing apparatus 101.
  • FIG. 8 is an explanatory diagram illustrating a specific example of provisional walking section information.
  • FIG. 1 is an explanatory diagram illustrating an example of a walking state determination method according to an embodiment.
  • FIG. 2 is an explanatory diagram illustrating a system configuration example of the information processing system 200.
  • FIG. 3 is an ex
  • FIG. 9 is an explanatory diagram illustrating a specific example of measurement data during non-walking.
  • FIG. 10 is an explanatory diagram illustrating an example of determining a walking period.
  • FIG. 11 is an explanatory diagram illustrating an example of setting the window width.
  • FIG. 12 is an explanatory diagram showing a specific example of measurement data at the time of a 90-degree foot bending walk.
  • FIG. 13 is an explanatory diagram illustrating a comparative example of the peak of the gyro data.
  • FIG. 14A is an explanatory diagram (part 1) illustrating a screen example of a monitoring screen.
  • FIG. 14B is an explanatory diagram (part 2) of a screen example of the monitoring screen.
  • FIG. 15 is a flowchart illustrating an example of a walking state determination processing procedure of the information processing apparatus 101.
  • FIG. 16 is a flowchart illustrating an example of a specific processing procedure of the second correlation degree calculation processing.
  • FIG. 17 is an explanatory diagram illustrating an example of the threshold value determination.
  • FIG. 1 is an explanatory diagram illustrating an example of a walking state determination method according to an embodiment.
  • an information processing device 101 is a computer that determines a walking period.
  • the walking period is a period in which the measurement target walked.
  • the measurement target is a target for measuring a value related to movement, and may be, for example, a human or an animal other than a human. More specifically, for example, the measurement target is a patient who undergoes diagnosis, treatment, follow-up, and health management by a doctor.
  • a place where a peak detected by a predetermined method frequently occurs in inertia data of both feet is defined as a walking section, and data of the walking section is used.
  • the inertia data is, for example, information on an angular velocity measured by a sensor attached to each of the right and left feet.
  • movements such as “carry”, “lift”, “place”, and “shake” the sensor may occur before the subject attaches the sensor to the foot.
  • Such a movement has a high degree of freedom, and data of various patterns may be generated. For this reason, for example, a peak may be detected when the sensor is attached to the foot, and there is a risk that the sensor may incorrectly determine a walking section.
  • the subject or a third party gives a trigger to start or end data acquisition, and acquires only data during a period in which the subject walks.
  • the trigger for starting and ending the data acquisition is manually provided, and the trigger may be forgotten. If the trigger is forgotten, the judgment result cannot be guaranteed.
  • the inertia data of the left foot and the inertia data of the right foot tend to be uncorrelated, thereby improving the accuracy of determining whether or not the user is walking.
  • the walking state determination method will be described.
  • an example of the walking state determination processing of the information processing apparatus 101 will be described.
  • first sensor 102 and the second sensor 103 are attached to the left and right feet of the subject P, respectively.
  • the feet are the parts that support the body and are used for walking.
  • the first sensor 102 and the second sensor 103 are mounted around the ankles of each of the right and left feet.
  • the information processing device 101 acquires first measurement data and second measurement data representing transitions of measurement values measured by the first sensor 102 and the second sensor 103 during a predetermined period T, respectively.
  • the predetermined period T is a period for which it is determined whether or not it is a walking period.
  • the predetermined period T may be a period estimated to be a walking period by an existing technique different from the present walking state determination method.
  • the correctness of the walking period estimated by the existing technology can be determined by the present walking state determination method.
  • the first measurement data 111 and the second measurement data 112 are obtained for the predetermined period T1
  • the first measurement data 121 and the second measurement data 122 are obtained for the predetermined period T2. Assume the case.
  • the information processing apparatus 101 calculates the degree of correlation between the acquired first measurement data and the second measurement data.
  • the degree of correlation is a value indicating the degree of correlation between the transition of the measurement value represented by the first measurement data and the transition of the measurement value represented by the second measurement data.
  • the degree of correlation is an absolute value of a correlation coefficient represented by a numerical value in a range of “0 or more and 1 or less”.
  • the information processing apparatus 101 determines whether or not the user is walking based on the calculated degree of correlation.
  • the other leg lower part of the knee
  • the swing is the swing of the foot from when the toe leaves the ground to when the heel reaches the ground by swinging the foot forward.
  • movements other than walking such as “carry”, “lift”, “place”, and “shake” the sensors, are performed not by one sensor but by a plurality of sensors (for example, the first sensor 102 and the second sensor). 103) at the same time.
  • the correlation between the left and right measurement data increases, and it can be regarded as a non-walking section.
  • the information processing apparatus 101 determines that the object is walking.
  • the degree of correlation is equal to or greater than the first threshold, the information processing apparatus 101 determines that the user is not walking.
  • the first threshold value can be set arbitrarily, and is set to, for example, a value of about 0.2.
  • the first threshold is “0.2”.
  • the degree of correlation “0.03” between the first measurement data 111 and the second measurement data 112 is less than the first threshold. For this reason, the information processing apparatus 101 determines that the user is walking.
  • the degree of correlation “0.99” between the first measurement data 121 and the second measurement data 122 is equal to or greater than the first threshold. For this reason, the information processing apparatus 101 determines that it is not walking.
  • the degree of correlation between the transition of the measurement value represented by the first measurement data and the transition of the measurement value represented by the second measurement data is calculated, and the calculated degree of correlation is calculated. , It can be determined whether or not the user is walking. This improves the accuracy of determining whether or not the subject P is in a walking state by utilizing the fact that the measurement data of the left foot and the measurement data of the right foot tend to be uncorrelated during walking. Can be.
  • the information processing system 200 is applied to, for example, a remote monitoring system that monitors the health status of the subject P.
  • FIG. 2 is an explanatory diagram showing a system configuration example of the information processing system 200.
  • the information processing system 200 includes an information processing apparatus 101, an administrator terminal 201, and a target person terminal 202.
  • the information processing apparatus 101, the administrator terminal 201, and the target person terminal 202 are connected via a wired or wireless network 210.
  • the network 210 is, for example, a LAN (Local Area Network), a WAN (Wide Area Network), or the Internet.
  • the information processing apparatus 101 and the target person terminal 202 may be realized as a single apparatus, or may be realized as a stand-alone system in which all the apparatuses are integrated.
  • the information processing apparatus 101 has the inertia data DB (Database) 220 and determines the walking section of the subject P.
  • the walking section is a period of walking, for example, a period of walking with the sensors S1 and S2 attached to the feet.
  • the information processing device 101 is, for example, a server.
  • the contents of the inertia data DB 220 will be described later with reference to FIG.
  • the administrator terminal 201 is a computer used by the administrator.
  • the administrator is, for example, a medical worker such as a doctor or a nurse of a medical institution.
  • the administrator terminal 201 is, for example, a PC (Personal Computer), a tablet PC, a smartphone, or the like.
  • the target person terminal 202 is a computer used by the target person P.
  • the subject P is, for example, a patient who undergoes diagnosis, treatment, and follow-up by a medical worker.
  • the target person terminal 202 has a reading unit 203 and can acquire data from the sensors S1 and S2.
  • the target person terminal 202 is, for example, a PC, a tablet PC, a smartphone, or the like.
  • the sensors S1 and S2 are sensors for measuring values relating to movement, and are attached to the right and left feet of the subject P, respectively.
  • the sensors S1 and S2 are gyro sensors that measure angular velocities in a plurality of directions.
  • the first sensor 102 illustrated in FIG. 1 corresponds to, for example, the sensor S1.
  • the second sensor 103 illustrated in FIG. 1 corresponds to, for example, the sensor S2.
  • the sensors S ⁇ b> 1 and S ⁇ b> 2 are connected to the subject terminal 202 via a USB (Universal Serial Bus) via, for example, the reading unit 203. More specifically, for example, when the subject P attaches the sensors S1 and S2 to the USB port of the reading unit 203, the subject terminal 202 acquires data from the sensors S1 and S2.
  • the reading unit 203 may be provided with a plurality of USB ports.
  • the target person terminal 202 may include a plurality of reading units 203.
  • time is synchronized between the sensors S1 and S2.
  • time synchronization may be realized by recording the absolute times on the sensors S1 and S2.
  • each of the sensors S1 and S2 may have a wireless communication function.
  • each of the sensors S1 and S2 may transmit data to the target person terminal 202 by wireless communication.
  • the sensors S1 and S2 may be, for example, acceleration sensors that measure acceleration.
  • the sensors S1 and S2 can be attached, for example, with a band or a tape.
  • FIG. 3 is an explanatory view showing an example of mounting a sensor.
  • the subject P attaches the sensor S1 around the ankle of the left foot and attaches the sensor S2 around the ankle of the right foot.
  • the sensors S1 and S2 measure respective angular velocities in a plurality of directions, and generate inertial data representing the measured values in each direction and the measurement time in association with each other.
  • the target person terminal 202 acquires the inertia data generated by the sensors S1 and S2.
  • FIG. 4 is an explanatory diagram showing the axial direction of the inertial data.
  • (A) shows a sagittal plane 401, a transverse section 402, and a coronal plane 403.
  • the X-axis gyro data is defined as an angular velocity (rotational speed) in a sagittal direction (front-back direction).
  • the Y-axis gyro data is defined as an angular velocity (rotational speed) in a transverse section direction (lateral direction)
  • the Z-axis gyro data is defined as an angular velocity (rotational velocity) in a coronal plane direction (vertical direction).
  • FIG. 404 shows the forward rotation (arrow 404) in the front-back direction (sagittal plane direction).
  • C shows a forward rotation (arrow 405) in the left-right direction (cross-sectional direction).
  • D shows a forward rotation (arrow 406) in the vertical direction (coronal plane direction).
  • Each of the sensors S1 and S2 measures X-axis gyro data, Y-axis gyro data, and Z-axis gyro data at regular intervals of, for example, about 10 milliseconds.
  • FIG. 5 is a block diagram illustrating a hardware configuration example of the information processing apparatus 101.
  • an information processing apparatus 101 includes a CPU (Central Processing Unit) 501, a memory 502, a disk drive 503, a disk 504, a communication I / F (Interface) 505, a portable recording medium I / F 506, , A portable recording medium 507. Each component is connected by a bus 500.
  • the CPU 501 controls the entire information processing apparatus 101.
  • the CPU 501 may have a plurality of cores.
  • the memory 502 includes, for example, a ROM (Read Only Memory), a RAM (Random Access Memory), a flash ROM, and the like.
  • a flash ROM stores an OS (Operating System) program
  • a ROM stores an application program
  • a RAM is used as a work area of the CPU 501.
  • the program stored in the memory 502 is loaded into the CPU 501 to cause the CPU 501 to execute a coded process.
  • the disk drive 503 controls reading / writing of data from / to the disk 504 under the control of the CPU 501.
  • the disk 504 stores data written under the control of the disk drive 503. Examples of the disk 504 include a magnetic disk and an optical disk.
  • the communication I / F 505 is connected to the network 210 via a communication line, and is connected to external computers (for example, the administrator terminal 201 and the target person terminal 202 shown in FIG. 2) via the network 210.
  • the communication I / F 505 controls an interface between the network 210 and the inside of the apparatus, and controls input / output of data from / to an external computer.
  • a modem, a LAN adapter, or the like can be employed as the communication I / F 505, for example, a modem, a LAN adapter, or the like can be employed.
  • the portable recording medium I / F 506 controls reading / writing of data from / to the portable recording medium 507 under the control of the CPU 501.
  • the portable recording medium 507 stores data written under the control of the portable recording medium I / F 506.
  • Examples of the portable recording medium 507 include a CD (Compact Disc) -ROM, a DVD (Digital Versatile Disc), and a USB (Universal Serial Bus) memory.
  • the information processing apparatus 101 may include, for example, an SSD (Solid State Drive), an input device, a display, and the like, in addition to the above-described components. Further, the information processing apparatus 101 may not include, for example, the disk drive 503, the disk 504, the portable recording medium I / F 506, and the portable recording medium 507 among the components described above. Further, the administrator terminal 201 and the target person terminal 202 shown in FIG. 2 can also be realized by the same hardware configuration as the information processing apparatus 101. However, the administrator terminal 201 and the target person terminal 202 have, for example, an input device and a display in addition to the above-described components.
  • an SSD Solid State Drive
  • the inertia data DB 220 is realized by, for example, a storage device such as the memory 502 and the disk 504 of the information processing apparatus 101 illustrated in FIG.
  • FIG. 6 is an explanatory diagram showing an example of the stored contents of the inertial data DB 220.
  • the inertial data DB 220 has fields of patient ID, time, left foot X-axis gyro, left foot Y-axis gyro, left foot Z-axis gyro, right foot X-axis gyro, right foot Y-axis gyro, and right foot Z-axis gyro.
  • gyro data for example, gyro data 600-1 to 600-7) is stored as a record.
  • the patient ID is an identifier for uniquely identifying the subject P.
  • the time is the measurement time of the angular velocity in each axis direction (unit: millisecond).
  • the left foot X-axis gyro indicates the angular velocity in the front-rear direction measured by the sensor S1 attached to the left foot of the subject P (unit: deg / sec).
  • the left foot Y-axis gyro indicates an angular velocity in the left-right direction measured by the sensor S1 attached to the left foot of the subject P (unit: deg / sec).
  • the left foot Z-axis gyro indicates the vertical angular velocity measured by the sensor S1 attached to the left foot of the subject P (unit: deg / sec).
  • the right foot X-axis gyro indicates the angular velocity in the front-back direction measured by the sensor S2 attached to the right foot of the subject P (unit: deg / sec).
  • the right foot Y-axis gyro indicates the angular velocity in the left-right direction measured by the sensor S2 attached to the right foot of the subject P (unit: deg / sec).
  • the right foot Z-axis gyro indicates the vertical angular velocity measured by the sensor S2 attached to the right foot of the subject P (unit: deg / sec).
  • the left foot X-axis gyro and the right foot X-axis gyro correspond to the X-axis gyro data described in FIG.
  • the left foot Y-axis gyro and the right foot Y-axis gyro correspond to the Y-axis gyro data described in FIG.
  • the left foot Z-axis gyro and the right foot Z-axis gyro correspond to the Z-axis gyro data described in FIG.
  • FIG. 7 is a block diagram illustrating a functional configuration example of the information processing apparatus 101.
  • the information processing apparatus 101 includes an acquisition unit 701, a calculation unit 702, a determination unit 703, and an output unit 704.
  • each functional unit causes the CPU 501 to execute a program stored in a storage device such as the memory 502, the disk 504, and the portable recording medium 507 illustrated in FIG.
  • the function is realized by F505.
  • the processing result of each functional unit is stored in a storage device such as the memory 502 and the disk 504, for example.
  • the acquisition unit 701 acquires the first measurement data and the second measurement data.
  • the first measurement data represents a transition of a measurement value measured by the sensor S1 during a predetermined period T among the sensors S1 and S2 attached to the right and left feet of the subject P.
  • the second measurement data represents a transition of a measurement value measured by the sensor S2 during a predetermined period T.
  • the predetermined period T is a period for which it is determined whether or not it is a walking period, and can be arbitrarily set.
  • the time length of the predetermined period T is set to, for example, a typical time required for a human to walk about 4 to 6 steps. As an example, assuming that the time length is “8 seconds”, the information processing apparatus 101 may set a period of every 8 seconds to a predetermined period T when monitoring the health condition of the subject P. However, the periods may partially overlap.
  • the acquisition unit 701 acquires the gyro data including the time (measurement time) in the predetermined period T from the inertial data DB 220 shown in FIG. Thereby, the first measurement data and the second measurement data representing the transition of the measurement values measured in the predetermined period T by each of the sensors S1 and S2 attached to the left and right feet of the subject P1 are obtained. Can be.
  • the first measurement data represents a transition of measurement values (left foot X-axis gyro, left foot Y-axis gyro, left foot Z-axis gyro) measured during a predetermined period T by the sensor S1 attached to the left foot of the subject P1.
  • the second measurement data represents a transition of measurement values (right foot X-axis gyro, right foot Y-axis gyro, and right foot Z-axis gyro) measured by the sensor S2 attached to the right foot of the subject P1 for a predetermined period T.
  • the predetermined period T is a period estimated to be a walking period by the existing technology, for example, is determined to be a walking section based on data of the sensors S1 and S2 attached to the left and right feet of the subject P, respectively.
  • the period may be set.
  • International Publication No. 2017/199305 can be referred to.
  • the information processing apparatus 101 may set the provisional walking section to the predetermined period T with reference to the provisional walking section information 800 as shown in FIG.
  • the provisional walking section is a time period determined as a walking section by the existing technology.
  • FIG. 8 is an explanatory diagram showing a specific example of provisional walking section information.
  • provisional walking section information 800 includes fields of a period ID, a start time, an end time, and a walking feature. By setting information in each field, a provisional determination result (for example, provisional determination result 800-1) is provided. ) Is stored as a record.
  • the period ID is an identifier for uniquely identifying the provisional walking section.
  • the start time is the start time of the provisional walking section (unit: millisecond).
  • the end time is the end time of the provisional walking section (unit: millisecond).
  • the walking feature is information indicating a walking feature in a provisional walking section.
  • the walking characteristics include, for example, the number of steps in a provisional walking section, the stride length, the walking speed, the time difference between the swing of the left and right feet, and the like.
  • the number of steps is the number of steps the target person P has walked.
  • the walking feature is calculated using an existing technology (for example, refer to WO 2017/199305).
  • the provisional determination result 800-1 indicates the start time “1518071413862”, the end time “1518071421862”, and the walking feature “...” Of the provisional walking section T′1.
  • the information processing apparatus 101 sets the provisional walking section T′1 to the predetermined period T with reference to the provisional determination result 800-1, for example.
  • the acquiring unit 701 acquires the first measurement data and the second measurement data from the inertial data DB 220 by acquiring the gyro data including the time (measurement time) in the predetermined period T “1518071413862 to 1518071421862”. get.
  • the provisional walking section information 800 may be obtained from another computer (for example, from the administrator terminal 201).
  • the provisional walking section information 800 may be generated in the information processing device 101. That is, the information processing apparatus 101 determines whether or not the predetermined period T is a walking section based on the first measurement data and the second measurement data using an existing technology for determining a walking section. Alternatively, the provisional walking section information 800 may be generated.
  • the calculation unit 702 calculates the correlation indicating the degree of correlation between the transition of the measurement value represented by the acquired first measurement data and the transition of the measurement value represented by the second measurement data.
  • the degree C is calculated.
  • the calculation unit 702 can calculate the degree of correlation C between the first measurement data and the second measurement data using the following equation (1).
  • the left foot gyro data at time t is x (t)
  • the right foot gyro data at time t is y (t).
  • the predetermined period T is [t1, t2], that is, a period from time t1 to time t2.
  • the sensors S1 and S2 can measure angular velocities in a plurality of directions, it is possible to arbitrarily set which direction of the sensors S1 and S2 to use in measuring the correlation degree C.
  • the measurement values of the sensors S1 and S2 in the front-back direction (X-axis direction), that is, X-axis gyro data are set.
  • the calculation unit 702 calculates the degree of correlation C by defining the left foot X-axis gyro data at time t as x (t) and the right foot X-axis gyro data at time t as y (t).
  • the determining unit 703 determines whether or not the user is walking based on the calculated degree of correlation C. Specifically, for example, the determination unit 703 determines whether the predetermined period T is a walking period. More specifically, for example, when the correlation degree C is less than the first threshold ⁇ , the determination unit 703 determines that the predetermined period T is a walking period. At this time, the determination unit 703 may determine that the predetermined period T includes a walking period. On the other hand, when the degree of correlation C is equal to or greater than the first threshold ⁇ , the determination unit 703 determines that the predetermined period T is not a walking period.
  • the first threshold ⁇ is set to, for example, a value of about 0.2.
  • the predetermined period T is a walking period.
  • the output unit 704 outputs the result of the determination.
  • the output unit 704 may output the determined result in association with the predetermined period T. Specifically, for example, the output unit 704 may output, for each predetermined period T, a determination result indicating whether the predetermined period T is a walking period. Further, the output unit 704 outputs information capable of determining the period determined to be the walking period in association with each waveform data representing the transition of the measurement value measured by each of the sensors S1 and S2. You may.
  • the output format of the output unit 704 includes, for example, storage in a storage device such as the memory 502 and the disk 504, transmission to another computer by the communication I / F 505, and print output to a printer (not shown). More specifically, for example, the output unit 704 may display a monitoring screen 1400 and a monitoring screen 1410 as shown in FIGS. 14A and 14B described later on the administrator terminal 201.
  • the angular velocity is described as an example of the measurement value measured by each of the sensors S1 and S2, but the present invention is not limited to this.
  • acceleration may be used as the measurement value measured by each of the sensors S1 and S2.
  • the correlation between the measurement data of the sensor S1 and the measurement data of the sensor S2 may be low due to factors such as a change in the way the subject P carries the sensors S1 and S2 in his or her hand. .
  • the user may be erroneously determined to be a walking period even though he is not walking.
  • FIG. 9 is an explanatory diagram showing a specific example of measurement data during non-walking.
  • measurement data 901 indicates a transition of a measurement value measured by the sensor S1 during a predetermined period Tx.
  • the measurement data 902 indicates a transition of a measurement value measured by the sensor S2 during a predetermined period Tx.
  • the horizontal axis indicates the measurement time.
  • the vertical axis indicates a value obtained by normalizing the measured value.
  • the subject P carries the sensors S1 and S2 in his hands, that is, does not walk with the sensors S1 and S2 attached to the left and right legs, respectively. Period.
  • the subject P changes the way of holding the sensors S1 and S2 at a time ta while the sensors S1 and S2 are being carried.
  • the predetermined period Tx is a walking period. Misjudgment. However, even in such a case, a part of the measurement data 901 and 902 has a very high correlation.
  • the information processing apparatus 101 determines that the predetermined period Tx is not a walking period, even if the correlation is low as a whole for the predetermined period Tx. The determination may be made.
  • the acquiring unit 701 acquires, for each section having a predetermined time width included in the predetermined period T, first section data and second section data representing transitions of measurement values measured by the sensors S1 and S2. I do.
  • the predetermined time width can be set arbitrarily, and is set, for example, to about 1 to 2 seconds.
  • a section having a predetermined time width included in the predetermined period T is referred to as “window”, a predetermined time width is referred to as “window width”, and section data is referred to as “window data”. is there.
  • the acquisition unit 701 shifts the window during the predetermined period T, and from each of the first measurement data and the second measurement data, obtains the first window data and the second window data for each window.
  • the first measurement data indicates a transition of a measurement value measured by the sensor S1 during a predetermined period T.
  • the second measurement data indicates a transition of a measurement value measured by the sensor S2 during a predetermined period T.
  • the calculation unit 702 calculates, for each window, a degree of correlation C indicating the level of correlation between the acquired first window data and second window data. Specifically, for example, the calculation unit 702 can calculate the degree of correlation C between the first window data and the second window data using the above equation (1).
  • the calculation unit 702 calculates the degree of correlation C indicating the level of correlation between the first window data and the second window data for each combination of directions in which the sensors S1 and S2 can measure the angular velocity. You may decide to do so.
  • the determining unit 703 determines whether or not the predetermined period T is a walking period based on the calculated degree of correlation C for each window. Specifically, for example, when the maximum correlation C among the calculated correlations C for each window is less than the second threshold ⁇ , the determination unit 703 determines that the predetermined period T is a walking period. judge. On the other hand, when the maximum correlation C is equal to or greater than the second threshold value ⁇ , the determination unit 703 determines that the predetermined period T is not a walking period.
  • the second threshold value ⁇ is set, for example, to a value of about 0.9.
  • the predetermined period T is a walking period, in consideration of the fact that the correlation may be lost between the measurement data due to factors such as changing the way of holding the sensors S1 and S2 during transportation. be able to.
  • FIG. 10 is an explanatory diagram showing an example of determining a walking period.
  • FIG. 10 shows windows w1 to wk within a predetermined period Tx (k: natural number).
  • the acquisition unit 701 acquires the first window data 901-1 to 901-k and the second window data 902-1 to 902-k for each of the windows w1 to wk from the measurement data 901 and 902, respectively. .
  • the calculation unit 702 calculates the degree of correlation C between the first window data 901-1 to 901-k and the second window data 902-1 to 902-k for each of the windows w1 to wk.
  • “0.99” is calculated as the degree of correlation C between the first window data 901-1 and the second window data 902-1 for the window w1.
  • the determination unit 703 determines whether the predetermined period Tx is a walking period based on the calculated degree of correlation C for each of the windows w1 to wk. Specifically, for example, the determination unit 703 specifies the maximum correlation C among the correlations C for the windows w1 to wk. Here, the maximum degree of correlation C is “0.99”.
  • the determination unit 703 determines whether or not the specified maximum correlation degree C is less than the second threshold value ⁇ .
  • FIG. 11 is an explanatory diagram showing an example of setting the window width.
  • window data 1101 and 1103 are measurement data at the time of walking, and represent a transition of a measurement value measured by the sensor S1.
  • the window data 1102 and 1104 are measurement data at the time of walking, and represent a transition of a measurement value measured by the sensor S2.
  • the horizontal axis indicates the measurement time.
  • the vertical axis indicates the measured value.
  • the window width is set to “1.8 seconds”
  • the correlation C between the window data 1101 and 1102 is “ ⁇ 0.05”, and it can be said that the correlation C at the time of walking is correctly obtained.
  • the window width is set to “0.6 seconds”
  • the correlation C between the window data 1103 and 1104 is “0.21”, and it cannot be said that the correlation C at the time of walking is correctly obtained.
  • the walking cycle is not included in the window data, and the correlation between the window data tends to increase.
  • the walking cycle is a period from the start of the swing of the subject P to the start of the next swing.
  • the window width is made too long, the effect of dividing into window data is diminished.
  • the calculation unit 702 may set the window width to a time width including at least one or more walking cycles. Specifically, for example, the calculation unit 702 may calculate the window width for the predetermined period T using the following equation (2).
  • the predetermined period T is a period estimated as a walking section.
  • N is the number of steps in the predetermined period T.
  • D is the time length of the predetermined period T.
  • the predetermined period T, the number of steps N, and the time length D are specified, for example, from the provisional determination result of the provisional walking section information 800 shown in FIG.
  • the calculation unit 702 sets the window width to, for example, 2D / N or more. As a result, it is possible to prevent the walking cycle from being included in the window data, and to correctly obtain the correlation C during walking.
  • the window width may be reset for each predetermined period T, for example, or may be collectively set based on the average number of steps in the predetermined period T or the like.
  • FIG. 12 is an explanatory diagram showing a specific example of measurement data at the time of a 90-degree foot bending walk. As shown in FIG. 12, it is assumed that the left foot L (the affected foot) of the subject P is bent 90 degrees with respect to the right foot R (the unaffected foot). The affected leg is a leg that cannot move. The unaffected foot is a foot that does not have an obstacle in movement.
  • the correlation C tends to increase even during walking.
  • the gyro data 1203 representing the transition of the measured value in the left and right direction is used for the left foot L
  • the gyro data 1204 representing the transition of the measured value in the front / rear direction is used for the right foot R
  • the calculation unit 702 may determine in which direction the measurement values of the sensors S1 and S2 are to be used in obtaining the degree of correlation C for the predetermined period T. For example, in the case of the unaffected side leg, the amount of exercise in the front-back direction is the highest, and in the case of the affected side leg that is bent 90 degrees with respect to the unaffected side leg, the amount of exercise in the left-right direction is the highest.
  • the calculation unit 702 uses, as the first measurement data, the gyro data representing the transition of the measurement value in the direction in which the amplitude or the peak of the measurement value measured by the sensor S1 is large among the multiple directions in which the angular velocity can be measured. May be preferentially used.
  • the calculation unit 702 outputs, as the second measurement data, gyro data representing the transition of the measurement value in the direction in which the amplitude or the peak of the measurement value measured by the sensor S2 is large among a plurality of directions in which the angular velocity can be measured. It may be preferentially used.
  • gyro data in a direction having a large momentum among a plurality of directions (axial directions) in which the sensors S1 and S2 can measure the angular velocity may be used.
  • the calculation unit 702 detects a peak from the gyro data representing the transition of the measurement value in each direction (front-back direction, left-right direction, up-down direction) for the sensor S1.
  • the calculation unit 702 calculates the average value of the detected peaks from the gyro data in each direction.
  • the average value of the peak may be an upper average value of the peak.
  • the upper average value is an average value using some upper values.
  • any existing technology may be used as a method of detecting a peak.
  • the calculation unit 702 specifies the direction in which the average value of the peak is the largest among the plurality of directions as the direction in which the momentum is the largest. In this case, the calculation unit 702 uses the gyro data in the specified direction as the first measurement data. However, the calculation unit 702 may use gyro data in a direction in which the average value of the peak is equal to or greater than a predetermined threshold.
  • the calculation unit 702 detects a peak from the gyro data representing the transition of the measurement value in each direction (front-back direction, left-right direction, up-down direction). Next, the calculation unit 702 calculates the average value of the detected peaks from the gyro data in each direction. Then, for the sensor S2, the calculation unit 702 specifies the direction in which the average value of the peaks is the largest among the multiple directions as the direction in which the amount of exercise is the largest. In this case, the calculation unit 702 uses the gyro data in the specified direction as the second measurement data.
  • FIG. 13 is an explanatory diagram showing a comparative example of the gyro data peak.
  • gyro data 1301 represents a change in the angular velocity in the front-rear direction for the sensor S1.
  • the gyro data 1302 indicates a change in the angular velocity in the left-right direction for the sensor S1.
  • the calculation unit 702 uses, as the first measurement data, the gyro data 1302 in the left-right direction having a large amount of exercise among the directions (front-back direction, left-right direction).
  • the calculation unit 702 may specify the direction in which the area obtained by integrating the gyro data is the largest.
  • the area corresponds to the area of a figure surrounded by a waveform represented by gyro data and a straight line having a measured value of 0.
  • FIGS. 14A and 14B are explanatory diagrams showing screen examples of the monitoring screen.
  • a monitoring screen 1400 is an operation screen that displays information 1403 to 1405 for identifying a period determined to be a walking period in association with sensing data 1401 and 1402 for the subject P1.
  • the sensing data 1401 and 1402 are waveform data representing transitions of measured values measured by the sensors S1 and S2 attached to the left and right feet of the subject P1, respectively.
  • the user for example, a doctor
  • the monitoring screen 1410 displays the walking characteristics during the walking period.
  • the walking characteristics include, for example, the number of steps, the step length, and the like.
  • the walking feature is specified, for example, from the provisional determination result in the provisional walking section information 800.
  • each graph represents the number of the walking section.
  • the notation No. in the graph. No. 1 represents the walking section of the information 1403
  • the notation No. 2 represents a walking section of the information 1404
  • the notation No. 3 represents a walking section of the information 1405.
  • the user for example, a doctor
  • the user can determine the health condition from the walking characteristics of the subject P1. That is, the health condition of the target person P1 can be grasped from a remote location without the target person P1 going to a hospital or a doctor visiting the home of the target person P1.
  • FIG. 15 is a flowchart illustrating an example of a walking state determination processing procedure of the information processing apparatus 101.
  • the information processing apparatus 101 refers to the provisional walking section information 800 as shown in FIG. 8 and selects an unselected provisional walking section (step S1501).
  • the information processing apparatus 101 acquires gyro data in each axis direction of the selected provisional walking section from the inertial data DB 220 (step S1502).
  • the gyro data of the left foot to which the sensor S1 is attached may be referred to as “left foot data”
  • the gyro data of the right foot to which the sensor S2 is attached may be referred to as “right foot data”.
  • the information processing apparatus 101 specifies the axial direction with the largest amount of exercise on the left foot based on the acquired left foot data in each axial direction (step S1503).
  • the information processing apparatus 101 specifies the axial direction with the largest amount of exercise for the right foot based on the acquired right foot data in each axial direction (step S1504).
  • the information processing apparatus 101 calculates the degree of correlation C between the left foot data in the axial direction having the largest amount of exercise specified in step S1503 and the right foot data in the axial direction having the largest amount of exercise specified in step S1504 (step S1503). S1505).
  • the degree of correlation calculated in step S1505 may be referred to as “first degree of correlation C1”.
  • the information processing apparatus 101 determines whether the calculated first correlation degree C1 is less than the first threshold ⁇ (step S1506).
  • the information processing apparatus 101 determines that the selected provisional walking section is a walking period (step S1507). Then, control goes to a step S1511.
  • the information processing apparatus 101 executes a second degree of correlation calculation processing for calculating the second degree of correlation C2 (Ste S1508).
  • the second correlation degree C2 corresponds to the maximum correlation degree C among the above-described correlation degrees C for each window. A specific processing procedure of the second correlation degree calculation processing will be described later with reference to FIG.
  • step S1509 determines whether the calculated second correlation degree C2 is less than a second threshold value ⁇ .
  • step S1509 Yes
  • the information processing apparatus 101 proceeds to step S1507.
  • Step S1509 when the second degree of correlation C2 is equal to or greater than the second threshold value ⁇ (Step S1509: No), the information processing apparatus 101 determines that the selected provisional walking section is a non-walking period (Step S1510). Then, the information processing apparatus 101 refers to the provisional walking section information 800 and determines whether or not there is an unselected provisional walking section (step S1511).
  • step S1511: Yes if there is an unselected provisional walking section (step S1511: Yes), the information processing apparatus 101 returns to step S1501. On the other hand, when there is no unselected provisional walking section (step S1511: No), the information processing apparatus 101 outputs a determination result indicating whether the provisional walking section is a walking period for each selected provisional walking section. Then (step S1512), a series of processing according to this flowchart ends.
  • FIG. 16 is a flowchart illustrating an example of a specific processing procedure of the second correlation degree calculation processing.
  • the information processing apparatus 101 selects an unselected axis direction from a plurality of axis directions for the left foot (step S1601).
  • the information processing apparatus 101 selects an unselected axial direction from the plurality of axial directions for the right foot (step S1602).
  • the information processing apparatus 101 divides the left foot data in the axial direction selected in step S1601 into first window data for each window while shifting the window in the selected provisional walking section (step S1603).
  • the information processing apparatus 101 divides the axial right foot data selected in step S1602 into second window data for each window while shifting the window in the selected provisional walking section (step S1604).
  • the information processing apparatus 101 selects unselected first window data from the divided first window data (step S1605).
  • the information processing apparatus 101 calculates the degree of correlation C between the selected first window data and the second window data corresponding to the first window data (step S1606).
  • step S1607 determines whether there is unselected first window data among the divided first window data. If there is unselected first window data (step S1607: YES), the information processing apparatus 101 returns to step S1605.
  • step S1607 determines whether or not there is an unselected axis direction among the plurality of axis directions for the right foot (step S1607). S1608).
  • step S1608 Yes
  • the information processing apparatus 101 returns to step S1602.
  • step S1608 determines whether there is an unselected axial direction among the plurality of axial directions for the left foot (step S1609). If there is an unselected axis direction (step S1609: YES), the information processing apparatus 101 returns to step S1601.
  • step S1609: No the information processing apparatus 101 specifies the maximum correlation C among the calculated correlations C as the second correlation C2 (step S1610). ), And return to the step that called the second correlation degree calculation process.
  • the non-walking section can be appropriately removed, and the accuracy of determining whether or not the subject P is in a walking state in the provisional walking section can be improved.
  • an axial direction in which the amount of exercise is greatest for each of the left and right feet is specified, and a first correlation degree between the left foot data and the right foot data in the axial direction is determined.
  • C1 can be obtained.
  • the correlation degrees C for all the combinations of the axial directions are obtained in consideration of the possibility that the directions of the sensors S1 and S2 during non-walking are different from each other.
  • the second degree of correlation C2 that is the maximum value can be obtained.
  • the first degree of correlation C1 and the second degree of correlation C2 are calculated based on different ideas, and by performing a determination combining these, the determination accuracy of the walking section can be improved.
  • an example of the threshold determination based on the first correlation C1 and the second correlation C2 will be described with reference to FIG.
  • FIG. 17 is an explanatory diagram showing an example of the threshold value determination.
  • the left side shows a state of threshold determination using only the first correlation C1
  • the right side shows a threshold determination combining the first correlation C1 and the second correlation C2. Is shown.
  • ⁇ is a plot of values in a true walking section.
  • ⁇ is a plot of values in a true non-walking section.
  • a dotted line 1701 represents a first threshold ⁇ for the first degree of correlation C1.
  • a dotted line 1702 indicates a second threshold value ⁇ regarding the second correlation C2.
  • the threshold determination using only the first correlation C1 when the first correlation C1 is less than the first threshold ⁇ , that is, when the first correlation C1 is in an area on the left side of the dotted line 1701, It is determined that it is a walking period. However, in the threshold determination using only the first degree of correlation C1, an erroneous determination may occur.
  • the threshold determination combining the first correlation C1 and the second correlation C2 when the second correlation C1 is smaller than the second threshold ⁇ , that is, when the second correlation C2 is a dotted line 1702 If it is a lower area, it is determined to be a walking period.
  • the threshold determination by performing the threshold determination by combining the first degree of correlation C1 and the second degree of correlation C2, more accurate determination can be performed.
  • the predetermined period T is a walking period.
  • the predetermined period T is not a walking period, and the non-walking section can be appropriately removed.
  • the information processing apparatus 101 for each section (window) of a predetermined time width included in the predetermined period T, the first section data indicating the transition of the measurement value measured by each of the sensors S1 and S2. And the second section data can be obtained. Furthermore, according to the information processing apparatus 101, for each section, the correlation indicating the high correlation between the transition of the measurement value represented by the acquired first section data and the transition of the measurement value represented by the second section data. The degree C can be calculated. Then, according to the information processing apparatus 101, it is possible to determine whether or not the predetermined period T is a walking period based on the calculated degree of correlation C for each section.
  • the information processing apparatus 101 determines that the predetermined period T is a walking period when the maximum correlation C among the correlations C for each section is less than the second threshold ⁇ . On the other hand, when the maximum correlation C is equal to or greater than the second threshold value ⁇ , the information processing apparatus 101 determines that the predetermined period T is not a walking period.
  • the predetermined period T is a walking period in consideration of the fact that the correlation may be lost between the measurement data due to factors such as changing the way of holding the sensors S1 and S2 during transportation. can do. Therefore, for example, even if the correlation is lowered for the entire predetermined period T due to a change in the way of carrying the sensors S1 and S2 during transportation, the non-walking section is correctly removed to prevent erroneous determination. Can be.
  • the information processing apparatus 101 it is possible to acquire the first section data representing the transition of the measurement value measured by the sensor S1 in each of the plurality of directions in which the sensors S1 and S2 can measure the angular velocity. . Further, according to the information processing apparatus 101, it is possible to obtain the second section data representing the transition of the measurement value measured by the sensor S2 in each of the plurality of directions in which the sensors S1 and S2 can measure the angular velocity. . Then, according to the information processing apparatus 101, the correlation C can be calculated for all combinations of the acquired first section data and second section data for each section included in the predetermined period T.
  • the correlation degrees C for all combinations of the axial directions are obtained, and the maximum correlation degree C (the second correlation degree C2 ), It can be determined whether or not it is a walking period. For this reason, for example, since the directions of the sensors S1 and S2 are different from each other, the correlation between the left and right section data is reduced, and the erroneous determination of the walking period is prevented. be able to.
  • a period estimated as a walking period (a provisional walking period) can be set as the predetermined period T. Thereby, it is possible to determine the correctness of the walking period estimated by the existing technique different from the present walking state determination method.
  • the time width of the section (window) can be set to a time width including at least one or more walking cycles. For example, the information processing apparatus 101 sets the time width of the section (window) based on the time length of the predetermined period T estimated as the walking period and the number of steps in the predetermined period T.
  • the measurement in the direction in which the amplitude or peak of the measurement value measured by the sensor S1 is large is used as the first measurement data.
  • Gyro data representing the transition of the value can be used.
  • the measurement is performed in the direction in which the amplitude or peak of the measurement value measured by the sensor S2 is large among the plurality of directions in which the sensors S1 and S2 can measure the angular velocity. Gyro data representing the transition of the value can be used.
  • the degree of correlation C can be obtained by using the gyro data in which the rotational motion during the swing while walking is appropriately displayed, and the degree of correlation C during walking can be correctly obtained.
  • the determination result can be output in association with the predetermined period T. This makes it possible to provide information on the walking section from which the non-walking section has been appropriately removed, and this can be useful when grasping the health state from the walking characteristics of the subject P.
  • the correlation C between the first measurement data and the second measurement data is equal to or larger than the first threshold ⁇
  • the correlation for each section included in the predetermined period T Based on C, it can be determined whether the predetermined period T is a walking period.
  • the two types of correlations C (for example, the first correlation C1 and the second correlation C2) obtained based on different ideas are combined to determine whether or not the predetermined period T is a walking period.
  • the determination can be made, and the determination accuracy can be improved.
  • the information processing apparatus 101 it is possible to improve the accuracy of determining whether or not the user is in a walking state and accurately specify the walking section of the subject P.
  • a doctor or a nurse can specify an accurate walking section and present walking characteristics when grasping the health condition of a patient from a remote location.
  • the walking state determination method described in the present embodiment can be realized by executing a prepared program on a computer such as a personal computer or a workstation.
  • the walking state determination program is recorded on a computer-readable recording medium such as a hard disk, a flexible disk, a CD, a DVD, and a USB memory, and is executed by being read from the recording medium by the computer.
  • the walking state determination program may be distributed via a network such as the Internet.
  • the information processing apparatus 101 described in the present embodiment can also be realized by a special-purpose IC such as a standard cell or a structured ASIC (Application Specific Integrated Circuit) or a PLD (Programmable Logic Device) such as an FPGA.
  • a special-purpose IC such as a standard cell or a structured ASIC (Application Specific Integrated Circuit) or a PLD (Programmable Logic Device) such as an FPGA.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Debugging And Monitoring (AREA)

Abstract

情報処理装置（１０１）は、第１のセンサ（１０２）および第２のセンサ（１０３）のそれぞれで所定期間（Ｔ）に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得する。情報処理装置（１０１）は、取得した第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出する。情報処理装置（１０１）は、算出した相関度に基づいて、歩行であるか否かを判定する。例えば、情報処理装置（１０１）は、算出した相関度が第１の閾値未満の場合に、所定期間（Ｔ）が歩行の期間であると判定する。一方、相関度が第１の閾値以上の場合には、情報処理装置（１０１）は、所定期間（Ｔ）が歩行の期間ではないと判定する。

Description

歩行状態判別プログラム、歩行状態判別方法および情報処理装置
　本発明は、歩行状態判別プログラム、歩行状態判別方法および情報処理装置に関する。
　近年、高齢者の数が多くなり、医師が、高齢者の一人一人を診察して、治療を施すことが難しくなってきている。人の健康状態を把握可能な情報を自動測定し、遠隔地から健康状態を把握できるようにすれば、医師は、治療すべき人に対して治療を施すことができる。例えば、歩行速度や歩幅などの歩行特徴は、人の健康状態を把握するための重要な指標となる。このため、足などに取り付けたセンサの情報から、人の歩行特徴を定量化する技術が望まれている。
　先行技術としては、両足の慣性データのうち、所定方式で検出したピークが頻繁に発生する箇所を歩行区間とし、歩行区間のデータを用いて歩行速度や歩幅などを抽出するものがある（例えば、非特許文献１参照）。
　また、歩行動作に応じて変化する検知信号に基づいて、遊脚前期時間、遊脚後期時間および遊脚通期時間のうちの少なくとも１つを算出し、遊脚前期時間、遊脚後期時間および遊脚通期時間のうちの少なくとも１つに基づいて、歩行動作の種類を判別するものがある（例えば、特許文献１参照）。また、使用者の腰部に装着される加速度計により検出された各加速度の時間変化、および、記憶されている推定指標と歩行能力との関係から、使用者の歩行能力を推定する技術がある（例えば、特許文献２参照）。また、連続して採取された加速度ベクトルデータに関して、各々の加速度ベクトルの絶対値、これらの絶対値の平均値、標準偏差、および周期性を計算し、標準偏差が所定範囲内にあり、かつ周期性が所定値より大きい場合に、歩行状態と判断する技術がある（例えば、特許文献３参照）。また、被験者に装着されるセンサ装置からの加速度データを用いて、被験者の姿勢を識別し、その姿勢の中で取り得る行動を識別する行動特徴量を算出し、行動特徴量に基づき、識別された姿勢の中で取り得る複数の行動から１の行動を識別する技術がある（例えば、特許文献４参照）。また、加速度センサによって計測された各軸の計測値を合成して合成値を算出し、所定の条件を満たす合成値の変動を検出し、その検出回数から歩数を算出するにあたり、所定の条件を満たす合成値の変動を検出した後、所定期間内に発生した所定の条件を満たす合成値の変動を歩数としてカウントしない技術がある（例えば、特許文献５参照）。
特開２０１５－１３６５８２号公報 特開２００７－１２５３６８号公報 特開２０１０－１７２７５８号公報 特開２００９－３９４６６号公報 特開２０１７－５９０８９号公報
　しかしながら、従来技術では、足などに取り付けたセンサの情報から、歩行状態であるか否かを精度よく判別することが難しい。対象者がセンサを足に取り付けるまでに、センサを「運ぶ」、「持ち上げる」、「置く」、「振る」などの動きが生じることがあり、このような動きは自由度が高く、様々なパターンのデータが発生する可能性がある。このため、例えば、センサを足に取り付けるときにピークが検出されて、歩行区間と誤判定するおそれがある。
　一つの側面では、本発明は、歩行状態であるか否かの判別精度を向上させることを目的とする。
　１つの実施態様では、左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得し、取得した前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、算出した前記相関度に基づいて、歩行であるか否かを判定する、歩行状態判別プログラムが提供される。
　本発明の一側面によれば、歩行状態であるか否かの判別精度を向上させることができるという効果を奏する。
図１は、実施の形態にかかる歩行状態判別方法の一実施例を示す説明図である。 図２は、情報処理システム２００のシステム構成例を示す説明図である。 図３は、センサの装着例を示す説明図である。 図４は、慣性データの軸方向を示す説明図である。 図５は、情報処理装置１０１のハードウェア構成例を示すブロック図である。 図６は、慣性データＤＢ２２０の記憶内容の一例を示す説明図である。 図７は、情報処理装置１０１の機能的構成例を示すブロック図である。 図８は、暫定歩行区間情報の具体例を示す説明図である。 図９は、非歩行時の計測データの具体例を示す説明図である。 図１０は、歩行の期間の判定例を示す説明図である。 図１１は、窓幅の設定例を示す説明図である。 図１２は、９０度足曲げ歩行時の計測データの具体例を示す説明図である。 図１３は、ジャイロデータのピークの比較例を示す説明図である。 図１４Ａは、監視画面の画面例を示す説明図（その１）である。 図１４Ｂは、監視画面の画面例を示す説明図（その２）である。 図１５は、情報処理装置１０１の歩行状態判別処理手順の一例を示すフローチャートである。 図１６は、第２の相関度算出処理の具体的処理手順の一例を示すフローチャートである。 図１７は、閾値判定の一例を示す説明図である。
　以下に図面を参照して、本発明にかかる歩行状態判別プログラム、歩行状態判別方法および情報処理装置の実施の形態を詳細に説明する。
（実施の形態）
　図１は、実施の形態にかかる歩行状態判別方法の一実施例を示す説明図である。図１において、情報処理装置１０１は、歩行の期間を判定するコンピュータである。歩行の期間は、計測対象によって歩行が行われた期間である。計測対象は、動きに関する値を計測する対象であり、例えば、人間であってもよいし、人間以外の動物であってもよい。より具体的には、例えば、計測対象は、医師による診断や治療、経過観察、健康管理などを受ける患者である。
　ここで、足などに取り付けたセンサの情報から歩行特徴を抽出する技術として、両足の慣性データのうち、所定方式で検出したピークが頻繁に発生する箇所を歩行区間とし、歩行区間のデータを用いて歩行速度や歩幅などを抽出するものがある。慣性データは、例えば、左右のそれぞれの足に取り付けられるセンサで計測される角速度の情報である。
　しかしながら、疾病や疾病の回復状態によっては、健康のときと比べて、対象者の歩き方が異なることがある。このため、ピークが頻繁に発生する箇所を歩行区間と判定する場合、健康のときと比べてピークの出方が異なると、歩行区間の検出漏れが生じるおそれがある。
　また、対象者がセンサを足に取り付けるまでに、センサを「運ぶ」、「持ち上げる」、「置く」、「振る」などの動きが生じることがある。このような動きは自由度が高く、様々なパターンのデータが発生する可能性がある。このため、例えば、センサを足に取り付けるときにピークが検出されて、歩行区間と誤判定するおそれがある。
　なお、データ取得の開始・終了のトリガーを、対象者または第三者が与えて、対象者が歩行した期間のデータのみを取得することも考えられる。例えば、足に取り付けたセンサからデータをスマートフォンに無線通信で送っておき、スマートフォンのアプリケーションを通じて、センサ装着後にデータ取得開始のトリガーを与え、センサを外す前にデータ取得終了のトリガーを与えることが考えられる。しかし、データ取得の開始・終了のトリガーを人手により与える手間が生じるとともに、トリガーを与え忘れるおそれがある。トリガーを与え忘れると、判定結果を保証できなくなる。
　そこで、本実施の形態では、歩行時においては、左足の慣性データと右足の慣性データとが無相関になる傾向があることを利用して、歩行状態であるか否かの判定精度を向上させる歩行状態判別方法について説明する。以下、情報処理装置１０１の歩行状態判別処理例について説明する。
　ここでは、対象者Ｐの左右のそれぞれの足に第１のセンサ１０２および第２のセンサ１０３が取り付けられる場合を想定する。足は、からだを支えたり歩行に使ったりする部分である。例えば、第１のセンサ１０２および第２のセンサ１０３は、左右のそれぞれの足のくるぶしあたりに取り付けられる。
　（１）情報処理装置１０１は、第１のセンサ１０２および第２のセンサ１０３のそれぞれで所定期間Ｔに計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得する。ここで、所定期間Ｔは、歩行の期間であるか否かを判定する対象の期間である。
　なお、所定期間Ｔは、本歩行状態判別方法とは異なる既存技術により歩行の期間であると推定された期間であってもよい。この場合、本歩行状態判別方法によって、既存技術により推定された歩行の期間の正しさを判定することができる。
　図１の例では、所定期間Ｔ１について、第１の計測データ１１１および第２の計測データ１１２が取得され、所定期間Ｔ２について、第１の計測データ１２１および第２の計測データ１２２が取得された場合を想定する。
　（２）情報処理装置１０１は、取得した第１の計測データと第２の計測データとの間の相関度を算出する。ここで、相関度は、第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関の高さを示す値である。例えば、相関度は、「０以上１以下」の範囲の数値によってあらわされる相関係数の絶対値である。
　図１の例では、第１の計測データ１１１と第２の計測データ１１２との間の相関度として「０．０３」が算出され、第１の計測データ１２１と第２の計測データ１２２との間の相関度として「０．９９」が算出された場合を想定する。
　（３）情報処理装置１０１は、算出した相関度に基づいて、歩行であるか否かを判定する。ここで、歩行時においては、片足がスイングしているときは、もう一方の足（膝下部）は止まっている。スイングとは、つま先が地面を離れてから、足を前に振ってかかとが地面に着くまでの、足の振りである。
　このため、歩行時においては、左足の計測データと右足の計測データとが無相関になる傾向がある。換言すれば、左足の計測データと右足の計測データとに相関がある場合には、歩行以外の動きをしている期間、いわゆる、非歩行の区間であると判断することができる。
　例えば、センサを「運ぶ」、「持ち上げる」、「置く」、「振る」などの歩行以外の動きは、センサ１つずつではなく、複数のセンサ（例えば、第１のセンサ１０２、第２のセンサ１０３）に対して同時に行われることがある。この場合、左右の計測データ間で相関が大きくなり、非歩行の区間とみなすことが可能となる。
　そこで、情報処理装置１０１は、例えば、算出した相関度が第１の閾値未満の場合に、歩行であると判定する。一方、相関度が第１の閾値以上の場合には、情報処理装置１０１は、歩行ではないと判定する。第１の閾値は、任意に設定可能であり、例えば、０．２程度の値に設定される。
　図１の例では、第１の閾値を「０．２」とする。この場合、第１の計測データ１１１と第２の計測データ１１２との間の相関度「０．０３」は、第１の閾値未満である。このため、情報処理装置１０１は、歩行であると判定する。一方、第１の計測データ１２１と第２の計測データ１２２との間の相関度「０．９９」は、第１の閾値以上である。このため、情報処理装置１０１は、歩行ではないと判定する。
　このように、情報処理装置１０１によれば、第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関度を算出し、算出した相関度に基づいて、歩行であるか否かを判定することができる。これにより、歩行時においては、左足の計測データと右足の計測データとが無相関になる傾向があることを利用して、対象者Ｐが歩行状態であるか否かの判別精度を向上させることができる。
（情報処理システム２００のシステム構成例）
　つぎに、図１に示した情報処理装置１０１を含む情報処理システム２００のシステム構成例について説明する。情報処理システム２００は、例えば、対象者Ｐの健康状態を監視する遠隔監視システムに適用される。
　図２は、情報処理システム２００のシステム構成例を示す説明図である。図２において、情報処理システム２００は、情報処理装置１０１と、管理者端末２０１と、対象者端末２０２と、を含む。情報処理システム２００において、情報処理装置１０１、管理者端末２０１および対象者端末２０２は、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、インターネットなどである。なお、他のシステム構成例として、情報処理装置１０１と対象者端末２０２は単一装置として実現されていてもよいし、全ての装置が一体になったスタンドアロンシステムとして実現されていてもよい。
　ここで、情報処理装置１０１は、慣性データＤＢ（Ｄａｔａｂａｓｅ）２２０を有し、対象者Ｐの歩行区間を判定する。歩行区間は、歩行の期間であり、例えば、センサＳ１，Ｓ２を足に取り付けた状態で歩行した期間である。情報処理装置１０１は、例えば、サーバである。なお、慣性データＤＢ２２０の記憶内容については、図６を用いて後述する。
　管理者端末２０１は、管理者が使用するコンピュータである。管理者は、例えば、医療機関の医師、看護師などの医療従事者である。管理者端末２０１は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）、タブレット型ＰＣ、スマートフォンなどである。
　対象者端末２０２は、対象者Ｐが使用するコンピュータである。対象者Ｐは、例えば、医療従事者による診断、治療、経過観察などを受ける患者である。対象者端末２０２は、読取部２０３を有し、センサＳ１，Ｓ２からデータを取得可能である。対象者端末２０２は、例えば、ＰＣ、タブレット型ＰＣ、スマートフォンなどである。
　センサＳ１，Ｓ２は、動きに関する値を計測するセンサであり、対象者Ｐの左右のそれぞれの足に取り付けられる。例えば、センサＳ１，Ｓ２は、複数の方向の角速度を計測するジャイロセンサである。図１に示した第１のセンサ１０２は、例えば、センサＳ１に対応する。また、図１に示した第２のセンサ１０３は、例えば、センサＳ２に対応する。
　各センサＳ１，Ｓ２は、例えば、読取部２０３を介して、対象者端末２０２とＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）接続される。より詳細に説明すると、例えば、対象者Ｐが、読取部２０３のＵＳＢポートに各センサＳ１，Ｓ２を取り付けると、対象者端末２０２が、各センサＳ１，Ｓ２からデータを取得する。なお、読取部２０３には、複数のＵＳＢポートが設けられていてもよい。また、対象者端末２０２は、複数の読取部２０３を有していてもよい。
　センサＳ１，Ｓ２間は、時刻同期されているものとする。例えば、センサＳ１，Ｓ２を対象者端末２０２に接続したときに、センサＳ１，Ｓ２に絶対時刻を記録することで、時刻同期を実現することにしてもよい。なお、各センサＳ１，Ｓ２は、無線通信機能を有していてもよい。この場合、各センサＳ１，Ｓ２は、対象者端末２０２に対して無線通信によりデータを送信することにしてもよい。また、センサＳ１，Ｓ２は、例えば、加速度を計測する加速度センサであってもよい。
　ここで、センサＳ１，Ｓ２の装着例について説明する。センサＳ１，Ｓ２は、例えば、バンドやテープによって取り付け可能である。
　図３は、センサの装着例を示す説明図である。図３に示すように、対象者Ｐは、左足のくるぶしあたりにセンサＳ１を取り付け、右足のくるぶしあたりにセンサＳ２を取り付ける。センサＳ１，Ｓ２は、複数の方向のそれぞれの角速度を計測し、各方向の計測値と計測時刻とを対応付けてあらわす慣性データを生成する。対象者端末２０２は、センサＳ１，Ｓ２が生成した慣性データを取得する。
　ここで、慣性データの軸方向について説明する。
　図４は、慣性データの軸方向を示す説明図である。図４において、（Ａ）には、矢状面４０１、横断面４０２および冠状面４０３が示されている。慣性データの軸方向として、Ｘ軸ジャイロデータを、矢状面方向（前後方向）の角速度（回転速度）と定義する。また、Ｙ軸ジャイロデータを、横断面方向（左右方向）の角速度（回転速度）と定義し、Ｚ軸ジャイロデータを、冠状面方向（上下方向）の角速度（回転速度）と定義する。
　（Ｂ）には、前後方向（矢状面方向）の正方向の回転（矢印４０４）が示されている。（Ｃ）には、左右方向（横断面方向）の正方向の回転（矢印４０５）が示されている。（Ｄ）には、上下方向（冠状面方向）の正方向の回転（矢印４０６）が示されている。各センサＳ１，Ｓ２は、例えば、１０ミリ秒程度の一定時間ごとに、Ｘ軸ジャイロデータ、Ｙ軸ジャイロデータおよびＺ軸ジャイロデータを計測する。
（情報処理装置１０１のハードウェア構成例）
　つぎに、情報処理装置１０１のハードウェア構成例について説明する。
　図５は、情報処理装置１０１のハードウェア構成例を示すブロック図である。図５において、情報処理装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）５０１と、メモリ５０２と、ディスクドライブ５０３と、ディスク５０４と、通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）５０５と、可搬型記録媒体Ｉ／Ｆ５０６と、可搬型記録媒体５０７と、を有する。また、各構成部は、バス５００によってそれぞれ接続される。
　ここで、ＣＰＵ５０１は、情報処理装置１０１の全体の制御を司る。ＣＰＵ５０１は、複数のコアを有していてもよい。メモリ５０２は、例えば、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭがＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）のプログラムを記憶し、ＲＯＭがアプリケーションプログラムを記憶し、ＲＡＭがＣＰＵ５０１のワークエリアとして使用される。メモリ５０２に記憶されるプログラムは、ＣＰＵ５０１にロードされることで、コーディングされている処理をＣＰＵ５０１に実行させる。
　ディスクドライブ５０３は、ＣＰＵ５０１の制御に従ってディスク５０４に対するデータのリード／ライトを制御する。ディスク５０４は、ディスクドライブ５０３の制御で書き込まれたデータを記憶する。ディスク５０４としては、例えば、磁気ディスク、光ディスクなどが挙げられる。
　通信Ｉ／Ｆ５０５は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して外部のコンピュータ（例えば、図２に示した管理者端末２０１、対象者端末２０２）に接続される。そして、通信Ｉ／Ｆ５０５は、ネットワーク２１０と装置内部とのインターフェースを司り、外部のコンピュータからのデータの入出力を制御する。通信Ｉ／Ｆ５０５には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
　可搬型記録媒体Ｉ／Ｆ５０６は、ＣＰＵ５０１の制御に従って可搬型記録媒体５０７に対するデータのリード／ライトを制御する。可搬型記録媒体５０７は、可搬型記録媒体Ｉ／Ｆ５０６の制御で書き込まれたデータを記憶する。可搬型記録媒体５０７としては、例えば、ＣＤ（Ｃｏｍｐａｃｔ　Ｄｉｓｃ）－ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリなどが挙げられる。
　なお、情報処理装置１０１は、上述した構成部のほかに、例えば、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）、入力装置、ディスプレイ等を有することにしてもよい。また、情報処理装置１０１は、上述した構成部のうち、例えば、ディスクドライブ５０３、ディスク５０４、可搬型記録媒体Ｉ／Ｆ５０６、可搬型記録媒体５０７を有していなくてもよい。また、図２に示した管理者端末２０１、対象者端末２０２についても、情報処理装置１０１と同様のハードウェア構成により実現することができる。ただし、管理者端末２０１、対象者端末２０２は、上述した構成部のほかに、例えば、入力装置、ディスプレイを有する。
（慣性データＤＢ２２０の記憶内容）
　つぎに、情報処理装置１０１が有する慣性データＤＢ２２０の記憶内容について説明する。慣性データＤＢ２２０は、例えば、図５に示した情報処理装置１０１のメモリ５０２、ディスク５０４等の記憶装置により実現される。
　図６は、慣性データＤＢ２２０の記憶内容の一例を示す説明図である。図６において、慣性データＤＢ２２０は、患者ＩＤ、時刻、左足Ｘ軸ジャイロ、左足Ｙ軸ジャイロ、左足Ｚ軸ジャイロ、右足Ｘ軸ジャイロ、右足Ｙ軸ジャイロおよび右足Ｚ軸ジャイロのフィールドを有する。各フィールドに情報を設定することで、ジャイロデータ（例えば、ジャイロデータ６００－１～６００－７）がレコードとして記憶される。
　ここで、患者ＩＤは、対象者Ｐを一意に識別する識別子である。時刻は、各軸方向の角速度の計測時刻である（単位：ミリ秒）。左足Ｘ軸ジャイロは、対象者Ｐの左足に取り付けられるセンサＳ１により計測された前後方向の角速度を示す（単位：ｄｅｇ／秒）。左足Ｙ軸ジャイロは、対象者Ｐの左足に取り付けられるセンサＳ１により計測された左右方向の角速度を示す（単位：ｄｅｇ／秒）。左足Ｚ軸ジャイロは、対象者Ｐの左足に取り付けられるセンサＳ１により計測された上下方向の角速度を示す（単位：ｄｅｇ／秒）。
　右足Ｘ軸ジャイロは、対象者Ｐの右足に取り付けられるセンサＳ２により計測された前後方向の角速度を示す（単位：ｄｅｇ／秒）。右足Ｙ軸ジャイロは、対象者Ｐの右足に取り付けられるセンサＳ２により計測された左右方向の角速度を示す（単位：ｄｅｇ／秒）。右足Ｚ軸ジャイロは、対象者Ｐの右足に取り付けられるセンサＳ２により計測された上下方向の角速度を示す（単位：ｄｅｇ／秒）。
　左足Ｘ軸ジャイロおよび右足Ｘ軸ジャイロは、図４で説明したＸ軸ジャイロデータに相当する。左足Ｙ軸ジャイロおよび右足Ｙ軸ジャイロは、図４で説明したＹ軸ジャイロデータに相当する。左足Ｚ軸ジャイロおよび右足Ｚ軸ジャイロは、図４で説明したＺ軸ジャイロデータに相当する。
（情報処理装置１０１の機能的構成例）
　図７は、情報処理装置１０１の機能的構成例を示すブロック図である。図７において、情報処理装置１０１は、取得部７０１と、算出部７０２と、判定部７０３と、出力部７０４と、を含む。具体的には、例えば、各機能部は、図５に示したメモリ５０２、ディスク５０４、可搬型記録媒体５０７などの記憶装置に記憶されたプログラムをＣＰＵ５０１に実行させることにより、または、通信Ｉ／Ｆ５０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ５０２、ディスク５０４などの記憶装置に記憶される。
　取得部７０１は、第１の計測データおよび第２の計測データを取得する。ここで、第１の計測データは、対象者Ｐの左右のそれぞれの足に取り付けられるセンサＳ１，Ｓ２のうち、センサＳ１で所定期間Ｔに計測された計測値の推移をあらわす。また、第２の計測データは、センサＳ２で所定期間Ｔに計測された計測値の推移をあらわす。
　所定期間Ｔは、歩行の期間であるか否かを判定する対象の期間であり、任意に設定可能である。所定期間Ｔの時間長は、例えば、人間が４～６歩程度歩くのに要する典型的な時間に設定される。一例として、時間長を「８秒」とすると、対象者Ｐの健康状態を監視するにあたり、情報処理装置１０１は、８秒ごとの期間を所定期間Ｔに設定してもよい。ただし、期間同士は一部重複していてもよい。
　具体的には、例えば、取得部７０１は、図６に示した慣性データＤＢ２２０から、所定期間Ｔに時刻（計測時刻）が含まれるジャイロデータを取得する。これにより、対象者Ｐ１の左右のそれぞれの足に取り付けられるセンサＳ１，Ｓ２のそれぞれで所定期間Ｔに計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得することができる。
　この場合、第１の計測データは、対象者Ｐ１の左足に取り付けられるセンサＳ１で所定期間Ｔに計測された計測値（左足Ｘ軸ジャイロ、左足Ｙ軸ジャイロ、左足Ｚ軸ジャイロ）の推移をあらわす。第２の計測データは、対象者Ｐ１の右足に取り付けられるセンサＳ２で所定期間Ｔに計測された計測値（右足Ｘ軸ジャイロ、右足Ｙ軸ジャイロおよび右足Ｚ軸ジャイロ）の推移をあらわす。
　また、所定期間Ｔは、既存技術により、歩行の期間であると推定された期間、例えば、対象者Ｐの左右のそれぞれの足に取り付けられるセンサＳ１，Ｓ２のデータをもとに歩行区間と判定された期間であってもよい。なお、歩行区間を判定する既存技術としては、例えば、国際公開第２０１７／１９９３０５号を参照することができる。
　例えば、情報処理装置１０１は、図８に示すような暫定歩行区間情報８００を参照して、暫定歩行区間を所定期間Ｔに設定することにしてもよい。暫定歩行区間は、既存技術により歩行区間と判定された期間である。
　図８は、暫定歩行区間情報の具体例を示す説明図である。図８において、暫定歩行区間情報８００は、期間ＩＤ、開始時刻、終了時刻および歩行特徴のフィールドを有し、各フィールドに情報を設定することで、暫定判定結果（例えば、暫定判定結果８００－１）をレコードとして記憶する。
　期間ＩＤは、暫定歩行区間を一意に識別する識別子である。開始時刻は、暫定歩行区間の開始時刻である（単位：ミリ秒）。終了時刻は、暫定歩行区間の終了時刻である（単位：ミリ秒）。歩行特徴は、暫定歩行区間における歩行特徴を示す情報である。歩行特徴には、例えば、暫定歩行区間におけるステップ数、歩幅、歩行速度、左右の足のスイングの時間差などが含まれる。ステップ数は、対象者Ｐが歩行した歩数である。歩行特徴は、既存技術（例えば、国際公開第２０１７／１９９３０５号参照）を用いて算出される。
　例えば、暫定判定結果８００－１は、暫定歩行区間Ｔ’１の開始時刻「１５１８０７１４１３８６２」、終了時刻「１５１８０７１４２１８６２」および歩行特徴「・・・」を示す。情報処理装置１０１は、例えば、暫定判定結果８００－１を参照して、暫定歩行区間Ｔ’１を所定期間Ｔに設定する。この場合、取得部７０１は、慣性データＤＢ２２０から、所定期間Ｔ「１５１８０７１４１３８６２～１５１８０７１４２１８６２」に時刻（計測時刻）が含まれるジャイロデータを取得することにより、第１の計測データおよび第２の計測データを取得する。
　なお、暫定歩行区間情報８００は、他のコンピュータから（例えば、管理者端末２０１）から取得されることにしてもよい。また、暫定歩行区間情報８００は、情報処理装置１０１において生成されることにしてもよい。すなわち、情報処理装置１０１は、歩行区間を判定する既存技術を利用して、第１の計測データおよび第２の計測データに基づき、所定期間Ｔが歩行区間であるか否かを判定することで、暫定歩行区間情報８００を生成することにしてもよい。
　図７の説明に戻り、算出部７０２は、取得された第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度Ｃを算出する。具体的には、例えば、算出部７０２は、下記式（１）を用いて、第１の計測データと第２の計測データとの間の相関度Ｃを算出することができる。ただし、時刻ｔでの左足ジャイロデータをｘ（ｔ）とし、時刻ｔでの右足ジャイロデータをｙ（ｔ）とする。また、所定期間Ｔを［ｔ１，ｔ２］、すなわち、時刻ｔ１～時刻ｔ２の期間とする。
Figure JPOXMLDOC01-appb-M000001
　なお、センサＳ１，Ｓ２が複数の方向の角速度を計測可能な場合、相関度Ｃを求めるにあたり、各センサＳ１，Ｓ２のどの方向の計測値を用いるかは、任意に設定可能である。例えば、各センサＳ１，Ｓ２の前後方向（Ｘ軸方向）の計測値、すなわち、Ｘ軸ジャイロデータを用いると設定されているとする。この場合、算出部７０２は、時刻ｔでの左足Ｘ軸ジャイロデータをｘ（ｔ）とし、時刻ｔでの右足Ｘ軸ジャイロデータをｙ（ｔ）として、相関度Ｃを算出する。
　判定部７０３は、算出された相関度Ｃに基づいて、歩行であるか否かを判定する。具体的には、例えば、判定部７０３は、所定期間Ｔが歩行の期間であるか否かを判定する。より具体的には、例えば、判定部７０３は、相関度Ｃが第１の閾値α未満の場合に、所定期間Ｔが歩行の期間であると判定する。この際、判定部７０３は、所定期間Ｔに歩行の期間が含まれると判定してもよい。一方、相関度Ｃが第１の閾値α以上の場合には、判定部７０３は、所定期間Ｔが歩行の期間ではないと判定する。第１の閾値αは、例えば、０．２程度の値に設定される。
　これにより、歩行時においては、片足がスイングしているときは、もう一方の足は止まっており、左足の計測データと右足の計測データとが無相関になる傾向があることを利用して、所定期間Ｔが歩行の期間であるか否かを判定することができる。
　出力部７０４は、判定された判定結果を出力する。また、出力部７０４は、判定された判定結果を、所定期間Ｔと対応付けて出力することにしてもよい。具体的には、例えば、出力部７０４は、所定期間Ｔごとに、所定期間Ｔが歩行の期間であるか否かを示す判定結果を出力することにしてもよい。また、出力部７０４は、各センサＳ１，Ｓ２で計測された計測値の推移をあらわす各波形データと対応付けて、歩行の期間であると判定された期間を判別可能な情報を出力することにしてもよい。
　出力部７０４の出力形式としては、例えば、メモリ５０２、ディスク５０４などの記憶装置への記憶、通信Ｉ／Ｆ５０５による他のコンピュータへの送信、不図示のプリンタへの印刷出力などがある。より具体的には、例えば、出力部７０４は、管理者端末２０１に対して、後述の図１４Ａおよび図１４Ｂに示すような監視画面１４００および監視画面１４１０を表示することにしてもよい。
　なお、上述した説明では、各センサＳ１，Ｓ２により計測される計測値として、角速度を例に挙げて説明したが、これに限らない。例えば、各センサＳ１，Ｓ２により計測される計測値として、加速度を用いることにしてもよい。
（歩行の期間の他の判定例）
　ここで、対象者ＰがセンサＳ１，Ｓ２を手に持って運ぶ途中に持ち方を変えるなどの要因により、センサＳ１の計測データとセンサＳ２の計測データとの間で相関が低くなる場合がある。この場合、非歩行であるにもかかわらず、歩行の期間と誤判定されるおそれがある。
　図９は、非歩行時の計測データの具体例を示す説明図である。図９において、計測データ９０１は、センサＳ１で所定期間Ｔｘに計測された計測値の推移をあらわす。計測データ９０２は、センサＳ２で所定期間Ｔｘに計測された計測値の推移をあらわす。ただし、横軸は、計測時刻を示す。縦軸は、計測値を正規化した値を示す。
　ここで、所定期間Ｔｘは、対象者ＰがセンサＳ１，Ｓ２を手に持って運んでいる、すなわち、左右のそれぞれの足にセンサＳ１，Ｓ２を取り付けた状態で歩行していない、非歩行の期間である。ここでは、対象者Ｐが、センサＳ１，Ｓ２を運ぶ途中の時刻ｔａにおいて、センサＳ１，Ｓ２の持ち方を変えた場合を想定する。
　この場合、時刻ｔａより前の期間Ｔｙにおいては、センサＳ１の計測データとセンサＳ２の計測データとの間で相関がある。一方、時刻ｔａより後の期間Ｔｚにおいては、センサＳ１の計測データとセンサＳ２の計測データとの間で相関がない。この結果、所定期間Ｔｘ全体では、センサＳ１の計測データとセンサＳ２の計測データとの間で相関が低いものとなっている。
　この場合に、左足の計測データと右足の計測データとが無相関になる傾向があることを利用して、所定期間Ｔｘが歩行の期間であるか否かを判定すると、歩行の期間であると誤判定してしまう。しかし、このような場合でも、計測データ９０１，９０２の一部では相関が非常に高くなるところがある。
　そこで、情報処理装置１０１は、計測データ９０１，９０２の一部で相関が高くなっていれば、所定期間Ｔｘ全体としては相関が低い場合であっても、所定期間Ｔｘが歩行の期間ではないと判定することにしてもよい。
　以下、情報処理装置１０１の各機能部の処理内容を具体的に説明する。
　まず、取得部７０１は、所定期間Ｔに含まれる所定の時間幅の区間ごとに、センサＳ１，Ｓ２それぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得する。所定の時間幅は、任意に設定可能であり、例えば、１～２秒程度に設定される。
　以下の説明では、所定期間Ｔに含まれる所定の時間幅の区間を「窓」と表記し、所定の時間幅を「窓幅」と表記し、区間データを「窓データ」と表記する場合がある。
　具体的には、例えば、取得部７０１は、所定期間Ｔにおいて窓をずらしながら、第１の計測データおよび第２の計測データのそれぞれから、窓ごとの第１の窓データおよび第２の窓データを取得する。第１の計測データは、センサＳ１で所定期間Ｔに計測された計測値の推移をあらわす。第２の計測データは、センサＳ２で所定期間Ｔに計測された計測値の推移をあらわす。
　つぎに、算出部７０２は、窓ごとに、取得された第１の窓データと第２の窓データとの間の相関の高さを示す相関度Ｃを算出する。具体的には、例えば、算出部７０２は、上記式（１）を用いて、第１の窓データと第２の窓データとの間の相関度Ｃを算出することができる。
　なお、第１の窓データと第２の窓データとの間の相関度Ｃを求めるにあたり、各センサＳ１，Ｓ２のどの方向の計測値を用いるかは、任意に設定可能である。例えば、算出部７０２は、各センサＳ１，Ｓ２が角速度を計測可能な方向の組み合わせごとに、第１の窓データと第２の窓データとの間の相関の高さを示す相関度Ｃを算出することにしてもよい。
　そして、判定部７０３は、算出された窓ごとの相関度Ｃに基づいて、所定期間Ｔが歩行の期間であるか否かを判定する。具体的には、例えば、判定部７０３は、算出された窓ごとの相関度Ｃのうちの最大の相関度Ｃが第２の閾値β未満の場合に、所定期間Ｔが歩行の期間であると判定する。一方、最大の相関度Ｃが第２の閾値β以上の場合には、判定部７０３は、所定期間Ｔが歩行の期間ではないと判定する。第２の閾値βは、例えば、０．９程度の値に設定される。
　これにより、センサＳ１，Ｓ２を運ぶ途中に持ち方を変えるなどの要因により計測データ間で相関がなくなる場合があることを考慮して、所定期間Ｔが歩行の期間であるか否かを判定することができる。
　ここで、図９に示した所定期間Ｔｘを例に挙げて、所定期間Ｔｘが歩行の期間であるか否かの判定例について説明する。
　図１０は、歩行の期間の判定例を示す説明図である。図１０において、所定期間Ｔｘ内の窓ｗ１～ｗｋが示されている（ｋ：自然数）。この場合、取得部７０１は、計測データ９０１，９０２から、窓ｗ１～ｗｋごとの第１の窓データ９０１－１～９０１－ｋおよび第２の窓データ９０２－１～９０２－ｋをそれぞれ取得する。
　算出部７０２は、窓ｗ１～ｗｋごとに、第１の窓データ９０１－１～９０１－ｋと第２の窓データ９０２－１～９０２－ｋとの相関度Ｃをそれぞれ算出する。ここでは、窓ｗ１について、第１の窓データ９０１－１と第２の窓データ９０２－１との相関度Ｃとして、「０．９９」が算出されたとする。
　また、窓ｗ２について、第１の窓データ９０１－２と第２の窓データ９０２－２との相関度Ｃとして、「０．９９」が算出されたとする。また、窓ｗ３について、第１の窓データ９０１－３と第２の窓データ９０２－３との相関度Ｃとして、「０．０４」が算出されたとする。また、窓ｗｋについて、第１の窓データ９０１－ｋと第２の窓データ９０２－ｋとの相関度Ｃとして、「０．０１」が算出されたとする。
　判定部７０３は、算出された窓ｗ１～ｗｋごとの相関度Ｃに基づいて、所定期間Ｔｘが歩行の期間であるか否かを判定する。具体的には、例えば、判定部７０３は、窓ｗ１～ｗｋごとの相関度Ｃのうちの最大の相関度Ｃを特定する。ここでは、最大の相関度Ｃを「０．９９」とする。
　そして、判定部７０３は、特定した最大の相関度Ｃが第２の閾値β未満であるか否かを判断する。ここで、第２の閾値βを「β＝０．９」とする。この場合、最大の相関度Ｃは第２の閾値β以上である。このため、判定部７０３は、所定期間Ｔｘが歩行の期間ではないと判定する。
　これにより、センサＳ１，Ｓ２を運ぶ途中に持ち方を変えたことで所定期間Ｔｘ全体として相関が低くなるような場合であっても、非歩行の期間を正しく除去して誤判定を防ぐことができる。
　ただし、窓データを取得するにあたり、窓幅の設定の仕方を誤ると、歩行時の左右の足の計測データの相関度Ｃを正しく求められない場合がある。
　図１１は、窓幅の設定例を示す説明図である。図１１において、窓データ１１０１，１１０３は、歩行時の計測データであり、センサＳ１で計測された計測値の推移をあらわす。窓データ１１０２，１１０４は、歩行時の計測データであり、センサＳ２で計測された計測値の推移をあらわす。ただし、横軸は、計測時刻を示す。縦軸は、計測値を示す。
　ここで、窓幅を「１．８秒」に設定した場合、窓データ１１０１，１１０２間の相関度Ｃは「－０．０５」となり、歩行時の相関度Ｃが正しく求められているといえる。一方、窓幅を「０．６秒」に設定した場合、窓データ１１０３，１１０４間の相関度Ｃは「０．２１」となり、歩行時の相関度Ｃが正しく求められているとはいえない。
　すなわち、窓幅を短くし過ぎると、窓データ内に歩行周期が含まれなくなり、窓データ間の相関が高くなる傾向がある。歩行周期とは、対象者Ｐが、スイングを開始してから、次のスイングを開始するまでの期間である。一方で、窓幅を長くしすぎると、窓データに分割する効果が薄れてしまう。
　そこで、算出部７０２は、窓幅を、少なくとも１以上の歩行周期を含む時間幅に設定することにしてもよい。具体的には、例えば、算出部７０２は、下記式（２）を用いて、所定期間Ｔについての窓幅を算出することにしてもよい。ただし、所定期間Ｔは、歩行区間と推定された期間である。Ｎは、所定期間Ｔにおけるステップ数である。Ｄは、所定期間Ｔの時間長である。所定期間Ｔ、ステップ数Ｎおよび時間長Ｄは、例えば、図８に示した暫定歩行区間情報８００の暫定判定結果から特定される。
　　窓幅＝２Ｄ／Ｎ　　　・・・（２）
　この場合、算出部７０２は、例えば、２Ｄ／Ｎ以上の窓幅に設定する。これにより、窓データ内に歩行周期が含まれなくなるのを防いで、歩行時の相関度Ｃを正しく求めることが可能となる。なお、窓幅は、例えば、所定期間Ｔごとに設定し直してもよく、所定期間Ｔにおける平均ステップ数などをもとに一括して設定することにしてもよい。
（ジャイロデータの選定）
　ここで、歩行中にスイングしているときの回転運動は、前後方向のジャイロデータに現れる。しかし、片足置換手術や事故などによって、例えば、片足が外に曲がったままスイングする場合、回転運動は、前後方向のジャイロデータではなく、左右方向のジャイロデータに現れる傾向がある。
　図１２は、９０度足曲げ歩行時の計測データの具体例を示す説明図である。図１２に示すように、対象者Ｐの左足Ｌ（患側足）が、右足Ｒ（健側足）に対して９０度曲がっている場合を想定する。なお、患側足は、動きが不自由な足である。健側足は、動きに障害のない足である。
　この場合、両足について、前後方向の計測値の推移をあらわすジャイロデータ１２０１，１２０２を用いると、歩行時であっても相関度Ｃが高くなる傾向がある。一方、左足Ｌについては、左右方向の計測値の推移をあらわすジャイロデータ１２０３を、右足Ｒについては、前後方向の計測値の推移をあらわすジャイロデータ１２０４を用いると、相関度Ｃが低くなる傾向がある。
　そこで、算出部７０２は、所定期間Ｔについての相関度Ｃを求めるにあたり、各センサＳ１，Ｓ２のどの方向の計測値を用いるかを決めることにしてもよい。例えば、健側足の場合、前後方向の運動量が最も高くなり、健側足に対して９０度曲がった患側足の場合、左右方向の運動量が最も高くなる。
　このため、算出部７０２は、第１の計測データとして、角速度を計測可能な複数の方向のうち、センサＳ１により計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわすジャイロデータを優先して用いることにしてもよい。また、算出部７０２は、第２の計測データとして、角速度を計測可能な複数の方向のうち、センサＳ２により計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわすジャイロデータを優先して用いることにしてもよい。
　すなわち、各センサＳ１，Ｓ２が角速度を計測可能な複数の方向（軸方向）のうち、運動量が大きい方向のジャイロデータを用いることにしてもよい。具体的には、例えば、算出部７０２は、センサＳ１について、各方向（前後方向、左右方向、上下方向）の計測値の推移をあらわすジャイロデータからピークをそれぞれ検出する。
　つぎに、算出部７０２は、各方向のジャイロデータからそれぞれ検出したピークの平均値を算出する。ただし、ピークの平均値は、ピークの上位平均値であってもよい。上位平均値は、上位いくつかの値を用いた平均値である。また、ピークを検出する方法としては、既存のいかなる技術を用いることにしてもよい。
　そして、算出部７０２は、センサＳ１について、複数の方向のうちピークの平均値が最大の方向を、運動量が最大の方向として特定する。この場合、算出部７０２は、第１の計測データとして、特定した方向のジャイロデータを用いる。ただし、算出部７０２は、ピークの平均値が予め決められた閾値以上の方向のジャイロデータを用いることにしてもよい。
　同様に、算出部７０２は、センサＳ２について、各方向（前後方向、左右方向、上下方向）の計測値の推移をあらわすジャイロデータからピークをそれぞれ検出する。つぎに、算出部７０２は、各方向のジャイロデータからそれぞれ検出したピークの平均値を算出する。そして、算出部７０２は、センサＳ２について、複数の方向のうちピークの平均値が最大の方向を、運動量が最大の方向として特定する。この場合、算出部７０２は、第２の計測データとして、特定した方向のジャイロデータを用いる。
　図１３は、ジャイロデータのピークの比較例を示す説明図である。図１３において、ジャイロデータ１３０１は、センサＳ１について、前後方向の角速度の推移をあらわす。ジャイロデータ１３０２は、センサＳ１について、左右方向の角速度の推移をあらわす。
　ここで、ジャイロデータ１３０１とジャイロデータ１３０２とでピークの平均値を比較すると、ジャイロデータ１３０２のほうが大きい。この場合、算出部７０２は、各方向（前後方向、左右方向）のうち運動量が大きい左右方向のジャイロデータ１３０２を、第１の計測データとして用いる。
　なお、運動量が最大の方向を特定するにあたり、例えば、算出部７０２は、ジャイロデータを積分して得られる面積が最大の方向を特定することにしてもよい。面積は、ジャイロデータがあらわす波形と計測値が０の直線とで囲まれる図形の面積に相当する。
（監視画面の画面例）
　つぎに、図１４Ａおよび図１４Ｂを用いて、管理者端末２０１に表示される監視画面の画面例について説明する。
　図１４Ａおよび図１４Ｂは、監視画面の画面例を示す説明図である。図１４Ａにおいて、監視画面１４００は、対象者Ｐ１について、センシングデータ１４０１，１４０２と対応付けて、歩行の期間であると判定された期間を特定する情報１４０３～１４０５を表示する操作画面である。
　センシングデータ１４０１，１４０２は、対象者Ｐ１の左右のそれぞれの足に取り付けられるセンサＳ１，Ｓ２それぞれで計測された計測値の推移をあらわす波形データである。監視画面１４００によれば、ユーザ（例えば、医師）は、対象者Ｐ１の歩行期間を特定することができる。
　また、図１４Ｂにおいて、監視画面１４１０は、歩行期間の歩行特徴を表示する。歩行特徴は、例えば、歩数、歩幅などを含む。歩行特徴は、例えば、暫定歩行区間情報８００内の暫定判定結果から特定される。
　ここでは、グラフ１４１１に各歩行区間における歩数が表示され、また、グラフ１４１２に各歩行区間における歩幅が表示されている。各グラフにおける横軸は、歩行区間の番号を表す。例えば、グラフ中の表記Ｎｏ．１は情報１４０３の歩行区間を表し、表記Ｎｏ．２は情報１４０４の歩行区間を表し、表記Ｎｏ．３は情報１４０５の歩行区間を表す。
　監視画面１４１０によれば、ユーザ（例えば、医師）は、対象者Ｐ１の歩行特徴から健康状態を判断することができる。すなわち、対象者Ｐ１が病院に通院したり、医師が対象者Ｐ１の自宅に訪問したりすることなく、遠隔地から対象者Ｐ１の健康状態を把握することができる。
（情報処理装置１０１の歩行状態判別処理手順）
　つぎに、情報処理装置１０１の歩行状態判別処理手順について説明する。ここでは、所定期間Ｔを、歩行の期間と推定された暫定歩行区間とする場合を例に挙げて説明する。
　図１５は、情報処理装置１０１の歩行状態判別処理手順の一例を示すフローチャートである。図１５のフローチャートにおいて、まず、情報処理装置１０１は、図８に示したような暫定歩行区間情報８００を参照して、未選択の暫定歩行区間を選択する（ステップＳ１５０１）。
　つぎに、情報処理装置１０１は、慣性データＤＢ２２０から、選択した暫定歩行区間の各軸方向のジャイロデータを取得する（ステップＳ１５０２）。以下の説明では、センサＳ１が取り付けられる左足のジャイロデータを「左足データ」と表記し、センサＳ２が取り付けられる右足のジャイロデータを「右足データ」と表記する場合がある。
　つぎに、情報処理装置１０１は、左足について、取得した各軸方向の左足データに基づいて、運動量が最大の軸方向を特定する（ステップＳ１５０３）。つぎに、情報処理装置１０１は、右足について、取得した各軸方向の右足データに基づいて、運動量が最大の軸方向を特定する（ステップＳ１５０４）。
　そして、情報処理装置１０１は、ステップＳ１５０３において特定した運動量が最大の軸方向の左足データと、ステップＳ１５０４において特定した運動量が最大の軸方向の右足データとの間の相関度Ｃを算出する（ステップＳ１５０５）。以下の説明では、ステップＳ１５０５において算出された相関度を「第１の相関度Ｃ１」と表記する場合がある。
　つぎに、情報処理装置１０１は、算出した第１の相関度Ｃ１が第１の閾値α未満であるか否かを判断する（ステップＳ１５０６）。ここで、第１の相関度Ｃ１が第１の閾値α未満の場合（ステップＳ１５０６：Ｙｅｓ）、情報処理装置１０１は、選択した暫定歩行区間が歩行の期間であると判定して（ステップＳ１５０７）、ステップＳ１５１１に移行する。
　一方、第１の相関度Ｃ１が第１の閾値α以上の場合（ステップＳ１５０６：Ｎｏ）、情報処理装置１０１は、第２の相関度Ｃ２を算出する第２の相関度算出処理を実行する（ステップＳ１５０８）。第２の相関度Ｃ２は、上述した窓ごとの相関度Ｃのうちの最大の相関度Ｃに相当する。第２の相関度算出処理の具体的な処理手順については、図１６を用いて後述する。
　つぎに、情報処理装置１０１は、算出した第２の相関度Ｃ２が第２の閾値β未満であるか否かを判断する（ステップＳ１５０９）。ここで、第２の相関度Ｃ２が第２の閾値β未満の場合（ステップＳ１５０９：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１５０７に移行する。
　一方、第２の相関度Ｃ２が第２の閾値β以上の場合（ステップＳ１５０９：Ｎｏ）、情報処理装置１０１は、選択した暫定歩行区間が非歩行の期間であると判定する（ステップＳ１５１０）。そして、情報処理装置１０１は、暫定歩行区間情報８００を参照して、未選択の暫定歩行区間があるか否かを判断する（ステップＳ１５１１）。
　ここで、未選択の暫定歩行区間がある場合（ステップＳ１５１１：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１５０１に戻る。一方、未選択の暫定歩行区間がない場合（ステップＳ１５１１：Ｎｏ）、情報処理装置１０１は、選択した暫定歩行区間ごとに、暫定歩行区間が歩行の期間であるか否かを示す判定結果を出力して（ステップＳ１５１２）、本フローチャートによる一連の処理を終了する。
　つぎに、図１５のステップＳ１５０８に示した第２の相関度算出処理の具体的な処理手順について説明する。
　図１６は、第２の相関度算出処理の具体的処理手順の一例を示すフローチャートである。図１６のフローチャートにおいて、まず、情報処理装置１０１は、左足について、複数の軸方向から未選択の軸方向を選択する（ステップＳ１６０１）。つぎに、情報処理装置１０１は、右足について、複数の軸方向から未選択の軸方向を選択する（ステップＳ１６０２）。
　そして、情報処理装置１０１は、選択した暫定歩行区間において窓をずらしながら、ステップＳ１６０１において選択した軸方向の左足データを、窓ごとの第１の窓データに分割する（ステップＳ１６０３）。つぎに、情報処理装置１０１は、選択した暫定歩行区間において窓をずらしながら、ステップＳ１６０２において選択した軸方向の右足データを、窓ごとの第２の窓データに分割する（ステップＳ１６０４）。
　そして、情報処理装置１０１は、分割した第１の窓データのうち、未選択の第１の窓データを選択する（ステップＳ１６０５）。つぎに、情報処理装置１０１は、選択した第１の窓データと、当該第１の窓データに対応する第２の窓データとの間の相関度Ｃを算出する（ステップＳ１６０６）。
　そして、情報処理装置１０１は、分割した第１の窓データのうち、未選択の第１の窓データがあるか否かを判断する（ステップＳ１６０７）。ここで、未選択の第１の窓データがある場合（ステップＳ１６０７：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１６０５に戻る。
　一方、未選択の第１の窓データがない場合（ステップＳ１６０７：Ｎｏ）、情報処理装置１０１は、右足について、複数の軸方向のうち未選択の軸方向があるか否かを判断する（ステップＳ１６０８）。ここで、未選択の軸方向がある場合（ステップＳ１６０８：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１６０２に戻る。
　一方、未選択の軸方向がない場合（ステップＳ１６０８：Ｎｏ）、情報処理装置１０１は、左足について、複数の軸方向のうち未選択の軸方向があるか否かを判断する（ステップＳ１６０９）。ここで、未選択の軸方向がある場合（ステップＳ１６０９：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１６０１に戻る。
　一方、未選択の軸方向がない場合（ステップＳ１６０９：Ｎｏ）、情報処理装置１０１は、算出した相関度Ｃのうちの最大の相関度Ｃを第２の相関度Ｃ２として特定して（ステップＳ１６１０）、第２の相関度算出処理を呼び出したステップに戻る。
　これにより、非歩行区間を適切に除去して、暫定歩行区間において対象者Ｐが歩行状態であるか否かの判別精度を向上させることができる。例えば、歩行時に足が曲がっている可能性を想定して、左右のそれぞれの足について運動量が最大の軸方向を特定し、その軸方向の左足データと右足データとの間の第１の相関度Ｃ１を得ることができる。また、ステップＳ１５０８の第２の相関度算出処理では、非歩行時のセンサＳ１，Ｓ２の向きが互いに異なる可能性を考慮して、全ての軸方向の組み合わせについての相関度Ｃを求めて、その最大値である第２の相関度Ｃ２を得ることができる。
　第１の相関度Ｃ１および第２の相関度Ｃ２は、異なる考えに基づいて算出されたものであり、これらを組み合わせた判定を行うことで、歩行区間の判定精度を高めることができる。ここで、図１７を用いて、第１の相関度Ｃ１および第２の相関度Ｃ２による閾値判定の一例について説明する。
　図１７は、閾値判定の一例を示す説明図である。図１７において、左側には、第１の相関度Ｃ１のみを用いた閾値判定の様子が示されており、右側には、第１の相関度Ｃ１および第２の相関度Ｃ２を組み合わせた閾値判定の様子が示されている。
　ただし、●は、真の歩行区間における値をプロットしたものである。○は、真の非歩行区間における値をプロットしたものである。点線１７０１は、第１の相関度Ｃ１に関する第１の閾値αをあらわしたものである。点線１７０２は、第２の相関度Ｃ２に関する第２の閾値βをあらわしたものである。
　第１の相関度Ｃ１のみを用いた閾値判定では、第１の相関度Ｃ１が第１の閾値α未満の場合、すなわち、第１の相関度Ｃ１が点線１７０１より左側の領域となる場合に、歩行の期間と判定される。しかし、第１の相関度Ｃ１のみを用いた閾値判定では、誤判定が起こることがある。
　一方で、第１の相関度Ｃ１および第２の相関度Ｃ２を組み合わせた閾値判定では、第２の相関度Ｃ１が第２の閾値β未満の場合、すなわち、第２の相関度Ｃ２が点線１７０２より下側の領域となる場合に、歩行の期間と判定される。このように、第１の相関度Ｃ１および第２の相関度Ｃ２を組み合わせて閾値判定を行うことで、より正確な判定を行うことが可能となる。
　以上説明したように、実施の形態にかかる情報処理装置１０１によれば、左右のそれぞれの足に取り付けられるセンサＳ１およびセンサＳ２のそれぞれで所定期間Ｔに計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得することができる。また、情報処理装置１０１によれば、取得した第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度Ｃを算出し、算出した相関度Ｃに基づいて、歩行であるか否かを判定することができる。例えば、情報処理装置１０１は、相関度Ｃが第１の閾値α未満の場合に、所定期間Ｔが歩行の期間であると判定する。一方、相関度Ｃが第１の閾値α以上の場合には、情報処理装置１０１は、所定期間Ｔが歩行の期間ではないと判定する。
　これにより、歩行時においては、左足の計測データと右足の計測データとが無相関になる傾向があることを利用して、対象者Ｐの歩行状態であるか否かの判別精度を向上させることができる。例えば、左足の計測データと右足の計測データとの間に相関がないときは、所定期間Ｔが歩行の期間であると判定することができる。また、例えば、左足の計測データと右足の計測データとの間に相関があるときは、所定期間Ｔが歩行の期間ではないと判定して、非歩行区間を適切に除去することができる。
　また、情報処理装置１０１によれば、所定期間Ｔに含まれる所定の時間幅の区間（窓）ごとに、センサＳ１およびセンサＳ２のそれぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得することができる。さらに、情報処理装置１０１によれば、区間ごとに、取得した第１の区間データがあらわす計測値の推移と第２の区間データがあらわす計測値の推移との間の相関の高さを示す相関度Ｃを算出することができる。そして、情報処理装置１０１によれば、算出した区間ごとの相関度Ｃに基づいて、所定期間Ｔが歩行の期間であるか否かを判定することができる。例えば、情報処理装置１０１は、区間ごとの相関度Ｃのうちの最大の相関度Ｃが第２の閾値β未満の場合に、所定期間Ｔが歩行の期間であると判定する。一方、最大の相関度Ｃが第２の閾値β以上の場合には、情報処理装置１０１は、所定期間Ｔが歩行の期間ではないと判定する。
　これにより、センサＳ１，Ｓ２を運ぶ途中に持ち方を変えるなどの要因により、計測データ間で相関がなくなる場合があることを考慮して、所定期間Ｔが歩行の期間であるか否かを判定することができる。このため、例えば、センサＳ１，Ｓ２を運ぶ途中に持ち方を変えたことで所定期間Ｔ全体として相関が低くなるような場合であっても、非歩行区間を正しく除去して誤判定を防ぐことができる。
　また、情報処理装置１０１によれば、センサＳ１，Ｓ２が角速度を計測可能な複数の方向のそれぞれについて、センサＳ１により計測された計測値の推移をあらわす第１の区間データを取得することができる。また、情報処理装置１０１によれば、センサＳ１，Ｓ２が角速度を計測可能な複数の方向のそれぞれについて、センサＳ２により計測された計測値の推移をあらわす第２の区間データを取得することができる。そして、情報処理装置１０１によれば、所定期間Ｔに含まれる区間ごとに、取得した第１の区間データと第２の区間データとの全ての組み合わせについて相関度Ｃを算出することができる。
　これにより、非歩行時のセンサＳ１，Ｓ２の向きが互いに異なる可能性を考慮して、全ての軸方向の組み合わせについての相関度Ｃを求めて、最大の相関度Ｃ（第２の相関度Ｃ２）から歩行の期間であるか否かを判定することができる。このため、例えば、非歩行であるにもかかわらず、センサＳ１，Ｓ２の向きが互いに異なるために、左右の区間データの相関が低くなって、歩行の期間であると誤判定されるのを防ぐことができる。
　また、情報処理装置１０１によれば、所定期間Ｔとして、歩行の期間と推定された期間（暫定歩行期間）を設定することができる。これにより、本歩行状態判別方法とは異なる既存技術により推定された歩行の期間の正しさを判定することができる。
　また、情報処理装置１０１によれば、区間（窓）の時間幅を、少なくとも１以上の歩行周期を含む時間幅に設定することができる。例えば、情報処理装置１０１は、歩行の期間と推定された所定期間Ｔの時間長と、所定期間Ｔにおけるステップ数とに基づいて、区間（窓）の時間幅を設定する。
　これにより、区間データ内に歩行周期が含まれなくなるのを防いで、歩行時の相関度Ｃを正しく求めることが可能となる。
　また、情報処理装置１０１によれば、第１の計測データとして、センサＳ１，Ｓ２が角速度を計測可能な複数の方向のうち、センサＳ１により計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわすジャイロデータを用いることができる。また、情報処理装置１０１によれば、第２の計測データとして、センサＳ１，Ｓ２が角速度を計測可能な複数の方向のうち、センサＳ２により計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわすジャイロデータを用いることができる。
　これにより、歩行中にスイングしているときの回転運動が適切に現れているジャイロデータを用いて相関度Ｃを求めることができ、歩行時の相関度Ｃを正しく求めることが可能となる。
　また、情報処理装置１０１によれば、判定した判定結果を、所定期間Ｔと対応付けて出力することができる。これにより、非歩行区間を適切に除去した歩行区間の情報を提供することができ、対象者Ｐの歩行特徴から健康状態を把握する場合などに役立てることができる。
　また、情報処理装置１０１によれば、第１の計測データと第２の計測データとの間の相関度Ｃが第１の閾値α以上の場合に、所定期間Ｔに含まれる区間ごとの相関度Ｃに基づいて、所定期間Ｔが歩行の期間であるか否かを判定することができる。
　これにより、異なる考えに基づいて求めた２種類の相関度Ｃ（例えば、第１の相関度Ｃ１、第２の相関度Ｃ２）を組み合わせて、所定期間Ｔが歩行の期間であるか否かを判定することができ、判定精度を向上させることができる。
　これらのことから、情報処理装置１０１によれば、歩行状態であるか否かの判別精度を向上させて、対象者Ｐの歩行区間を精度よく特定することができる。これにより、例えば、遠隔監視システムにおいて、医師や看護師などが、遠隔地から患者の健康状態を把握するにあたり、正確な歩行区間を特定して歩行特徴を提示することが可能となる。
　なお、本実施の形態で説明した歩行状態判別方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本歩行状態判別プログラムは、ハードディスク、フレキシブルディスク、ＣＤ、ＤＶＤ、ＵＳＢメモリ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本歩行状態判別プログラムは、インターネット等のネットワークを介して配布してもよい。
　また、本実施の形態で説明した情報処理装置１０１は、スタンダードセルやストラクチャードＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）などの特定用途向けＩＣやＦＰＧＡなどのＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）によっても実現することができる。
　１０１　情報処理装置
　１０２　第１のセンサ
　１０３　第２のセンサ
　１１１，１２１　第１の計測データ
　１１２，１２２　第２の計測データ
　２００　情報処理システム
　２０１　管理者端末
　２０２　対象者端末
　２０３　読取部
　２１０　ネットワーク
　２２０　慣性データＤＢ
　４０１　矢状面
　４０２　横断面
　４０３　冠状面
　４０４，４０５，４０６　矢印
　５００　バス
　５０１　ＣＰＵ
　５０２　メモリ
　５０３　ディスクドライブ
　５０４　ディスク
　５０５　通信Ｉ／Ｆ
　５０６　可搬型記録媒体Ｉ／Ｆ
　５０７　可搬型記録媒体
　７０１　取得部
　７０２　算出部
　７０３　判定部
　７０４　出力部
　８００　暫定歩行区間情報
　９０１，９０２　計測データ
　９０１－１～９０１－ｋ　第１の窓データ
　９０２－１～９０２－ｋ　第２の窓データ
　１１０１，１１０２，１１０３，１１０４　窓データ
　１２０１，１２０２，１２０３，１２０４，１３０１，１３０２　ジャイロデータ
　１４００　監視画面
　１４０１，１４０２　センシングデータ
　１４０３，１４０４，１４０５　情報
　１４１０　詳細欄
　１４１１　歩行特徴
　１４１２，１４１３　波形データ
　１７０１，１７０２　点線
　Ｐ　対象者
　ｗ１～ｗｋ　窓

Claims (12)

  1. 　左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得し、
    　取得した前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
    　算出した前記相関度に基づいて、歩行であるか否かを判定する、
    　処理をコンピュータに実行させることを特徴とする歩行状態判別プログラム。
  2. 　前記判定する処理は、
    　算出した前記相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する、ことを特徴とする請求項１に記載の歩行状態判別プログラム。
  3. 　前記判定する処理は、
    　前記相関度が第１の閾値未満の場合に、前記所定期間が歩行の期間であると判定する、ことを特徴とする請求項２に記載の歩行状態判別プログラム。
  4. 　前記所定期間に含まれる所定の時間幅の区間ごとに、前記第１のセンサおよび前記第２のセンサのそれぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得し、
    　前記区間ごとに、取得した前記第１の区間データがあらわす計測値の推移と前記第２の区間データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
    　算出した前記区間ごとの相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する、
    　処理を前記コンピュータに実行させることを特徴とする請求項２または３に記載の歩行状態判別プログラム。
  5. 　前記判定する処理は、
    　算出した前記区間ごとの相関度のうちの最大の相関度が第２の閾値未満の場合に、前記所定期間が歩行の期間であると判定する、ことを特徴とする請求項４に記載の歩行状態判別プログラム。
  6. 　前記所定期間は、歩行の期間と推定された期間であり、
    　前記所定の時間幅は、少なくとも１以上の歩行周期を含む時間幅に設定される、
    　ことを特徴とする請求項４または５に記載の歩行状態判別プログラム。
  7. 　前記第１のセンサおよび前記第２のセンサは、複数の方向のそれぞれの角速度または加速度を計測可能であり、
    　前記第１の計測データは、前記複数の方向のうち、前記第１のセンサにより計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわし、
    　前記第２の計測データは、前記複数の方向のうち、前記第２のセンサにより計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわす、
    　ことを特徴とする請求項２～６のいずれか一つに記載の歩行状態判別プログラム。
  8. 　判定した判定結果を、前記所定期間と対応付けて出力する、
    　処理を前記コンピュータに実行させることを特徴とする請求項２～７のいずれか一つに記載の歩行状態判別プログラム。
  9. 　前記判定する処理は、
    　前記相関度が第１の閾値以上の場合に、算出した前記区間ごとの相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する、ことを特徴とする請求項４に記載の歩行状態判別プログラム。
  10. 　前記第１のセンサおよび前記第２のセンサは、複数の方向のそれぞれの角速度または加速度を計測可能であり、
    　前記第１の区間データは、前記複数の方向のそれぞれについて、前記第１のセンサにより計測された計測値の推移をあらわし、
    　前記第２の区間データは、前記複数の方向のそれぞれについて、前記第２のセンサにより計測された計測値の推移をあらわし、
    　前記区間ごとの相関度を算出する処理は、
    　前記区間ごとに、前記第１の区間データと前記第２の区間データとの全ての組み合わせについて相関度を算出する、
    　ことを特徴とする請求項４または５に記載の歩行状態判別プログラム。
  11. 　左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得し、
    　取得した前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
    　算出した前記相関度に基づいて、歩行であるか否かを判定する、
    　処理をコンピュータが実行することを特徴とする歩行状態判別方法。
  12. 　左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得する取得部と、
    　前記取得部によって取得された前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出する算出部と、
    　前記算出部によって算出された前記相関度に基づいて、歩行であるか否かを判定する判定部と、
    　を有することを特徴とする情報処理装置。
PCT/JP2018/032669 2018-09-03 2018-09-03 歩行状態判別プログラム、歩行状態判別方法および情報処理装置 WO2020049621A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP18932484.1A EP3847961B1 (en) 2018-09-03 2018-09-03 Walking state determination program, walking state determination method, and information processing device
PCT/JP2018/032669 WO2020049621A1 (ja) 2018-09-03 2018-09-03 歩行状態判別プログラム、歩行状態判別方法および情報処理装置
FIEP18932484.1T FI3847961T3 (fi) 2018-09-03 2018-09-03 Kävelytilan määritysohjelma, kävelytilan määritysmenetelmä ja informaationkäsittelylaite
JP2020540888A JP6958744B2 (ja) 2018-09-03 2018-09-03 歩行状態判別プログラム、歩行状態判別方法および情報処理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/032669 WO2020049621A1 (ja) 2018-09-03 2018-09-03 歩行状態判別プログラム、歩行状態判別方法および情報処理装置

Publications (1)

Publication Number Publication Date
WO2020049621A1 true WO2020049621A1 (ja) 2020-03-12

Family

ID=69723208

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/032669 WO2020049621A1 (ja) 2018-09-03 2018-09-03 歩行状態判別プログラム、歩行状態判別方法および情報処理装置

Country Status (4)

Country Link
EP (1) EP3847961B1 (ja)
JP (1) JP6958744B2 (ja)
FI (1) FI3847961T3 (ja)
WO (1) WO2020049621A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023064594A (ja) * 2021-10-26 2023-05-11 富士通株式会社 情報処理プログラム、情報処理方法、および情報処理装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007125368A (ja) 2005-09-26 2007-05-24 Aisin Seiki Co Ltd 歩行解析装置及び歩行解析方法
JP2009039466A (ja) 2007-08-13 2009-02-26 Advanced Telecommunication Research Institute International 行動識別装置、行動識別システムおよび行動識別方法
JP2010172758A (ja) 2004-11-29 2010-08-12 National Institute Of Advanced Industrial Science & Technology 身体的状態検出装置、その検出方法及び検出プログラム
US20110246123A1 (en) * 2010-03-30 2011-10-06 Welch Allyn, Inc. Personal status monitoring
JP2015136582A (ja) 2014-01-24 2015-07-30 パナソニックＩｐマネジメント株式会社 体動判別装置
JP2017059089A (ja) 2015-09-18 2017-03-23 日本電信電話株式会社 歩数計測装置、歩数計測方法、およびプログラム
WO2017199305A1 (ja) 2016-05-16 2017-11-23 富士通株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6813582B2 (en) * 2002-07-31 2004-11-02 Point Research Corporation Navigation device for personnel on foot
US8694251B2 (en) * 2010-11-25 2014-04-08 Texas Instruments Incorporated Attitude estimation for pedestrian navigation using low cost mems accelerometer in mobile applications, and processing methods, apparatus and systems

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010172758A (ja) 2004-11-29 2010-08-12 National Institute Of Advanced Industrial Science & Technology 身体的状態検出装置、その検出方法及び検出プログラム
JP2007125368A (ja) 2005-09-26 2007-05-24 Aisin Seiki Co Ltd 歩行解析装置及び歩行解析方法
JP2009039466A (ja) 2007-08-13 2009-02-26 Advanced Telecommunication Research Institute International 行動識別装置、行動識別システムおよび行動識別方法
US20110246123A1 (en) * 2010-03-30 2011-10-06 Welch Allyn, Inc. Personal status monitoring
JP2015136582A (ja) 2014-01-24 2015-07-30 パナソニックＩｐマネジメント株式会社 体動判別装置
JP2017059089A (ja) 2015-09-18 2017-03-23 日本電信電話株式会社 歩数計測装置、歩数計測方法、およびプログラム
WO2017199305A1 (ja) 2016-05-16 2017-11-23 富士通株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3847961A4

Also Published As

Publication number Publication date
JPWO2020049621A1 (ja) 2021-05-13
FI3847961T3 (fi) 2023-05-11
EP3847961B1 (en) 2023-04-19
EP3847961A1 (en) 2021-07-14
EP3847961A4 (en) 2021-08-25
JP6958744B2 (ja) 2021-11-02

Similar Documents

Publication Publication Date Title
JP6464113B2 (ja) エネルギー消費
CN107080540B (zh) 用于分析人的步态和姿势平衡的系统和方法
JP6183906B2 (ja) 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム
US9165113B2 (en) System and method for quantitative assessment of frailty
JP2006204742A (ja) 睡眠評価方法、睡眠評価システム及びその動作プログラム、パルスオキシメータ並びに睡眠支援システム
JP6433805B2 (ja) 運動機能診断装置及び方法、並びにプログラム
EP2688006A2 (en) A method for assessing cognitive function and predicting cognitive decline through quantitative assessment of the TUG test
CN108836344A (zh) 步长步频估算方法和装置及步态检测仪
US20230005161A1 (en) Information processing apparatus and determination result output method
WO2020049621A1 (ja) 歩行状態判別プログラム、歩行状態判別方法および情報処理装置
JP2020192307A (ja) 下肢筋力評価方法、下肢筋力評価プログラム、下肢筋力評価装置及び下肢筋力評価システム
JP2020120807A (ja) 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム
JP6791260B2 (ja) 情報処理システム、情報処理装置、情報処理方法および情報処理プログラム
Yang et al. Empowering a gait feature-rich timed-up-and-go system for complex ecological environments
KR102550249B1 (ko) 이상 행동 검출 방법
JP6638860B2 (ja) 情報処理システム、情報処理装置、および情報処理方法
Hellmers et al. Validation of a motion capture suit for clinical gait analysis
WO2017001688A1 (en) System and method for processing a foot acceleration signal
JP6643188B2 (ja) 移動運動解析装置及びシステム並びにプログラム
JP6738249B2 (ja) 歩行分析方法及び歩行分析装置
JP6527024B2 (ja) 移動運動解析装置及びシステム並びにプログラム
TWI601525B (zh) 整合輔具及慣性感測器之遠距復健裝置
Sharma et al. A study on linear acceleration of the wrist during free-living
EP4059424A1 (en) System for monitoring gastro-intestinal disorders
Akbari et al. Validation of a new model-free signal processing method for gait feature extraction using inertial measurement units to diagnose and quantify the severity of Parkinson's disease

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: 18932484

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020540888

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018932484

Country of ref document: EP

Effective date: 20210406