WO2020240752A1 - 情報処理装置、体重推定装置、体重推定システム、情報処理方法及び記憶媒体 - Google Patents

Abstract

ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する取得部と、前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出する特徴量抽出部と、を備える情報処理装置が提供される。

Description

情報処理装置、体重推定装置、体重推定システム、情報処理方法及び記憶媒体

　本発明は、情報処理装置、体重推定装置、体重推定システム、情報処理方法及び記憶媒体に関する。

　特許文献１には、靴型ウェアラブル機器によりユーザの体重を計測するシステムが開示されている。当該システムは、力センサにより検出された力の大きさと、加速度センサにより検出された加速度とを用いて体重を算出する。

特開２０１７－１６７０５１号公報

　特許文献１に開示されているような体重の計測手法において、測定精度の更なる改善が求められている。

　本発明は、高精度に体重の特徴量を抽出することができる情報処理装置、体重推定装置、体重推定システム、情報処理方法及び記憶媒体を提供することを目的とする。

　本発明の一観点によれば、ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する取得部と、前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出する特徴量抽出部と、を備える情報処理装置が提供される。

　本発明の他の一観点によれば、ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出するステップと、を備える情報処理方法が提供される。

　本発明の他の一観点によれば、コンピュータに、ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出するステップと、を備える情報処理方法を実行させるためのプログラムが記憶された記憶媒体が提供される。

　本発明によれば、高精度に体重の特徴量を抽出することができる情報処理装置、体重推定装置、体重推定システム、情報処理方法及び記憶媒体を提供することができる。

第１実施形態に係る体重推定システムの全体構成を示す模式図である。 第１実施形態に係る体重推定装置の配置を示す模式図である。 第１実施形態に係る体重推定装置のハードウェア構成を示すブロック図である。 第１実施形態に係る情報通信端末のハードウェア構成を示すブロック図である。 第１実施形態に係る体重推定装置の機能ブロック図である。 第１実施形態に係る体重推定装置により行われる体重推定処理の一例を示すフローチャートである。 歩行周期について説明するための概念図である。 荷重の時系列データの一例を示すグラフである。 第１実施形態に係るサーバにより行われる学習処理の一例を示すフローチャートである。 教師データの生成方法の一例を示すフローチャートである。 学習処理により得られる特徴量ベクトルと体重との対応関係を模式的に示す表である。 交差検証の結果を示すグラフである。 第２実施形態に係る情報処理装置の機能ブロック図である。

　以下、図面を参照して、本発明の例示的な実施形態を説明する。図面において同様の要素又は対応する要素には同一の符号を付し、その説明を省略又は簡略化することがある。

　［第１実施形態］
　本実施形態に係る体重推定システムについて説明する。本実施形態の体重推定システムは、歩行しているユーザの体重を推定するためのシステムである。健康に対する関心の高まりにより、体重変化のモニタリングについての注目が高まっている。一般的な体重計を用いた体重測定では、地面に設置された体重計に乗る必要があるため、測定場所、測定時間、測定頻度等に対する制約が大きい。これに対し、本実施形態の体重推定システムは、ウェアラブルデバイスを用いて歩行中のユーザの体重を推定するものであるため、測定場所、測定時間、測定頻度等が制約されにくい利点がある。そのため、本実施形態の体重推定システムは、日中の体重の推移を把握する等の高頻度の体重モニタリング用途に適している。なお、本実施形態の体重推定システムは、体重の推定に加えて、ユーザの歩行パターンに含まれる特徴（歩容）を取得する機能を備えていてもよい。

　図１は、本実施形態に係る体重推定システムの全体構成を示す模式図である。体重推定システムは、互いに無線通信接続され得る体重推定装置１と、情報通信端末２と、サーバ３と、荷重計測装置６ａ、６ｂとを備える。なお、荷重計測装置６ａは第１の荷重計測装置と呼ばれることもあり、荷重計測装置６ｂは第２の荷重計測装置と呼ばれることもある。

　体重推定装置１及び荷重計測装置６ａ、６ｂは、例えば、ユーザ４が履いている靴５の底付近に設けられる。体重推定装置１と荷重計測装置６ａとの間及び体重推定装置１と荷重計測装置６ｂとの間は、配線等により通信可能に接続される。荷重計測装置６ａ、６ｂは、ユーザ４の足底から受ける荷重を計測するためのセンサである。荷重計測装置６ａ、６ｂは、体重推定装置１の制御に応じてユーザ４から受ける荷重を電気信号に変換して体重推定装置１に出力する。荷重計測装置６ａ、６ｂの荷重変換方式は、ばね式、圧電素子式、磁歪式、静電容量式、ジャイロ式、歪ゲージ式等であり得るが、特に限定されるものではない。荷重計測装置６ａ、６ｂは、ロードセルと呼ばれることもある。体重推定装置１は、荷重計測装置６ａ、６ｂの制御機能、計測された荷重情報を解析する情報処理機能、情報通信端末２との通信機能等を備える電子機器である。

　なお、体重推定装置１及び荷重計測装置６ａ、６ｂは、靴５の中敷に設けられていてもよく、靴５の底面に設けられていてもよく、靴５の本体に埋め込まれていてもよい。また、体重推定装置１及び荷重計測装置６ａ、６ｂは、靴５と着脱可能であってもよく、靴５に着脱不可能に固着されていてもよい。また、体重推定装置１及び荷重計測装置６ａ、６ｂは、足の荷重を計測できる位置であれば、靴５以外の部分に設けられていてもよい。例えば、体重推定装置１は、ユーザ４が履いている靴下に設けられていてもよく、装飾品に設けられていてもよく、ユーザ４の足に直接貼り付けられるものであってもよく、足に埋め込まれるものであってもよい。また、図１においては、１つの体重推定装置１及び２つの荷重計測装置６ａ、６ｂがユーザ４の片足に設けられている例が図示されているが、ユーザ４の両足にそれぞれ１つの体重推定装置１及び２つの荷重計測装置６ａ、６ｂが設けられていてもよい。この場合、両足分の荷重情報を並行して取得することができ、より多くの情報を得ることができる。

　なお、本明細書において「足（foot）」とは、ユーザ４の下肢のうちの足首よりも先端側を意味するものとする。また、本明細書において、「ユーザ」とは、体重推定装置１を用いた体重推定の対象になっている人物を意味するものである。「ユーザ」に該当するか否かは、体重推定システムを構成する体重推定装置１以外の装置の使用者であるか、体重推定システムにより提供されるサービスを受ける者であるか等とは無関係である。

　情報通信端末２は、携帯電話、スマートフォン、スマートウォッチ等のユーザ４が携帯する端末装置である。情報通信端末２には、歩行状態の解析用のアプリケーションソフトがあらかじめインストールされており、当該アプリケーションソフトに基づく処理を行う。情報通信端末２は、体重推定装置１で得られた体重の推定結果、歩行状態等のデータを体重推定装置１から取得し、当該データを用いた情報処理を行う。情報処理の結果は、ユーザ４に通知されてもよく、サーバ３に送信されてもよい。また、情報通信端末２は、体重推定装置１の制御プログラム、データ解析プログラム等のソフトウェアを体重推定装置１に提供する機能を有していてもよい。

　サーバ３は、情報通信端末２に対して歩行状態の解析用のアプリケーションソフトの提供及びアップデートを行う。また、サーバ３は、情報通信端末２から取得したデータを蓄積し、当該データを用いた情報処理を行ってもよい。

　なお、この全体構成は一例であり、例えば、体重推定装置１がサーバ３に直接接続される構成であってもよい。また、体重推定装置１と情報通信端末２が一体の装置として構成されていてもよく、体重推定システム内に更にエッジサーバ、中継装置等の別の装置が含まれていてもよい。

　図２は、本実施形態に係る荷重計測装置６ａ、６ｂの配置を示す模式図である。図２は、靴５を底面側からみたときの透視図である。荷重計測装置６ａは、ユーザ４の踵に対応する位置に設けられており、荷重計測装置６ｂは、荷重計測装置６ａよりも爪先側に設けられている。より具体的には、荷重計測装置６ａは、足のリスフラン関節７（中足骨と足根骨の間の関節）に対応する位置よりも踵側に設けられており、荷重計測装置６ｂは、足のリスフラン関節７に対応する位置よりも爪先側に設けられている。なお、図中の符号「７」が付された一点鎖線は、ユーザ４が靴５を履いたときのリスフラン関節７の位置を示している。

　図３は、体重推定装置１のハードウェア構成例を示すブロック図である。体重推定装置１は、例えば、マイクロコンピュータ又はマイクロコントローラである。体重推定装置１は、ＣＰＵ（Central　Processing　Unit）１０１、ＲＡＭ（Random　Access　Memory）１０２、ＲＯＭ（Read　Only　Memory）１０３、フラッシュメモリ１０４、通信Ｉ／Ｆ（Interface）１０５、センサ制御装置１０６及びバッテリ１０７を備える。なお、体重推定装置１内の各部は、バス、配線、駆動装置等を介して相互に接続される。

　ＣＰＵ１０１は、ＲＯＭ１０３、フラッシュメモリ１０４等に記憶されたプログラムに従って所定の演算を行うとともに、体重推定装置１の各部を制御する機能をも有するプロセッサである。ＲＡＭ１０２は、揮発性記憶媒体から構成され、ＣＰＵ１０１の動作に必要な一時的なメモリ領域を提供する。ＲＯＭ１０３は、不揮発性記憶媒体から構成され、体重推定装置１の動作に用いられるプログラム等の必要な情報を記憶する。フラッシュメモリ１０４は、不揮発性記憶媒体から構成され、データの一時記憶、体重推定装置１の動作用プログラムの記憶等を行う記憶装置である。

　通信Ｉ／Ｆ１０５は、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）等の規格に基づく通信インターフェースであり、情報通信端末２との通信を行うためのモジュールである。

　センサ制御装置１０６は、荷重を計測させるように荷重計測装置６ａ、６ｂを制御し、荷重計測装置６ａ、６ｂから荷重を示す電気信号を取得する制御装置である。取得された電気信号はデジタルデータとしてフラッシュメモリ１０４に記憶される。これにより、体重推定装置１は、荷重計測装置６ａ、６ｂにより計測された荷重を時系列データとして取得することができる。荷重計測装置６ａにより計測された荷重は、第１の荷重情報と呼ばれることもあり、荷重計測装置６ｂにより計測された荷重は、第２の荷重情報と呼ばれることもある。また、荷重計測装置６ａにより計測された荷重の時系列データは、第１の時系列データと呼ばれることもあり、荷重計測装置６ｂにより計測された荷重の時系列データは、第２の時系列データと呼ばれることもある。なお、荷重計測装置６ａ、６ｂで計測されたアナログ信号をデジタルデータに変換するＡＤ変換（Analog-to-Digital　Conversion）は、荷重計測装置６ａ、６ｂ内で行われてもよく、センサ制御装置１０６により行われてもよい。

　バッテリ１０７は、例えば二次電池であり、体重推定装置１の動作に必要な電力を供給する。また、荷重計測装置６ａ、６ｂに電力供給が必要な場合には、荷重計測装置６ａ、６ｂにも電力を供給してもよい。体重推定装置１にバッテリ１０７が内蔵されていることにより、体重推定装置１は、外部の電源に有線接続することなく、ワイヤレスで動作することができる。

　なお、図３に示されているハードウェア構成は例示であり、これら以外の装置が追加されていてもよく、一部の装置が設けられていなくてもよい。また、一部の装置が同様の機能を有する別の装置に置換されていてもよい。例えば、体重推定装置１は、ユーザ４による操作を受け付けることができるようにボタン等の入力装置を更に備えていてもよく、ユーザ４に情報を提供するためのディスプレイ、表示灯、スピーカ等の出力装置を更に備えていてもよい。このように図３に示されているハードウェア構成は適宜変更可能である。

　図４は、情報通信端末２のハードウェア構成例を示すブロック図である。情報通信端末２は、ＣＰＵ２０１、ＲＡＭ２０２、ＲＯＭ２０３及びフラッシュメモリ２０４を備える。また、情報通信端末２は、通信Ｉ／Ｆ２０５、入力装置２０６及び出力装置２０７を備える。なお、情報通信端末２の各部は、バス、配線、駆動装置等を介して相互に接続される。

　図４では、情報通信端末２を構成する各部が一体の装置として図示されているが、これらの機能の一部は外付け装置により提供されるものであってもよい。例えば、入力装置２０６及び出力装置２０７は、ＣＰＵ２０１等を含むコンピュータの機能を構成する部分とは別の外付け装置であってもよい。

　ＣＰＵ２０１は、ＲＯＭ２０３、フラッシュメモリ２０４等に記憶されたプログラムに従って所定の演算を行うとともに、情報通信端末２の各部を制御する機能をも有するプロセッサである。ＲＡＭ２０２は、揮発性記憶媒体から構成され、ＣＰＵ２０１の動作に必要な一時的なメモリ領域を提供する。ＲＯＭ２０３は、不揮発性記憶媒体から構成され、情報通信端末２の動作に用いられるプログラム等の必要な情報を記憶する。フラッシュメモリ２０４は、不揮発性記憶媒体から構成され、体重推定装置１と送受信するデータの記憶、情報通信端末２の動作用プログラムの記憶等を行う記憶装置である。

　通信Ｉ／Ｆ２０５は、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、４Ｇ等の規格に基づく通信インターフェースであり、他の装置との通信を行うためのモジュールである。

　入力装置２０６は、ユーザ４が情報通信端末２を操作するために用いられるユーザインターフェースである。入力装置２０６の例としては、マウス、トラックボール、タッチパネル、ペンタブレット、ボタン等が挙げられる。

　出力装置２０７は、例えば表示装置である。表示装置は、液晶ディスプレイ、ＯＬＥＤ（Organic　Light　Emitting　Diode）ディスプレイ等であって、情報の表示、操作入力用のＧＵＩ（Graphical　User　Interface）の表示等に用いられる。入力装置２０６及び出力装置２０７は、タッチパネルとして一体に形成されていてもよい。

　なお、図４に示されているハードウェア構成は例示であり、これら以外の装置が追加されていてもよく、一部の装置が設けられていなくてもよい。また、一部の装置が同様の機能を有する別の装置に置換されていてもよい。更に、本実施形態の一部の機能がネットワークを介して他の装置により提供されてもよく、本実施形態の機能が複数の装置に分散されて実現されるものであってもよい。例えば、フラッシュメモリ２０４は、ＨＤＤ（Hard　Disk　Drive）に置換されていてもよく、クラウドストレージに置換されていてもよい。このように図４に示されているハードウェア構成は適宜変更可能である。

　サーバ３は、図４に示したものと概ね同様のハードウェア構成を有するコンピュータである。サーバ３のハードウェア構成は、携帯可能でなくてもよい点を除けば情報通信端末２と概ね同様であるため、詳細な説明を省略する。

　図５は、本実施形態に係る体重推定装置１の機能ブロック図である。体重推定装置１は、取得部１２０、特徴量抽出部１３０、体重推定部１４０、記憶部１５０及び通信部１６０を有する。特徴量抽出部１３０は、時系列データ処理部１３１、歩行周期特定部１３２及び特徴量演算部１３３を有する。

　ＣＰＵ１０１は、ＲＯＭ１０３、フラッシュメモリ１０４等に記憶されたプログラムをＲＡＭ１０２にロードして実行する。これにより、ＣＰＵ１０１は、特徴量抽出部１３０及び体重推定部１４０の機能を実現する。また、ＣＰＵ１０１は、当該プログラムに基づいてセンサ制御装置１０６を制御することにより取得部１２０の機能を実現する。また、ＣＰＵ１０１は、当該プログラムに基づいてフラッシュメモリ１０４を制御することにより記憶部１５０の機能を実現する。また、ＣＰＵ１０１は、当該プログラムに基づいて通信Ｉ／Ｆ１０５を制御することにより通信部１６０の機能を実現する。これらの各部で行われる具体的な処理については後述する。

　本実施形態においては図５の機能ブロックの各機能は体重推定装置１に設けられているものとするが、図５の機能ブロックの機能の一部が情報通信端末２又はサーバ３に設けられていてもよい。すなわち、上述の各機能は、体重推定装置１、情報通信端末２及びサーバ３のいずれによって実現されてもよく、体重推定装置１、情報通信端末２及びサーバ３が協働することにより実現されてもよい。

　図６は、本実施形態に係る体重推定装置１により行われる体重推定処理の一例を示すフローチャートである。図６の処理は、例えば、体重推定装置１がユーザ４の歩行を検出しているときに実行される。あるいは、図６の処理は、歩行の有無とは無関係に常に実行されるものであってもよく、所定の時間間隔で実行されるものであってもよい。

　ステップＳ１０１において、取得部１２０は、荷重計測装置６ａ、６ｂを制御して、各々から荷重の時系列データを取得する。すなわち、取得部１２０は、荷重計測装置６ａから第１の時系列データを取得し、荷重計測装置６ｂから第２の時系列データを取得する。これにより、取得部１２０は、ユーザ４の歩行により生じた荷重の時間変化を取得することができる。取得された荷重の時系列データは、デジタルデータに変換された上で記憶部１５０に記憶される。また、この荷重の時系列データは荷重の時間変化を示すものであることから荷重情報と呼ばれることもある。この荷重情報は、本実施形態の体重推定に用いるだけでなく、ユーザ４の歩容解析又は個人識別に用いることもできる。

　ここで、ユーザ４の体重を示す特徴が十分得られるためには、荷重の時系列データは、少なくとも１歩行周期に相当する期間のデータを含むことが望ましい。１歩行周期について図７を参照して説明する。図７は、歩行周期について説明するための概念図である。図７は、１歩行周期分のユーザ４の右足と左足の動きを模式的に示している。図中の正規化時間は、１歩行周期の長さが１００になるように正規化した時間を示している。すなわち、図中の正規化時間０は右足が着地する瞬間であり、図中の正規化時間５０は左足が着地する瞬間であり、図中の正規化時間１００は再び右足が着地する瞬間である。正規化時間０から１００までの期間が１歩行周期である。

　また、足が地面に着いている期間を立脚期と呼び、足が地面から離れている期間を遊脚期と呼ぶ。より詳細には、例えば、右足の立脚期は、右足の踵が着地する瞬間（着地時）から、右足の爪先が地面から離れる瞬間までの期間（離地時）であり、一般的には１歩行周期の約６０％の期間を占める。右足の遊脚期は、右足の爪先が地面から離れる瞬間から、右足の踵が着地する瞬間までの期間であり、一般的には１歩行周期の約４０％の期間を占める。図７に示されるように、歩行時には、立脚期と遊脚期が交互に繰り返される。また、右足と左足とで、立脚期と遊脚期の位相が逆である。

　ステップＳ１０２において、時系列データ処理部１３１は、荷重計測装置６ａから取得された第１の時系列データと、荷重計測装置６ｂから取得された第２の時系列データとを加算して第３の時系列データを生成する。この処理では、第１の時系列データと第２の時系列データの同時刻の荷重のデジタルデータ同士を加算する。これにより、荷重計測装置６ａ、６ｂの両方から出力された荷重に基づく特徴を含む第３の時系列データを取得することができる。

　なお、ステップＳ１０１とステップＳ１０２の順序及び内容は適宜変更可能である。ステップＳ１０１とステップＳ１０２は、同時に行われてもよく、一連の処理として行われてもよい。例えば、これらの処理は、荷重計測装置６ａ、６ｂから時系列データを取得する際に両者を加算して第３の時系列データを生成し、保存するといった処理に変形されてもよい。この場合、第１の時系列データと第２の時系列データを記憶する必要はない。また、これらの処理は、荷重計測装置６ａ、６ｂで計測されたアナログ信号をＡＤ変換前に回路的に加算する処理に変形されてもよい。この場合、加算は、取得部１２０によるデータの取得前に完了している。この処理方法では、ＡＤ変換の処理回数が低減される。

　ステップＳ１０３において、歩行周期特定部１３２は、第３の時系列データの１歩行周期を特定する。歩行時には、一歩ごとに概ね同じ動きが繰り返されるため、時系列データの周期性を検出することにより１歩行周期を特定することができる。例えば、時系列データのピーク又はディップの出現時刻、時系列データをフーリエ変換して得られた周波数スペクトルに含まれるピークの周波数等に基づいて１歩行周期を特定することができる。

　ステップＳ１０４において、特徴量演算部１３３は、少なくとも１歩行周期内の第３の時系列データを時間積分することによりユーザ４の体重を示す特徴量を抽出する。抽出された特徴量は記憶部１５０に記憶される。この特徴量の抽出について、具体例を挙げて説明する。

　図８は、１歩行周期内に取得される荷重の第３の時系列データの一例を示すグラフである。図８の横軸は１歩行周期における正規化時間を示しており、図８の縦軸は、荷重を体重で正規化した値（荷重の体重に対するパーセンテージ）を示している。

　図８において、実線のグラフは、ユーザ４の右足から荷重計測装置６ａ、６ｂに加えられる荷重の時間変動を示しており、破線のグラフは、ユーザ４の左足から荷重計測装置６ａ、６ｂに加えられる荷重の時間変動を示している。グラフ中の「Ｐ１」、「Ｐ２」は、荷重変動の中のピークを示しており、グラフ中の「Ｄ」は、荷重変動の中のディップを示している。

　特徴量演算部１３３は、第３の時系列データの正規化荷重を正規化時間で積分する。この積分値は、図８の右足部のグラフに付されたハッチング部の面積に相当する。この積分値が特徴量として記憶部１５０に記憶される。

　歩行時には、不規則な体動が生じるため、荷重の瞬時値のみから体重を推定するとノイズが大きく、十分な精度が得られない場合がある。しかしながら、人間は、歩行時の重心の安定性を保つために一歩行周期内の体動の平均がなるべく小さくなるように歩行を行う傾向がある。すなわち、歩行時において、瞬間的にはノイズ源となる不規則な体動が生じているものの、ある程度長い時間（例えば、１歩行周期）のデータを統合して特徴を抽出することにより、不規則な体動のノイズを小さくすることができる。そこで、本実施形態では、特徴量演算部１３３は、１歩行周期内の時系列データを時間積分して、その積分値を特徴量として取得することにより、高精度な体重推定が可能な特徴量の抽出を行うことができる。

　なお、特徴量演算部１３３により取得される特徴量は、上述の積分値のみに限定されるものではなく、例えば、ピークの出現時刻、ピークの大きさ、ディップの出現時刻、ディップの大きさ等が更に特徴量として取得されてもよい。このように本処理において抽出される特徴量は複数の要素を含んでもよく、言い換えると、本処理において抽出される特徴量は特徴量ベクトルであり得る。

　ステップＳ１０５において、体重推定部１４０は、抽出された特徴量に基づいてユーザ４の体重を推定する。取得された体重は、記憶部１５０に記憶される。このとき、体重は、取得時刻と対応付けられて記憶部１５０に記憶されてもよい。

　なお、体重推定部１４０によって行われる特徴量から体重を推定する処理には、あらかじめ機械学習により生成され、記憶部１５０に記憶されている学習済みモデルが用いられる。機械学習に用いられるアルゴリズムの例としては、決定木、ランダムフォレスト、サポートベクトルマシン、ニューラルネットワーク、ディープラーニング、ロジスティック回帰、最近傍分類法（Ｋ－ＮＮ：k-nearest　neighbor　algorithm）、アンサンブル分類学習法、判別分析等が挙げられる。また、機械学習による学習済みモデルの生成（学習処理）は、あらかじめ準備されたサンプルデータを用いて、体重推定装置１、情報通信端末２又はサーバ３において行われる。

　上述のステップＳ１０５における体重推定に用いられる学習済みモデルを生成するための学習処理についてより詳細に説明する。本処理は、図６の処理に先立ってあらかじめ体重推定装置１、情報通信端末２又はサーバ３において行われる。本実施形態の説明では、学習処理はサーバ３において行われるものとする。

　図９は、本実施形態に係るサーバ３により行われる学習処理の一例を示すフローチャートである。図９の処理は、体重推定処理に先立って、体重推定システムの開発時、体重推定システムの製造時、ユーザ４が体重推定装置１を使用する前のキャリブレーション時等のタイミングで行われる。

　ステップＳ２０１において、サーバ３は、あらかじめ準備されている教師データを取得する。この教師データの生成手法の一例について図１０を参照して説明する。図１０は、教師データの取得方法の一例を示すフローチャートである。この処理は、例えば、教師データの作成を行う教師データ作成者及び体重推定装置１を装着した被験者により行われる。

　ステップＳ３０１において、教師データ作成者は、被験者の体重の真値を測定する。この処理は、例えば、被験者を適切に校正された体重計に乗せて、体重計により体重を測定することにより行われ得る。

　ステップＳ３０２において、教師データ作成者は、被験者にリュックサックを背負わせる。リュックサックの内部に重りを入れることにより、リュックサックの重さを多段階に変えることができる。なお、初期状態では、リュックサックの中身は空である。

　ステップＳ３０３において、教師データ作成者は、リュックサックに０．５ｋｇの重りを入れる。ステップＳ３０４において、被験者は、所定の距離を歩行する。このとき、体重推定装置１は、荷重の時系列データを取得する。

　時系列データの取得後のステップＳ３０５において、リュックサック内の重りが３ｋｇ以上である場合（ステップＳ３０５においてＹＥＳ）には、教師データの取得を終了する。リュックサック内の重りが３ｋｇ未満である場合（ステップＳ３０５においてＮＯ）には、処理はステップＳ３０３に移行する。すなわち、リュックサックの重さを変えて再び荷重の時系列データの取得が行われる。

　このようにして、被験者の総重量（体重真値＋リュックサックの重さ）を様々に変えた複数の時系列データが取得される。時系列データから得られた特徴量ベクトルと被験者の総重量とが対応付けられたデータ群がステップＳ２０１における教師データとして用いられる。

　ステップＳ２０２において、サーバ３は教師データを用いた機械学習を行う。これにより、特徴量ベクトルの入力に対して適切な体重が出力されるような学習済みモデルが生成される。

　ステップＳ２０３において、サーバ３は、学習済みモデルを記憶装置に記憶する。その後、サーバ３は、学習済みモデルを体重推定装置１に提供する。具体的には、サーバ３は、学習済みモデルを情報通信端末２に送信する。情報通信端末２は、受信した学習済みモデルを体重推定部１４０における処理用のソフトウェアとして体重推定装置１にインストールさせる。

　図１１は、本学習処理により得られる特徴量ベクトルと体重との対応関係を模式的に示す表である。図１１において、説明変数の「Ｓ」は、荷重の時間積分値を示している。説明変数の「Ｐ１」、「Ｐ２」は、それぞれ、第１のピーク時刻と第２のピーク時刻を示している。図１１に示されているように、「Ｓ」、「Ｐ１」、「Ｐ２」等を含む特徴量ベクトルに対応して体重が決定される。言い換えると、本学習処理により得られる学習済みモデルは、特徴量ベクトルを説明変数として入力したときに、体重を応答変数として出力する機能を有する。なお、本学習処理による学習済みモデルの生成は、体重測定対象者ごとに個別に行われる必要はなく、ある被験者に対して生成された学習済みモデルを他の人物の体重推定に流用してもよい。

　［実施例］
　第１実施形態の体重推定システムを用いて実際に体重推定を行った結果を実施例として説明する。本実施例では、１０人の被験者から図１０の手法により教師データを作成し、この教師データを用いて交差検証を行った。具体的には、教師データのうちのランダムに選択した１５％のデータを検証用データとし、残りの８５％のデータを学習用データとした。言い換えると、データ群の一部の学習用データを用いて学習済みモデルを生成し、残りのデータを用いて体重の推定を行った。

　図１２は、交差検証を行った結果を示すグラフである。グラフの横軸は、体重計を用いて計測された被験者の実際の体重であり、グラフの縦軸は、本実施形態の体重推定システムにより推定された体重である。図１２に示されているように、ＲＭＳＥ（Root　Mean　Squared　Error）の値は約１．３０ｋｇであり、決定係数（Ｒ^２）の値は０．９９以上であった。体重モニタリングに求められる体重の２．５％以下の推定誤差が達成できており、十分な精度で体重推定を行うことができることが確認できた。このように、本実施形態によれば、高精度に体重を推定することができる体重推定装置１及び体重推定システムが提供される。

　以上のように、本実施形態によれば、高精度に体重の特徴量を抽出することができる情報処理装置が提供される。また、情報処理装置により抽出された特徴量を用いることにより、高精度に体重を推定することができる体重推定装置１及び体重推定システムが提供される。

　上述の実施形態において説明した装置又はシステムは以下の第２実施形態のようにも構成することができる。

　［第２実施形態］
　図１３は、第２実施形態に係る情報処理装置６１の機能ブロック図である。情報処理装置６１は、取得部６１１及び特徴量抽出部６１２を備える。取得部６１１は、ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する。特徴量抽出部６１２は、荷重情報に含まれる時系列データを時間積分することにより、ユーザの体重を示す特徴量を抽出する。

　本実施形態によれば、高精度に体重の特徴量を抽出することができる情報処理装置６１が提供される。

　［変形実施形態］
　本発明は、上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲において適宜変更可能である。例えば、いずれかの実施形態の一部の構成を他の実施形態に追加した例や、他の実施形態の一部の構成と置換した例も、本発明の実施形態である。

　上述の実施形態では、体重推定処理は体重推定装置１の内部で行われているが、この機能は、情報通信端末２に設けられていてもよい。この場合、情報通信端末２は、体重推定装置として機能する。

　上述の実施形態では２つの荷重計測装置から荷重の時系列データを取得する例を示したが、荷重計測装置の個数、配置等はこれに限定されるものではない。例えば、荷重計測装置の個数は１個であってもよく、３個以上であってもよい。荷重計測装置が１個である場合には、取得されるデータの量が少なくなるため、データ処理量が低減し得る。荷重計測装置が３個以上である場合には、より多くの情報を得ることができるため、体重の推定精度が向上し得る。

　また、上述の実施形態では荷重計測装置はロードセル等のユーザ４の足底の局所的な荷重を取得する例を示したが、足底の広範囲にわたる荷重分布を取得可能な構成であってもよい。例えば、靴５に多数の荷重計測装置を配置する構成、あるいは、多数の荷重検出素子が２次元配列されたシートセンサを靴５に配置する構成であってもよい。この場合、ユーザ４の足底の荷重分布の時系列データを取得することができ、より多くの情報を得ることができるため、体重の推定精度が向上し得る。

　また、上述のシートセンサを用いて荷重を測定する構成において、シートセンサは靴５に配置されることは必須ではない。例えば、上述の実施形態の体重推定システムは、床面に敷かれたシートセンサを含み、ユーザ４がシートセンサ上を歩いたときにユーザ４の足底の荷重分布を取得し、この荷重分布の時系列データから体重を推定するという構成に変形されてもよい。

　上述の実施形態の機能を実現するように該実施形態の構成を動作させるプログラムを記憶媒体に記録させ、記憶媒体に記録されたプログラムをコードとして読み出し、コンピュータにおいて実行する処理方法も各実施形態の範疇に含まれる。すなわち、コンピュータ読取可能な記憶媒体も各実施形態の範囲に含まれる。また、上述のプログラムが記録された記憶媒体だけでなく、そのプログラム自体も各実施形態に含まれる。また、上述の実施形態に含まれる１又は２以上の構成要素は、各構成要素の機能を実現するように構成されたＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＦＰＧＡ（Field　Programmable　Gate　Array）等の回路であってもよい。

　該記憶媒体としては例えばフロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ（Compact　Disk）－ＲＯＭ、磁気テープ、不揮発性メモリカード、ＲＯＭを用いることができる。また該記憶媒体に記録されたプログラム単体で処理を実行しているものに限らず、他のソフトウェア、拡張ボードの機能と共同して、ＯＳ（Operating　System）上で動作して処理を実行するものも各実施形態の範疇に含まれる。

　上述の各実施形態の機能により実現されるサービスは、ＳａａＳ（Software　as　a　Service）の形態でユーザに対して提供することもできる。

　なお、上述の実施形態は、いずれも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

　上述の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。

　（付記１）
　ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する取得部と、
　前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出する特徴量抽出部と、
　を備える情報処理装置。

　（付記２）
　前記時系列データは、少なくとも１歩行周期に相当する期間における前記荷重の時間変化を含む、
　付記１に記載の情報処理装置。

　（付記３）
　前記取得部は、前記足底に設けられた第１の荷重計測装置によって計測された第１の時系列データと、前記第１の荷重計測装置よりも前記足底の爪先側に設けられた第２の荷重計測装置によって計測された第２の時系列データとを取得し、
　前記特徴量抽出部は、前記第１の時系列データ及び前記第２の時系列データに基づいて、前記特徴量を抽出する、
　ことを特徴とする付記１又は２に記載の情報処理装置。

　（付記４）
　前記特徴量抽出部は、前記第１の時系列データと前記第２の時系列データとを加算することにより得られる第３の時系列データに基づいて前記特徴量を抽出する、
　付記３に記載の情報処理装置。

　（付記５）
　前記第１の荷重計測装置は、前記ユーザの足のリスフラン関節よりも踵側に設けられており、
　前記第２の荷重計測装置は、前記リスフラン関節よりも爪先側に設けられている、
　付記３又は４に記載の情報処理装置。

　（付記６）
　前記特徴量抽出部は、前記時系列データに含まれるピーク及びディップの少なくとも１つに更に基づいて前記特徴量を抽出する、
　付記１乃至５のいずれか１項に記載の情報処理装置。

　（付記７）
　前記取得部は、前記荷重計測装置によって計測された前記足底の荷重分布の時系列データを取得し、
　前記特徴量抽出部は、前記荷重分布の時系列データに基づいて、前記特徴量を抽出する、
　ことを特徴とする付記１又は２に記載の情報処理装置。

　（付記８）
　付記１乃至７のいずれか１項に記載の情報処理装置により抽出された前記特徴量に基づいて前記ユーザの体重を推定する、
　体重推定装置。

　（付記９）
　付記１乃至７のいずれか１項に記載の情報処理装置と、
　前記特徴量に基づいて前記ユーザの体重を推定する体重推定装置と、
　前記荷重計測装置と、
　を備える、体重推定システム。

　（付記１０）
　ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、
　前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出するステップと、
　を備える情報処理方法。

　（付記１１）
　コンピュータに、
　ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、
　前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出するステップと、
　を備える情報処理方法を実行させるためのプログラムが記憶された記憶媒体。

１　　　　　　　　体重推定装置
２　　　　　　　　情報通信端末
３　　　　　　　　サーバ
４　　　　　　　　ユーザ
５　　　　　　　　靴
６ａ、６ｂ　　　　荷重計測装置
７　　　　　　　　リスフラン関節
６１　　　　　　　情報処理装置
１０１、２０１　　ＣＰＵ
１０２、２０２　　ＲＡＭ
１０３、２０３　　ＲＯＭ
１０４、２０４　　フラッシュメモリ
１０５、２０５　　通信Ｉ／Ｆ
１０６　　　　　　センサ制御装置
１０７　　　　　　バッテリ
１２０、６１１　　取得部
１３０、６１２　　特徴量抽出部
１３１　　　　　　時系列データ処理部
１３２　　　　　　歩行周期特定部
１３３　　　　　　特徴量演算部
１４０　　　　　　体重推定部
１５０　　　　　　記憶部
１６０　　　　　　通信部
２０６　　　　　　入力装置
２０７　　　　　　出力装置

Claims (11)

1. 　ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する取得部と、
   　前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出する特徴量抽出部と、
   　を備える情報処理装置。
2. 　前記時系列データは、少なくとも１歩行周期に相当する期間における前記荷重の時間変化を含む、
   　請求項１に記載の情報処理装置。
3. 　前記取得部は、前記足底に設けられた第１の荷重計測装置によって計測された第１の時系列データと、前記第１の荷重計測装置よりも前記足底の爪先側に設けられた第２の荷重計測装置によって計測された第２の時系列データとを取得し、
   　前記特徴量抽出部は、前記第１の時系列データ及び前記第２の時系列データに基づいて、前記特徴量を抽出する、
   　ことを特徴とする請求項１又は２に記載の情報処理装置。
4. 　前記特徴量抽出部は、前記第１の時系列データと前記第２の時系列データとを加算することにより得られる第３の時系列データに基づいて前記特徴量を抽出する、
   　請求項３に記載の情報処理装置。
5. 　前記第１の荷重計測装置は、前記ユーザの足のリスフラン関節よりも踵側に設けられており、
   　前記第２の荷重計測装置は、前記リスフラン関節よりも爪先側に設けられている、
   　請求項３又は４に記載の情報処理装置。
6. 　前記特徴量抽出部は、前記時系列データに含まれるピーク及びディップの少なくとも１つに更に基づいて前記特徴量を抽出する、
   　請求項１乃至５のいずれか１項に記載の情報処理装置。
7. 　前記取得部は、前記荷重計測装置によって計測された前記足底の荷重分布の時系列データを取得し、
   　前記特徴量抽出部は、前記荷重分布の時系列データに基づいて、前記特徴量を抽出する、
   　ことを特徴とする請求項１又は２に記載の情報処理装置。
8. 　請求項１乃至７のいずれか１項に記載の情報処理装置により抽出された前記特徴量に基づいて前記ユーザの体重を推定する、
   　体重推定装置。
9. 　請求項１乃至７のいずれか１項に記載の情報処理装置と、
   　前記特徴量に基づいて前記ユーザの体重を推定する体重推定装置と、
   　前記荷重計測装置と、
   　を備える、体重推定システム。
10. 　ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、
    　前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出するステップと、
    　を備える情報処理方法。
11. 　コンピュータに、
    　ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、
    　前記荷重情報に含まれる時系列データを時間積分することにより、前記ユーザの体重を示す特徴量を抽出するステップと、
    　を備える情報処理方法を実行させるためのプログラムが記憶された記憶媒体。

Images