JP2011152360A - 歩行情報抽出装置、歩行情報抽出方法、及びコンピュータ読み取り可能な記憶媒体 - Google Patents

Abstract

【課題】歩行者の日常の歩行情報を容易に抽出する。
【解決手段】データ記憶部２２には、歩行判定の基準となる参照パラメータが記憶される。データ入出力部２１は、ユーザが日常生活において携帯する携帯端末が具備する加速度センサによって測定された加速度データを取得する。変換部２３は、加速度データを重力成分と主成分分析を利用して座標変換して変換データを生成する。基本周波数パラメータ算出部２４、絶対値パラメータ算出部２５、あるいは規則性パラメータ算出部２６は、変換データから加速度データの性質を表す加速度パラメータを算出する。歩行判定部２７は、加速度パラメータと参照パラメータを比較して加速度データがユーザの歩行時に取得されたデータであるか否かを判定する。
【選択図】 図１

Description

本発明は、歩行情報抽出装置、方向情報検出方法、及びコンピュータ読み取り可能な記憶媒体に関する。

従来、歩行者の歩行の形態を示す歩容情報を取得して、生活改善やリハビリテーションに利用する技術が提案されている。
例えば非特許文献１には、加速度センサによって検知された体幹加速度信号に対してパワースペクトラム分析、二乗平均平方根（root mean square）の算出、自己相関分析、相互相関分析等の波形解析を行い、歩容の滑らかさ、動揺性、対称性や規則性等の歩容指標を作成して、歩容異常の客観的評価を行なう技術が記載されている。この技術では、専用の加速度センサを作成し、歩行者の重心位置近くに当該加速度センサを装着している。

また特許文献１には、被験者の歩容パターンを分類し、分類結果をグラフィック表示する歩容パターン分類表示装置が記載されている。この歩容パターン分類表示装置は、被験者の歩行動作を圧力センサにより計測して歩行パラメータを算出し、データベースの歩行パラメータと照合して歩容パターンを分類する。

特開２００３−２０４９５３号公報（段落００１１〜００１２）

山田，平田，小野，安藤，"体幹加速度由来歩容指標による歩容異常の評価 −歩容指標の変形性股関節患者と健常者との比較，および基準関連妥当性−"，理学療法学，第３３巻第１号，１４〜２１頁（2006年）

しかしながら、非特許文献１に記載の技術では、加速度センサを歩行者の重心位置近くに装着する必要があるため、利用が簡単ではない。また、特許文献１に記載の歩容パターン分類表示装置は、圧力センサを利用しているため、圧力センサが設置された場所でしか歩容パターンを検出できない。このように、これらの技術では、歩行者の歩容情報の検知に特別の装置が必要とされ、歩行者の日常生活における歩容の情報を検知するには制限がある。

本発明は、前記のような問題に鑑みなされたもので、歩行者の日常の歩行情報を容易に抽出できる歩行情報抽出装置、歩行情報抽出方法、及び歩行情報抽出プログラムを記録した媒体を提供することを目的とする。

本発明に係る歩行情報抽出装置は以下のような態様の構成とする。
（１）歩行判定の基準となる参照パラメータを記憶する参照データ記憶手段と、ユーザが日常生活において携帯する携帯端末が具備する加速度センサによって測定された加速度データを取得するデータ取得手段と、前記加速度データを座標変換して変換データを生成する座標変換手段と、前記変換データから、前記加速度データの性質を表す加速度パラメータを算出するパラメータ算出手段と、前記加速度パラメータと前記参照パラメータを比較して、前記加速度データが前記ユーザの歩行時に取得されたデータであるか否かを判定する判定手段を具備する態様とする。
この態様によれば、ユーザの日常生活において測定された加速度データが歩行時のデータであるか否かを容易に判定することができる。

（２）（１）の構成において、前記座標変換手段は、重力方向と主成分分析によって前記加速度データを前後方向、左右方向、上下方向の加速度データに変換する態様とする。
この態様によれば、重力方向と主成分分析によって前記加速度データを前後方向、左右方向、上下方向の３次元の加速度データに変換することができる。

（３）（１）の構成において、前記加速度パラメータは、前記加速度データの基本周波数の分布、絶対値、及び規則性周期の少なくともいずれか１つを含む態様とする。
この態様によれば、基本周波数の分布、絶対値、及び規則性周期等のパラメータに基づいて、加速度データが歩行時のデータであるか否かを判定することができる。

（４）（１）の構成において、前記判定手段によって歩行時のデータであると判定されたデータを外部に提示する提示手段を更に具備する態様とする。
この態様によれば、歩行時のデータを外部に提示し応用することができる。
また本発明に係る歩行情報抽出方法は以下のような態様の構成とする。

（５）歩行判定の基準となる参照パラメータを記憶手段に記憶することと、ユーザが日常生活において携帯する携帯端末が具備する加速度センサによって測定された加速度データを取得することと、前記加速度データを座標変換して変換データを生成することと、前記変換データから、前記加速度データの性質を表す加速度パラメータを算出することと、前記加速度パラメータと前記参照パラメータを比較して、前記加速度データが前記ユーザの歩行時に取得されたデータであるか否かを判定することを備える態様とする。
この態様によれば、ユーザの日常生活において測定された加速度データが歩行時のデータであるか否かを容易に判定することができる。

（６）（５）の構成において、前記加速度パラメータは、前記加速度データの基本周波数の分布、絶対値、及び規則性周期の少なくともいずれか１つを含む態様とする。
この態様によれば、基本周波数の分布、絶対値、及び規則性周期等のパラメータに基づいて、加速度データが歩行時のデータであるか否かを判定することができる。

（７）（５）の構成において、前記ユーザの歩行時のデータであると判定されたデータを外部に提示することを更に備える態様とする。
この態様によれば、歩行時のデータを外部に提示し応用することができる。
また本発明に係るコンピュータ読み取り可能な記憶媒体は以下のような態様の構成とする。

（８）歩行情報抽出装置において用いられるコンピュータに、歩行判定の基準となる参照パラメータを記憶手段に記憶することと、ユーザが日常生活において携帯する携帯端末が具備する加速度センサによって測定された加速度データを取得することと、前記加速度データを座標変換して変換データを生成することと、前記変換データから、前記加速度データの性質を表す加速度パラメータを算出することと、前記加速度パラメータと前記参照パラメータを比較して、前記加速度データが前記ユーザの歩行時に取得されたデータであるか否かを判定することと、を実行させるための歩行情報抽出プログラムを記憶した態様とする。
この態様によれば、ユーザの日常生活において測定された加速度データが歩行時のデータであるか否かを容易に判定することができる。

本発明によれば、ユーザが日常生活において携帯する携帯端末が具備する加速度センサによって測定された加速度データから、当該加速度データの性質を表す加速度パラメータを算出し、当該加速度データが歩行を表すデータであるか否かが判定される。このため、歩行者の日常の歩行情報を容易に抽出できる

本発明の一実施形態に係る歩行情報抽出装置の構成を示すブロック図。 図１に示すデータ記憶部に設けられる加速度データの記憶テーブルの一例を示す図。 図１に示すデータ記憶部に設けられる加速度データの記憶テーブルの他の一例を示す図。 歩行情報抽出装置において実行されるテンプレート歩容ベクトル算出処理を示すフローチャート。 第１〜第３のテンプレート歩容ベクトルデータを記憶する記憶テーブルの一例を示す図。 歩行情報抽出装置において実行される歩行情報抽出処理を示すフローチャート。 データ記憶部の記憶テーブルに格納される歩行データの一例を示す図。 図１に示す表示装置に表示される歩行情報の一例を示す図。 図１に示す表示装置に表示される歩行情報の他の一例を示す図。

以下、図面を参照して本発明による歩行情報抽出装置の実施形態を説明する。
近年のハードウェアの実装技術の高度化によって、センサや携帯端末の小型化がなされ、これらのデバイスが様々なシーンで利用されるようになってきた。特に加速度センサの小型化も進んでおり、加速度センサを具備した携帯端末も普及し始めている。本実施形態では、このような加速度センサ付きの携帯端末をユーザが所持しながら日常生活を送り、日常生活の中で加速度データを取得する。

日常生活の中で取得される加速度データは、例えば電車やバス等の乗り物に乗っている場合、会議中、あるいは階段の上り下り中等、日常の様々なシーンでの加速度データが含まれる。このような加速度センサのデータから、特に歩行中の加速度データが抽出できれば、日常生活での歩容を分析することが可能となる。このように日常生活での歩容を抽出して分析した結果は、生活改善や在宅でのリハビリテーション等、様々な分野で利用されることが期待される。

図１は、本発明の一実施形態に係る歩行情報抽出装置の構成を示すブロック図である。
本実施形態にかかる歩行情報抽出装置２０は、図１に示すように、加速度センサ１０、及び出力装置３０に接続されている。
加速度センサ１０は、例えば携帯電話等の携帯端末に内蔵され、携帯者の移動に基づく加速度データを所定の時間間隔（例えば０．０１秒ごと）で計測する。携帯者は、この加速度センサ１０を内蔵する携帯端末を日常的に携帯して生活を送るものとする。

歩行情報抽出装置２０は、図示しないプロセッサ、プログラムメモリ、ワークメモリを具備し、歩行情報抽出動作を制御する。プログラムメモリに記憶された所定のプログラムをプロセッサが実行することで、歩行情報抽出装置２０の各機能が実現される。歩行情報抽出装置２０は、加速度センサ１０と同様に上記携帯端末に内蔵されるか、あるいは携帯端末には内蔵されずに加速度センサ１０に外部から接続可能な構成を有する。

歩行情報抽出装置２０は、データ入出力部２１、データ記憶部２２、変換部２３、基本周波数パラメータ算出部２４、絶対値パラメータ算出部２５、規則性パラメータ算出部２６、歩行判定部２７、及び歩行データ提示部２８を具備している。
データ入出力部２１は、加速度センサ１０と歩行情報抽出装置２０を接続するインタフェースとして機能する。データ入出力部２１は、加速度センサ１０が加速度データを計測する都度、あるいは歩行情報抽出装置２０が加速度センサ１０に接続される都度、加速度センサ１０の計測結果を取得して、データ記憶部２２に記憶する。

データ記憶部２２は、データ入出力部２１から入力されたデータを記憶するための、例えばフラッシュメモリ等の記憶装置である。図２及び図３は、データ記憶部２２に設けられる加速度データの記憶テーブルの例を示す図である。
図２に示す記憶テーブルＴ２２２には、例えばユーザに携帯端末を保持しながら歩行させる等して予め取得した歩行時の加速度データが、参照用のテンプレート加速度データとして記憶される。また、図３に示す記憶テーブルＴ２２３には、ユーザの日常生活において取得された日常加速度データが記憶される。

これらの記憶テーブルＴ２２２及びＴ２２３には、加速度センサ１０によって取得された、「タイムスタンプ」、「Ｘ軸方向加速度」、「Ｙ軸方向加速度」、及び「Ｚ軸方向加速度」を含むデータ項目のセットが格納される。加速度データのセットには、「グループＩＤ」が付与される。グループＩＤとは、一定期間（例えば１分間）にわたって連続的に取得されたデータセットごとに付与されるユニークなＩＤである。本実施形態では予め測定されたテンプレート加速度データを日常加速度データから区別するために、テンプレート加速度データにはグループＩＤ＝０を付与している。タイムスタンプは、加速度センサ１０が計測を行なった時刻を表す。Ｘ軸方向加速度、Ｙ軸方向加速度、及びＺ軸方向加速度は、加速度センサ１０がタイムスタンプによって表される時刻に計測したそれぞれの軸方向の加速度のデータである。

変換部２３は、テンプレート加速度データ及び日常加速度データに主成分分析を施し、これらの加速度データの座標変換を行なう。
基本周波数パラメータ算出部２４は、座標変換されたテンプレート加速度データに対して周波数分析を行い、基本周波数の分布に基づいて第１のテンプレート歩容ベクトルを算出する。また基本周波数パラメータ算出部２４は、座標変換された日常加速度データに対して周波数分析を行い、基本周波数の分布に基づいて第１の日常歩容ベクトルを算出する。

絶対値パラメータ算出部２５は、座標変換されたテンプレート加速度データの絶対値から、第２のテンプレート歩容ベクトルを算出する。また絶対値パラメータ算出部２５は、座標変換された日常加速度データの絶対値から、第２の日常歩容ベクトルを算出する。

規則性パラメータ算出部２６は、座標変換されたテンプレート加速度データに対して自己相関分析を行い、第３のテンプレート歩容ベクトルを算出する。また規則性パラメータ算出部２６は、座標変換された日常加速度データに対して自己相関分析を行い、第３の日常歩容ベクトルを算出する。

歩行判定部２７は、基本周波数パラメータ算出部２４、絶対値パラメータ算出部２５、及び規則性パラメータ算出部２６で算出された第１〜第３のテンプレート歩容ベクトルと第１〜第３の日常歩容ベクトルを比較して類似度を算出する。歩行判定部２７は、算出された類似度が予め定めた閾値以上になる加速度データを、歩行時の加速度データであると判定する。

歩行データ提示部２８は、出力装置３０に接続されており、歩行判定部２７によって歩行状態であると判定されたデータを出力装置３０に適した形式に変換して、当該出力装置３０に提供する。
出力装置３０は、例えばＬＣＤ等の表示装置を含む。また出力装置２０は、表示装置に代わって、あるいは表示装置に加えてスピーカ等の音声出力装置を具備してもよい。歩行情報抽出装置２０が携帯端末に内蔵されている場合は、出力装置３０は当該携帯端末の表示装置を兼ねてもよい。また、歩行情報抽出装置２０が携帯端末に内蔵されていない場合には、出力装置３０も携帯端末の外部に設けられてもよい。

次に、以上のように構成された歩行情報抽出装置２０の動作について更に詳細に説明する。
（テンプレート歩容ベクトル算出処理）
まず、予めユーザの歩行時に参照用として取得されたテンプレート加速度データから、テンプレート歩容ベクトルを生成する処理について説明する。
図４は、歩行情報抽出装置２０において実行されるテンプレート歩容ベクトル算出処理を示すフローチャートである。

変換部２３は、データ記憶部２２の記憶テーブルＴ２２２からテンプレート加速度データを取得する（ステップＳ４０１）。テンプレート加速度データの各データセットa_ref_org_mは、以下の式（１）で表される。

ここで、ｍは正の整数で、０＜ｍ≦Ｍが成り立つとする。Ｍは、テンプレート加速度データの総数、すなわち、グループＩＤ＝０であるデータセットの総数を示す。ｔ_ｍは一つのタイムスタンプを表す。
式（１）に示すように、データセットの各々は、タイムスタンプｔ_ｍによって指定される加速度データで表される。そして、各データセットは、センサに固定されたセンサ座標系のｘ軸方向の加速度、センサ座標系のｙ軸方向の加速度、及びセンサ座標系のｚ軸方向の加速度を、それぞれｘ成分acc_ref_org_x_m、ｙ成分acc_ref_org_y_m、及びｚ成分acc_ref_org_z_mとするベクトル（加速度ベクトル）で表される。

そして変換部２３は、各データセットの加速度ベクトルに以下のような座標変換を施す（ステップＳ４０２）。
（暫定的な上下方向の決定）
変換部２３は、各データセットの加速度ベクトルの成分を用いて、式（２）より第１重心ベクトルacc_ref_gc1を導出する。

変換部２３は、式（３）を解くことにより、加速度センサ１０に固定されたセンサ座標系における重心の方向（θ_ｘ，θ_ｙ，θ_ｚ）を算出する。

ただし、ｇ＝［０，０，１］^ｔであり、ｚ成分のみをもつ基底ベクトルである。またＲ（θ_ｘ，θ_ｙ，θ_ｚ）は３×３の回転行列である。このように、本実施形態では、回転行列Ｒ（θ_ｘ，θ_ｙ，θ_ｚ）と第１重心ベクトルの方向の単位ベクトルの内積が基底ベクトルｇとなるように、数値計算によって重心の方向（θ_ｘ，θ_ｙ，θ_ｚ）を算出する。

そして、変換部２３は、各データセットの加速度ベクトルについて式（４）によりＲ（θ_ｘ，θ_ｙ，θ_ｚ）を乗算して、第１暫定テンプレート加速度ベクトルacc_ref_temp1_mを算出する。
これにより、ｚ軸方向が上下方向となる第１暫定テンプレート加速度ベクトルを算出する。

（水平面における暫定的前後左右方向の決定）
変換部２３は、第１暫定テンプレート加速度ベクトルのＸ及びＹ方向の加速度成分に対して主成分分析を行って主成分スコアを算出し、式（５）で表される第２暫定テンプレート加速度ベクトルacc_ref_temp2_mを生成する。

これにより、Ｘ軸方向が前後方向、Ｙ軸方向が左右方向となる第２暫定テンプレート加速度ベクトルを算出する。

（上下方向の補正）
変換部２３は、第２暫定テンプレート加速度ベクトルに基づいて式（６）より、第２重心ベクトルacc_ref_gc2を算出する。

変換部２３は、次に、式（７）に基づいて角度θ_ｙを算出する。

そして変換部２３は、式（８）に基づいて第２暫定テンプレート加速度ベクトルacc_ref_mの各成分を変換する。

ただしＲ（−θ_ｙ）は、３×３のＹ軸方向の回転行列である。
このようにして、第２暫定テンプレート加速度ベクトルacc_ref_mが座標変換され、式（９）で表される座標変換後のテンプレート加速度データセットが得られる。
これにより、Ｘ軸方向が前後方向、Ｙ軸方向が左右方向、Ｚ軸方向が上下方向となる座標変換後のテンプレート加速度データセットが得られる。

以上のように各データセットの加速度ベクトルの座標変換が行なわれたら、基本周波数パラメータ算出部２４が、基本周波数パラメータ（すなわち、後述する第１テンプレート歩容ベクトル）を算出する（ステップＳ４０３）。
（基本周波数パラメータの算出）
基本周波数パラメータ算出部２４は、座標変換されたテンプレート加速度データセットに対してスペクトル解析を行い、基本周波数を算出する。基本周波数パラメータ算出部２４は、式（１０）に基づいて基本周波数パラメータ、すなわち第１テンプレート歩容ベクトルp1_refを求める。

ただし、N_ref_xは、ｘ成分（第１成分）acc_ref_x_mの基本周波数が所定の閾値以上となる座標変換されたテンプレート加速度データセットの数を表す。またM_ref_xは、テンプレート加速度データセットの第１成分acc_ref_x_mの基本周波数の総数である。

同様に、N_ref_yは、ｙ成分（第２成分）acc_ref_y_mの基本周波数が、所定の閾値以上となる変換済みテンプレート加速度データセットの数を表す。またM_ref_yは、テンプレート加速度データセットの第２成分acc_ref_y_mの基本周波数の総数である。

同様に、N_ref_zは、z成分（第３成分）acc_ref_z_mの基本周波数が、所定の閾値以上となる変換済みテンプレート加速度データセットの数を表す。またM_ref_zは、テンプレート加速度データセットの第３成分acc_ref_z_mの基本周波数の総数である。

以上のように、基本周波数の分布を表す第１テンプレート歩容ベクトルの各成分が算出される。
また、絶対値パラメータ算出部２５は、絶対値パラメータ（すなわち、後述する第２テンプレート歩容ベクトル）を算出する（ステップＳ４０４）。
（絶対値パラメータの算出）
絶対値パラメータ算出部２５は、変換部２３によって座標変換された変換済みテンプレート加速度データセットから加速度の絶対値を算出し、式（１１）に基づいて第２テンプレート歩容ベクトルp2_refを求める。

以上のように、第２テンプレート歩容ベクトルの各成分が算出される。
また、規則性パラメータ算出部２６は、規則性パラメータ（すなわち、後述する第３テンプレート歩容ベクトル）を算出する（ステップＳ４０５）。
（規則性パラメータの算出）
規則性パラメータ算出部２６は、変換部２３によって座標変換された変換済みテンプレート加速度データセットから、式（１２）による自己相関分析を行い、第３テンプレート歩容ベクトルp3_refを求める。

式（１２）における関数max(F(k))は、kを変数として、F(k)の最大値を返す関数である。
また、式（１２）において、m_ref_x_mはacc_ref_x_mの平均値を表す。またSD_ref_x_mは、acc_ref_x_mの標準偏差である。

同様に、m_ref_y_mはacc_ref_y_mの平均値を表す。またSD_ref_y_mは、acc_ref_y_mの標準偏差である。
更に、m_ref_z_mはacc_ref_z_mの平均値を表す。またSD_ref_z_mは、acc_ref_z_mの標準偏差である。

算出された第３テンプレート歩容ベクトルの各成分は、テンプレート加速度データセットの規則周期性を表す。
以上のように算出された第１〜第３のテンプレート歩容ベクトルのデータは、データ記憶部２２に格納される（ステップＳ４０６）。データ記憶部２２には、例えば図５に示すようなデータ記憶テーブルＴ２２５が設けられる。データ記憶テーブルＴ２２５には、第１〜第３テンプレート歩容ベクトルそれぞれのｘ、ｙ、及びｚ成分が格納され、テンプレート歩容ベクトル算出処理が終了する。

このテンプレート歩容ベクトル算出処理によって算出されたテンプレート歩容ベクトルは、以下に述べる歩行情報抽出処理において、日常加速度データが歩行状態を示すか否かを判断するための基準値として用いられる。
（歩行情報抽出処理）
次に、ユーザが携帯端末を携帯して日常生活を送っている間に計測された日常加速度データから、歩行状態のデータを検出する処理について説明する。図６は、歩行情報抽出装置２０において実行される歩行情報抽出処理を示すフローチャートである。

変換部２３は、データ記憶部２２の記憶テーブルＴ２２３から、グループＩＤ＝ｉの日常加速度データを取得する（ステップＳ６０１）。グループＩＤ＝ｉの日常加速度データの各データセットa_org_ijは、式（１３）で表される。

ここで、ｊは正の整数で、０＜ｊ≦Ｊ_iが成り立つとする。Ｊ_iは、グループＩＤがｉであるデータセットの総数を示す。
式（１３）に示すように、各データセットは、ｘ軸方向の加速度、ｙ軸方向の加速度、及びｚ軸方向の加速度を、それぞれｘ成分acc_org_i_x_j、ｙ成分acc_org_i_y_j、及びｚ成分acc_org_i_z_jとするベクトル（加速度ベクトル）で表される。

そして変換部２３は、各データセットの加速度ベクトルに以下のような座標変換を施す（ステップＳ６０２）。
（暫定的な上下方向の決定）
変換部２３は、各データセットの加速度ベクトルの成分値を用いて、式（１４）よりグループＩＤ＝ｉのデータの第１重心ベクトルacc_org_gc1を導出する。

変換部２３は、式（１５）を解くことにより、グループＩＤ＝ｉのデータについて、加速度センサ１０に固定されたセンサ座標系における重心の方向（θｉ_ｘ，θｉ_ｙ，θｉ_ｚ）を算出する。

テンプレート加速度データの座標変換の際と同様に、ｇ＝［０，０，１］^ｔであり、ｚ成分のみをもつ基底ベクトルである。またＲ（θｉ_ｘ，θｉ_ｙ，θｉ_ｚ）は３×３の回転行列である。
そして、変換部２３は、式（１６）により各データセットの加速度ベクトルについてＲ（θｉ_ｘ，θｉ_ｙ，θｉ_ｚ）を乗算して、グループＩＤ＝ｉのデータの第１暫定日常加速度ベクトルacc_temp1_ijを算出する。

これにより、ｚ軸方向が上下方向となる第１暫定日常加速度ベクトルを算出する。

（水平面における暫定的前後左右方向の決定）
変換部２３は、第１暫定日常加速度ベクトルのＸ及びＹ方向の加速度成分に対して主成分分析を行なって主成分スコアを算出し、式（１７）で表されるグループＩＤ＝ｉの第２暫定日常加速度ベクトルacc_temp2_ijを生成する。

これにより、Ｘ軸方向が前後方向、Ｙ軸方向が左右方向となる第２暫定日常加速度ベクトルを算出する。

（上下方向の補正）
変換部２３は、第２暫定日常加速度ベクトルに基づいて式（１８）より、グループＩＤ＝ｉのグループの第２重心ベクトルacc_gc2_iを算出する。

変換部２３は次に、式（１９）に基づいて、グループＩＤ＝ｉのデータについて角度θｉ_ｙを算出する。

そして変換部２３は、式（２０）に基づいて、グループＩＤ＝ｉのデータについて第２暫定日常加速度ベクトルacc_temp2_ijの各成分を座標変換する。

ただし、Ｒ（−θｉ_ｙ）は、３×３のＹ軸方向の回転行列である。
このようにして、第２暫定日常加速度ベクトルacc_temp2_ijが座標変換され、式（２１）で表されるグループＩＤ＝ｉの座標変換後の日常加速度データセットacc__ijが得られる。

これにより、Ｘ軸方向が前後方向、Ｙ軸方向が左右方向、Ｚ軸方向が上下方向となるグループＩＤ＝ｉの座標変換後の日常加速度データセットが得られる。

以上のように各データセットの加速度ベクトルの座標変換が行なわれたら、基本周波数パラメータ算出部２４が、基本周波数パラメータ（すなわち、後述する第１日常歩容ベクトル）を算出する（ステップＳ６０３）。
（基本周波数パラメータの算出）
基本周波数パラメータ算出部２４は、座標変換されたグループＩＤ＝ｉの日常加速度データセットに対して、スペクトル解析を行い、基本周波数を算出する。基本周波数パラメータ算出部２４は、式（２２）に基づいて第１日常歩容ベクトルp1_iを求める。

ただし、N_i_xは、ｘ成分（第１成分）acc_{i_}_x_jの基本周波数が所定の閾値以上となる座標変換された日常加速度データセットの数を表す。またM_i_xは、グループＩＤ＝ｉの第１成分acc_i_x_jの基本周波数の総数を表す。

同様に、N_i_yは、ｙ成分（第２成分）acc_{i_}_y_jの基本周波数が所定の閾値以上となる座標変換された日常加速度データセットの数を表す。またM_i_yは、グループＩＤ＝ｉの第２成分acc_i_y_jの基本周波数の総数を表す。
同様に、N_i_zは、z成分（第３成分）acc_{i_}_z_jの基本周波数が所定の閾値以上となる座標変換された日常加速度データセットの数を表す。またM_i_zは、グループＩＤ＝ｉの第２成分acc_i_z_jの基本周波数の総数を表す。

以上のように、基本周波数の分布を表す第１日常歩容ベクトルの各成分が算出される。
また、絶対値パラメータ算出部２５は、絶対値パラメータ（すなわち、後述する第２テ日常歩容ベクトル）を算出する（ステップＳ６０４）。
（絶対値パラメータの算出）
絶対値パラメータ算出部２５は、変換部２３によって座標変換されたグループＩＤ＝ｉの変換済み日常加速度データセットから加速度の絶対値を算出し、式（２３）に基づいて第２日常歩容ベクトルp2_iを求める。

以上のように、絶対値パラメータである第２日常歩容ベクトルの各成分が算出される。
また、規則性パラメータ算出部２６は、規則性パラメータ（すなわち、後述する第３日常歩容ベクトル）を算出する（ステップＳ６０５）。
（規則性パラメータの算出）
規則性パラメータ算出部２６は、変換部２３によって座標変換されたグループＩＤ＝ｉの変換済み日常加速度データセットから、式（２４）による自己相関分析を行い、第３日常歩容ベクトルp3_iを求める。

式（２４）における関数max(F(k))は、kを変数として、F(k)の最大値を返す関数である。
また、式（２４）において、m_acc_i_xはacc_i_x_jの平均値を表し、SD_acc_i_xはacc_i_x_jの標準偏差を表す。

同様に、m_acc_i_yはacc_i_y_jの平均値を表し、SD_acc_i_yはacc_i_y_jの標準偏差を表す。
更に、m_acc_i_zはacc_i_z_jの平均値を表し、SD_acc_i_zはacc_i_z_jの標準偏差を表す。
算出された第３日常歩容ベクトルは、日常加速度データセットの規則周期性を表す。

算出されたグループＩＤ＝ｉの第１〜第３の日常歩容ベクトルのデータは、歩行判定部２７に送られ、歩行を表すか否かが判定される（ステップＳ６０７）。
歩行判定部２７は、第１〜第３テンプレート歩容ベクトルをデータ記憶部２２の記憶テーブルＴ２２５から読み出す。そして、グループＩＤ＝ｉの第１〜第３日常歩容ベクトルと第１〜第３テンプレート歩容ベクトルの類似度Ｓｉを式（２５）から算出する。

式（２５）におけるα、β及びγの値は、ユーザの選択に応じて、あるいはデフォルトで定めることができる。これらの値の選び方によって、第１〜第３の歩容ベクトルに重み付けをすることができる。
歩行判定部２７は、算出した類似度の値が所定の閾値以上であれば当該グループＩＤ＝ｉのデータは歩行状態を表すと判定する（ステップＳ６０７で「歩行」）。このグループＩＤ＝ｉのデータのうち必要なデータが抽出されて、データ記憶部２２に備えられた記憶テーブルＴ２２７に記憶される（ステップＳ６０８）。記憶テーブルＴ２２７は、歩行状態を表すと判断されたグループの歩行データを記憶する。図７は、記憶テーブルＴ２２７に格納される歩行データの一例を示す図である。図７に示すように、歩行状態と判定されたグループＩＤ、そのセンシングの開始日時、算出された類似度等が、記憶テーブルＴ２２７に記憶される。また、当該グループＩＤに対応する加速度データのデータセットが、記憶テーブルＴ２２７に記憶されてもよい。

一方、類似度が所定の閾値よりも小さい場合は、グループＩＤ＝ｉのデータは歩行以外の状態を表すと判定する（ステップＳ６０７で「歩行」以外）。
以上のようにして、グループＩＤ＝ｉのデータについて、歩行状態を表すか否かが判定される。
（データの提示）
次に、判定された歩行状態を表す情報のユーザへ提示する一例について説明する。以下では、出力装置３０は表示装置を具備しているとする。

歩行データ提示部２８は、歩行判定部２７による判定結果を受けて、あるいはユーザからの指示に応じて、歩行状態を表すデータを記憶テーブルＴ２２７から読み出す。歩行データ提示部２８は、読み出したデータを出力装置３０に送り、表示装置に表示させる。

図８は表示装置に表示される歩行情報の一例を示す図である。図８に示す例では、歩行判定部２７によって「歩行」と判定されたグループＩＤ、対応するセンシング開始日時と類似度が、類似度の値の順にリスト表示されている。
図９は表示装置に表示される歩行情報の他の一例を示す図である。図９に示す例では、歩行判定部２７によって「歩行」と判定されたグループＩＤについて、測定された加速度データの時系列が、ｘ、ｙ、およびｚ軸についてそれぞれグラフ表示されている。例えば図８に示すリストからユーザが一つのグループＩＤを選択した場合に、当該ＩＤに対応する加速度データが図９に示すようにグラフ表示されてもよい。

以上述べたように、本実施形態に係る歩行情報抽出装置によれば、ユーザが日常的に携帯している加速度センサによって定期的に取得されたデータセットの中から、歩行状態に対応するデータセットを抽出することができる。また、歩行状態と判定されたデータを外部に出力することもできる。更に、抽出された歩行データから当該ユーザの歩行の経時変化を把握することができるようになる。

なお、上述の実施形態では、歩行判定部２７による類似度Ｓｉの算出（ステップＳ６０７）において、座標変換されたテンプレート加速度データセットと座標変換された日常加速度データセットの類似度を第１〜第３の歩容ベクトルに基づいて算出した。しかしながら、加速度ベクトルの絶対値を用いて、同様の処理によって算出してもよい。

また、上述の実施形態では、第１〜第３の歩容ベクトルの要素として、基本周波数、絶対値、及び規則性パラメータのｘ、ｙ及びｚ成分を用いたが、基本周波数、絶対値、及び規則性パラメータに限定されるものではない。加速度データの他の性質を現すパラメータが用いられてもよい。また、基本周波数、絶対値、及び規則性パラメータの全てを用いる必要は必ずしも無く、加速度データの性質を表すいずれか１以上のパラメータが用いられればよい。

また、上述の実施形態では、予め取得した歩行時の加速度データをテンプレート加速度データとしたが、テンプレート加速度データの定め方は、これに限定されない。例えばユーザがデータ記憶部２２に記憶された測定結果から、歩行時に相当するグループＩＤを選択してもよい。その他、歩行情報抽出装置２０の製造時に標準的な歩行時の加速度データを予めテンプレート加速度データとして設定しておく等の構成も可能である。

また、図４のテンプレート歩容ベクトルの算出処理は、歩行情報抽出装置２０の使用開始時等に１回実行すればよく、以降は実行する必要がない。しかしながら、ユーザの指示等に応じて新たに歩行時の加速度データを取得し直し、その後に図４の処理を行ってテンプレート歩容ベクトルを更新してもよい。

尚、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成を削除してもよい。さらに、異なる実施形態例に亘る構成要素を適宜組み合わせてもよい。

１０…加速度センサ、２０…歩行情報抽出装置、２１…データ入出力部、２２…データ記憶部、２３…変換部、２４…基本周波数パラメータ算出部、２５…絶対値パラメータ算出部、２６…規則性パラメータ算出部、２７…歩行判定部、２８…歩行データ提示部、３０…出力装置。

Claims (8)

1. 歩行判定の基準となる参照パラメータを記憶する参照データ記憶手段と、
   ユーザが日常生活において携帯する携帯端末が具備する加速度センサによって測定された加速度データを取得するデータ取得手段と、
   前記加速度データを座標変換して変換データを生成する座標変換手段と、
   前記変換データから、前記加速度データの性質を表す加速度パラメータを算出するパラメータ算出手段と、
   前記加速度パラメータと前記参照パラメータを比較して、前記加速度データが前記ユーザの歩行時に取得されたデータであるか否かを判定する判定手段と、
   を具備する歩行情報抽出装置。
2. 前記座標変換手段は、重力方向と主成分分析によって前記加速度データを前後方向、左右方向、上下方向の加速度データに変換する、請求項１に記載の歩行情報抽出装置。
3. 前記加速度パラメータは、前記加速度データの基本周波数の分布、絶対値、及び規則性周期の少なくともいずれか１つを含む、請求項１に記載の歩行情報抽出装置。
4. 前記判定手段によって歩行時のデータであると判定されたデータを外部に提示する提示手段を更に具備する請求項１に記載の歩行情報抽出装置。
5. 歩行判定の基準となる参照パラメータを記憶手段に記憶することと、
   ユーザが日常生活において携帯する携帯端末が具備する加速度センサによって測定された加速度データを取得することと、
   前記加速度データを座標変換して変換データを生成することと、
   前記変換データから、前記加速度データの性質を表す加速度パラメータを算出することと、
   前記加速度パラメータと前記参照パラメータを比較して、前記加速度データが前記ユーザの歩行時に取得されたデータであるか否かを判定することと、
   を備える歩行情報抽出方法。
6. 前記加速度パラメータは、前記加速度データの基本周波数の分布、絶対値、及び規則性周期の少なくともいずれか１つを含む、請求項５に記載の歩行情報抽出方法。
7. 前記ユーザの歩行時のデータであると判定されたデータを外部に提示することを更に備える請求項５に記載の歩行情報抽出方法。
8. 歩行情報抽出装置において用いられるコンピュータに、
   歩行判定の基準となる参照パラメータを記憶手段に記憶することと、
   ユーザが日常生活において携帯する携帯端末が具備する加速度センサによって測定された加速度データを取得することと、
   前記加速度データを座標変換して変換データを生成することと、
   前記変換データから、前記加速度データの性質を表す加速度パラメータを算出することと、
   前記加速度パラメータと前記参照パラメータを比較して、前記加速度データが前記ユーザの歩行時に取得されたデータであるか否かを判定することと、
   を実行させるための歩行情報抽出プログラムを記憶したコンピュータ読み取り可能な記憶媒体。

Images