JP4956207B2

JP4956207B2 - 背面形状分類判定装置

Info

Publication number: JP4956207B2
Application number: JP2007015450A
Authority: JP
Inventors: 美佐世鈴木; ゆり藤原; 昌司後藤; 敏雄下川
Original assignee: Panasonic Corp; Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Corp; Panasonic Holdings Corp
Priority date: 2007-01-25
Filing date: 2007-01-25
Publication date: 2012-06-20
Anticipated expiration: 2027-01-25
Also published as: JP2008178605A

Description

本発明は、人体の背面形状を分類する背面形状分類判定装置に関するものである。

人体の背面形状を分類する方法としては、従来、所謂Ｓｔａｆｆｅｌの分類法という方法がある。この方法は、人体の背面形状を視覚的、審美眼的観点から、Ｓ字型（脊柱が生理的に自然な湾曲をした形状）、平背型（首〜腰にかけて凹凸がなく平坦な形状）、凹背型（背中が凹んで臀部が突出した形状）、円背型（首〜腰にかけて丸く突出した形状）、凹円背型（Ｓ字型の各部の凹凸が大きい形状）の五種類に分類する方法である。

また、視覚的分類を定量的に分類する方法もある。この方法は、図１５（ａ）に示すような背面形状計測装置１００を用いて、以下のような手順により背面形状を分類する方法である。

尚背面形状計測装置１００は、水平方向に変位可能なプローブ１０１を例えば上下方向に一定間隔を開けて複数備えたもので、図１５（ｂ）に示すように被測定者Ｍの背面にプローブ１０１を押し当てそのときのプローブ１０１の変位量によって図１６に示す被測定者Ｍの背面正中線Ｘの形状を計測する。

さて、この分類方法は、背面形状測定後、背面形状の凹凸部の度合い距離と角度などの特徴点を用いて関数近似し、その後近似関数の数値及び変曲点を算出し、背面形状に関する各種パラメータを導出し、このパラメータを基に、計数型樹木構成法など、各種統計的分類手法を用いて背面形状を分類する方法である。

また人体の姿勢データを予め規定した姿勢パラメータに変換し、この姿勢パラメータを用いて行い、姿勢のゆがみを人体模式図に適用して視覚化して提示する姿勢診断方法等も提供されている（例えば特許文献１）
特開２００３−２５６５６８号公報

ところで、上述のＳｔａｆｆｅｌの分類法を用いる場合、分類者が背面形状を視覚的主観により分類したものであるため、分類基準が明確でないという問題があった。

また、視覚的分類を定量的に分類する方法は、背面形状の凹凸部の距離と角度などの特徴点を用いているが、その距離と角度が背面形状の曲線近似関数から算出されたものであるため、特徴点算出時の誤差などにより情報量が低下する恐れがあった。また、被測定者の身長差などを考慮しておらず、精度の良い背面形状の判定を行うことができなかった。

更に、分類後、Ｓ字型は理想とされているが、その他に分類された姿勢がどの程度理想から離れているか等の情報を得ることができず、またＳ字型と判定された場合においても頭が前方に出ていて理想的な姿勢には見えないという問題点もあった。

本発明は、上述の点に鑑みて為されたもので、その目的とするところは、判定対象の背面形状に対して所定の分類中最も的確な分類を客観的且つ自動的に判定することができる背面形状分類判定装置を提供することにある。

上述の目的を達成するために、請求項１の背面形状分類判定装置に係る発明では、人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段は、前記判定対象の背面形状データと前記各クラスタの背面形状データの代表値との距離を比較して距離が最小となるクラスタに属するように判定することを特徴とする。

請求項１の背面形状分類判定装置に係る発明によれば、判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの距離により数値的に分類（クラスタ）を判定するので、その結果明確な基準で精度良く最も的確な分類を客観的に自動的に判定することができる。しかも、前記判定手段が、前記判定対象の背面形状データと前記各クラスタの背面形状データの代表値との距離を比較して距離が最小となるクラスタに属するように判定することにより、分類判定を高速に判定することができる。

上述の目的を達成するために、請求項２の背面形状分類判定装置に係る発明では、人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段は、前記判定対象の背面形状データと前記各クラスタの背面形状データの全てとの距離を比較して距離が最小となるクラスタに属するように判定することを特徴とする。

請求項２の背面形状分類判定装置に係る発明によれば、判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの距離により数値的に分類（クラスタ）を判定するので、その結果明確な基準で精度良く最も的確な分類を客観的に自動的に判定することができ、さらに、クラスタの大きさやクラスタ内のデータ分散を考慮した判定を行うことができる。

上述の目的を達成するために、請求項３の背面形状分類判定装置に係る発明では、人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段は、各クラスタの背面形状データの代表値と、当該クラスタ内の各背面形状データとの距離に基づいて算出した分散度合いを表す指標により前記判定対象の背面形状データを除した値を比較して距離が最小となるクラスタに属するように判定することを特徴とする。

請求項３の背面形状分類判定装置に係る発明によれば、判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの距離により数値的に分類（クラスタ）を判定するので、その結果明確な基準で精度良く最も的確な分類を客観的に自動的に判定することができ、さらに、少ない計算量でクラスタの大きさやクラスタ内のデータ分散を考慮した判定を行うことができる。

上述の目的を達成するために、請求項４の背面形状分類判定装置に係る発明では、人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段は、理想の背面形状を示す曲線と、前記判定対象の背面形状データとの距離に基づいて理想状態からの前記判定対象の背面形状の乖離状態を評価することを特徴とする。

請求項４の背面形状分類判定装置に係る発明によれば、判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの距離により数値的に分類（クラスタ）を判定するので、その結果明確な基準で精度良く最も的確な分類を客観的に自動的に判定することができ、さらに、予め定められた理想の背面形状や、理想状態の背面形状を示す示すクラスタの代表値との間の距離を求めて理想の背面形状に対する判定対象の背面形状の乖離を評価することができる。

上述の目的を達成するために、請求項５の背面形状分類判定装置に係る発明では、人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段の判定結果を表示する表示部を備え、該表示部は、前記各クラスタの代表値間の距離に基づいて座標系に各クラスタを配置し、前記判定対象の背面形状をクラスタ間の距離に基づいて前記座標系内に表示することを特徴とする。

請求項５の背面形状分類判定装置に係る発明によれば、判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの距離により数値的に分類（クラスタ）を判定するので、その結果明確な基準で精度良く最も的確な分類を客観的に自動的に判定することができ、さらに、各クラスタからどの程度離れているかということを表示部によってグラフ上に表示することができる。

請求項６の背面形状分類判定装置に係る発明では、請求項５の発明において、前記表示部は、前記座標系の軸が背面形状についての特徴を示す指標と相関を持つように軸の設定を行うことを特徴とする。

請求項６の背面形状分類判別測定装置に係る発明によれば、背面形状についてより見易く且つ理解し易いレポートとすることができる。

請求項７の背面形状分類判定装置に係る発明では、請求項５の発明において、前記表示部は、前記座標系の軸が背面形状についての特徴を示す指標と相関を持つように軸を回転させることを特徴とする。

請求項７の背面形状分類判定装置に係る発明によれば、クラスタ間の距離により乖離度合いを表現しつつ、軸に意味を持たせることができる。

請求項８の背面形状分類判定装置に係る発明では、請求項１乃至７の何れかの発明において、前記背面形状は、頭頂部から臀部下端までを上限値及び下限値とするための拡大縮小を行う身長補正と、凹凸方向の基準値を一定にする立ち位置補正をしたものであることを特徴とする。

請求項８の背面形状分類判定装置に係る発明によれば、精度の高い判定を行うことができる。

本発明は、判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの距離により数値的に分類（クラスタ）を判定するので、その結果明確な基準で精度良く最も的確な分類を客観的且つ自動的に判定することできる背面形状分類判定装置を提供できるという効果がある。

以下本発明の背面形状分類判定装置を実施形態により説明する。

（実施形態１）
図１に示す本実施形態の背面形状分類判定装置１は、マイクロコンピュータ等から構成され、演算処理とハードウェアの制御とを行う演算処理部１０と、読み書き自在の記憶部１１と、グラフィック表示が可能な表示部１２と、インターネット等のネットワーク２上に存在する背面形状計測装置３で計測した判定対象の背面形状データや、データベース４に格納されている判定対象の背面形状のデータを外部から取得するための通信部１３とを備えている。通信部１３はネットワーク２からデータ取得を行わない場合は設けなくても良い。尚図１では演算処理部１０と、記憶部１１，表示部１２，通信部１３との間のインターフェースについては図示を省略している。

さて、記憶部１１は、判定処理を行うのに必要な人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて基本データ１１ａとしてデータベース（背面形状データベース）化して記憶する。この基本データ１１ａはユーザーにより容易に書き換え可能なものである。また他に、背面形状の分類の判断基準となる数値や後述する点数換算用のマトリクス表（表３参照）なども基本データ１１ａとして記憶する。

更に記憶部１１は、通信部１３を介してネットワーク２上の背面形状計測装置３やデータベース４から対象となる背面形状の計測データを取得して記憶したり、或いは当該背面形状分類判定装置１に備えている入力手段（図示せず）を用いて入力された判定対象の背面形状の計測データや、解析対象とする範囲を定める始点（頭頂部）／終点（臀部下端）などのデータを計測データ１１ｂとして記憶する。

演算処理部１０は、分類判定の演算処理のための機能として、判定対象の計測データと、複数のクラスタに分けた判断基準となる背面形状データとの距離を算出する距離演算機能１０ａと、距離演算機能１０ａで算出された距離データを基に、判定対象の背面形状データがどのクラスタに属するかを判定する判定処理機能１０ｂと、両処理機能１０ａ，１０ｂの処理結果を受けて、２次元座標マップの座標の計算や姿勢点数の変換などの処理を行う出力用演算機能１０ｃとを備えている。

表示部１２は、判定処理機能１０ｂにより判定された結果や、出力用演算機能１０ｃで算出された算出結果に基づいたレポートを後述するように表示する。

次に本実施形態の背面形状分類判定装置１の分類判定の動作を図２に示すフローチャートに沿って説明する。

まず、演算処理部１０は、通信部１３を通じてネットワーク２上の背面形状計測装置３やデータベース４から判定対象とする背面形状の計測データを取得するか、或いは記憶部１１の計測データ１１ｂから判定対象とする背面形状の計測データを取得する（Ｓ１）。

ここで被測定者から判定対象の背面形状を計測する背面形状計測装置（ネットワーク２の背面形状計測装置３を含む）は、図１５に示す背面形状計測装置１００と同じものであって、例えば上下方向のプローブの数が例えば４１本でその間隔を備え夫々のプローブの変位量（突出量）を出力するようになっている。尚ここではプローブ間隔を３０ｍｍとしたものを用いる。

図３（ａ）は、各プローブ毎の突出量を示す計測データの一例であり、この計測データ値を、縦軸（ｙ軸）にプローブの位置（Ｎｏで示す）を、横軸（ｘ軸）に突出量（ｍｍ）としたグラフ化したものであり、このグラフの曲線が対象背面の曲線を示すことになる。

ここで被測定者の身長や計測に用いる背面形状計測装置３に対する被測定者の立ち位置の違いなどを補正するために、事前処理Ｓ２を行う。

この事前処理Ｓ２では、計測データとともに取得した解析対象とする範囲を定める始点（頭頂）／終点（臀部下端）のデータに基づいて計測データから始点から臀部下端の範囲の計測データのみを切り出す。図４（ａ）は切り出したプローブ毎の突出量を示し、図４（ｂ）は切り出したデータをグラフ化したものを示す。

この切り出し後、この切り出したデータを規定の長さ（ｙ軸）に拡大又は縮小し、また横方向（突出量）についても拡大又は縮小することで、身長補正を行う。例えば１００の長さで身長補正を行う場合には、ｙ軸＝（プローブＮｏ−始点）／（１００／（終点−始点））、突出量／（１００／（終点−始点））と補正する。図５（ａ）はこの１００で身長補正した後のプローブ毎の突出量を示し、図５（ｂ）はそのデータをグラフ化したものを示す。

この身長補正後、立ち位置の前後の誤差を補正するために身長補正したデータの中央値を０に持ってくるようにｘ軸処理を行う。この場合ｘ軸＝突出量−突出量の中央値という形で補正を行う。図６（ａ）は立ち位置補正後のプローブ毎の突出量を示し、図６（ｂ）はそのデータをグラフ化したものを示す。

さて、事前処理Ｓ２を終えたデータを用いて滑らかな曲線を得るための近似曲線を求める処理を行う（Ｓ３）。この処理Ｓ３では例えば９次関数近似を用いて近似式を求め、この近似式から予測値を求める。この予測値を以後の処理において判定対象の背面計測データとして用いる。尚被測定者毎に何次関数近似が最適かを、生の計測データ、又はスプライン近似曲線等との差を見て自動判断を行っても良い。

ここまでが演算処理装置１の背面形状データ取得手段としての演算処理部１０の機能の働きとなる。

さてこの処理Ｓ３を終了した後、演算処理部１０は距離演算機能１０ａによって、記憶部１１から基本データ１１ａを読み出し、各クラスタの背面形状データと判定対象の背面形状データとの距離を演算し、この演算結果を用いて判定処理機能１０ｂにより判定対象の背面形状データがどの分類（クラスタ）に所属するかを判定する（Ｓ４）。

この場合、例えば記憶部１１の基本データ１１ａから各クラスタに所属するｎ名の背面形状データにおけるｘ軸方向の平均値、又は中央値からなる各クラスタの代表値と、判定対象の背面形状データとの距離（ユークリッド距離、ユークリッド平方距離、市街地距離等）を算出し、距離が最も小さい分類（クラスタ）を選択する。

図７は各クラスタ、例えばクラスタ”１”〜”４”の代表値（黒点で示す）と、判定対象のデータαとの距離のイメージを示しており、この図７の例ではクラスタ”３”が選択されることになる。

次にクラスタを選択した後、距離演算機能１０ａにより、当該判定対象の背面形状と理想の背面形状との離れ値を算出する処理を行う（Ｓ５）。

この処理では、基本データ１１ａとして登録されている理想の背面形状データ［最良のクラスタ（例えば近似直線の傾きが垂直に近く、凹凸の少ない形状）の代表値（当該クラスタに所属する所属するｎ名の背面形状データにおけるｘ軸方向の平均値、又は中央値）又は姿勢に関する研究者等の専門家から理想形状と認定された一個人の背面形状データ］と、判定対象の背面形状データとの距離（ユークリッド距離、ユークリッド平方距離、市街地距離等）を理想形状との差（離れ値）として算出する。この算出によって理想の背面形状に対する当該判定対象の背面形状の乖離状態を評価するのである。

この算出後、演算処理部１０は出力用演算機能１０ａによって背面形状データを２次元データに落とし、座標を算出するとともに、ｘ軸に特徴となる指標との相関を持たせるために回転をかける処理を行って、マップ座標算出の処理を行う（Ｓ６）。

この場合各クラスタの代表値（各クラスタに所属する所属するｎ名の背面形状データにおけるｘ軸方向の平均値、又は中央値）間の距離（ユークリッド距離、ユークリッド平方距離、市街地距離等）から座標を算出する。

表１は、７分類（クラスタ）の中央値間のユークリッド平方距離を示しており、この表１に基づいて上述の座標の算出を詳説する。尚表の””内の数字はクラスタＮｏを示す。

ここで、各クラスタ”１”〜”７”の位置Ｐｉを次のようにおく。

Ｐ１：（ｘ１，ｙ１）
Ｐ２：（ｘ２，ｙ２）
Ｐ３：（ｘ３，ｙ３）
Ｐ４：（ｘ４，ｙ４）
Ｐ５：（ｘ５，ｙ５）
Ｐ６：（ｘ６，ｙ６）
Ｐ７：（ｘ７，ｙ７）
また、理想背面形状のクラスタであるクラスタ”２”の座標を（０，０）と定め、もう一点をクラスタ”１”とし、ｙ座標を０に固定すると、三平方の定理より、以下の連立方程式が成り立つ。

ｘ３^２＋ｙ３^２＝ｄ２３ …（１）
ｘ４^２＋ｙ４^２＝ｄ２４ …（２）
ｘ５^２＋ｙ５^２＝ｄ２５ …（３）
ｘ６^２＋ｙ５^２＝ｄ２６ …（４）
ｘ７^２＋ｙ７^２＝ｄ２３ …（５）
（ｘ３−√ｄ１２）^２＋ｙ３^２＝ｄ１３ …（６）
（ｘ４−√ｄ１２）^２＋ｙ４^２＝ｄ１４ …（７）
（ｘ５−√ｄ１２）^２＋ｙ５^２＝ｄ１５ …（８）
（ｘ６−√ｄ１２）^２＋ｙ６^２＝ｄ１６ …（９）
（ｘ７−√ｄ１２）^２＋ｙ７^２＝ｄ１７ …（１０）
尚ｘ、ｙの後ろの数字はクラスタＮｏを、またｄは２点間の距離を示し、後ろの２つの数字は対応する２点のクラスタＮｏを夫々示す。

さて、各クラスタ同士の距離ｄは、表１より明らかであるため、（１）〜（１０）の連立方程式を解くと、全てのｘとｙが求まり、上記例では次のような座標が求められた。

Ｐ１：（−１．１９６４，０）
Ｐ２：（０，０）
Ｐ３：（１．２８６２，０．７６１４１）
Ｐ４：（２．１２０８，２．６６９８）
Ｐ５：（−０．６７２１８，１．５７６４）
Ｐ６：（１．００８７，１．９１６４）
Ｐ７：（０．２４５９９，０．９４６８３）
次に各クラスタの中央値の背面形状データにおける近似曲線の係数を求める。表２は求めた結果を示しており、この表２に示す係数は姿勢が後傾であればマイナス、前傾であればプラス、真っ直ぐに近ければ０に近い値となる。これによりｘ軸が傾きを表すとした場合は、クラスタ”２”とクラスタ”５”がｙ軸上にほぼ並ぶように位置すると言えることになる。

図８は、クラスタ”１”〜”７”の２次元座標のプロットを示し、各黒点は求められた座標であって、夫々に付した数字はクラスタＮｏを示す。尚図中の実線の曲線は各クラスタの背面形状の曲線、破線は理想の背面形状の曲線を示す。

ここで、例えば図９に示すようにクラスタ”５”の座標Ｐ５：（ｘ５，ｙ５）をｘ＝０のｙ軸上に持ってくるには、座標Ｐ２を中心として時計方向に回転させれば良く、この回転角θは、θ＝ｃｏｓ^−１（ｙ５／√ｄ２５）と表すことができ、これを解くとθ＝２３．１°が求まる。

そして回転後の座標Ｐ５’：（ｘ５’，ｙ５’）は、
ｘ５’＝ｘ５ｃｏｓθ−ｙ５ｓｉｎθ
ｙ５’＝ｘ５ｓｉｎθ−ｙ５ｃｏｓθ
となる。

そして座標Ｐ２を中心としてその他の全ての座標Ｐ１〜Ｐ７を上述のように時計方向に２３．１°回転させたときの、新しい座標Ｐ１’〜Ｐ７’は次のようになる。

Ｐ１’：（−１．１００５，０．４６９２６）
Ｐ２’：（０，０）
Ｐ３’：（１．４８１８，０．１９５９３）
Ｐ４’：（２．９９８，１．６２４２）
Ｐ５’：（０，１．７１３８）
Ｐ６’：（１．６７９５，１．３６７２）
Ｐ７’：（０．５９７６４，０．７７４４８）
図１０（ａ）はこの回転後の座標をプロットしたものである。図１０（ｂ）は各クラスタ”１”〜”７”の回転後のｘ座標と近似直線との傾きがどの程度の相関があるかを見るために作成した散布図である。この散布図には正の相関が見られ、相関係数は０．９９８と非常に強い相関関数であることが分かる。

同様にしてクラスタ”１”と、クラスタ”２”からの判定対象のデータに対する距離を用いて座標を求めることが可能である。

上述のようにしてマップ座標の算出処理（Ｓ６）が終了したのち、演算処理部１０は出力用演算機能１０ｃにより、姿勢点数の算出処理を行う（Ｓ７）。

この算出処理は、まず判定対象の背面形状データの近似曲線の傾きをｘ軸、Ｓ５で求めた理想からの離れ値（距離）をｙ軸とし、離れ値から、記憶部１１に基本データ１１ａとして記憶している距離と姿勢点数の関係を示すマトリクス表（表３）を用いて姿勢点数を算出する。

尚頭や腰、臀部などの部位別の項目毎に重み付けして点数を付けるようにしても良い。

而して、演算処理部１０は、判定処理機能１０ｂでの分類（クラスタ）判定の結果や、出力用演算機能１０ｃでの２次元座標や姿勢点数の算出結果に基づいて表示部１２を通じてユーザーに提示するレポート排出の処理を行う（Ｓ８）。

図１１は表示部１２で表示したレポートを示しており、図示するように被測定者の姿勢点数や被測定者の背面形状データの補正・近似後の背面形状と理想の背面形状を重ね表示しあり、被測定者の背骨に対する評価のコメント、Ｓｔｒｆｆｅｌによる分類結果、更に被測定者の姿勢（背面形状）を、各クラスタ間の距離に基づいて２次元座標系内で表示したり、更に各種コメントが表示される。

このレポートを見た被測定者は自己の姿勢と理想の姿勢との離れ具合などが直感的に分かることになる。

尚上述の座標の算出の代わりに、背面形状データの曲線の特徴となる指標を軸に対応付けた座標を算出するようにしても良い。

つまり、この算出によれば、ｘ軸、ｙ軸が共に特徴となる指標と一致した座標を算出することができ、算出時間も短縮できる。

この場合、例えは背面形状の近似直線の傾きをｘ軸とし、理想の背面形状とのユークリッド距離をｙ軸とする座標を算出するのである（尚背面形状の凹凸量などをｙ軸としても良い）。図１２はこの算出した１０００名分の座標をプロットした例を示しており、グレースケールの違いがクラスタの違いを示している。
（実施形態２）
本実施形態では、図２に示すフローチャートの判別の処理（Ｓ４）において、判定対象の背面形状のデータと各クラスタに属する全てのデータとの距離（ユークリッド距離、ユークリッド平方距離、市街地距離等）の平均を算出し、この平均値の最も小さい分類（クラスタ）を選択する点で実施形態１と相違する。

例えば判定対象のデータと、あるクラスタ”Ｎ”に属する背面形状データとの距離をｄ１〜ｄｎとしたとき、クラスタ”Ｎ”の該当データとの距離平均は、数１で示す式のように表せる。

この距離平均値が最も小さい分類（クラスタ）を選択する判定を行うのある。図１３はこの判定のイメージを示しており、該当データαと各クラスタ、例えば”１”〜”４”に属する各データ（黒点）との間の距離を求めてその平均値の最も小さい分類（クラスタ）を選択するのである。

尚その他の構成や動作は実施形態１と同じであるので説明は省略する。

而して本実施形態は、各分類（クラスタ）に属する全てのデータを用いることにより、各分類（クラスタ）の大きさや分散度合いなども考慮にいれた精度の良い判定を行うことができる。
（実施形態３）
本実施形態では、図２に示すフローチャートの判別の処理（Ｓ４）において、判定対象の背面形状のデータと各分類（クラスタ）の代表値（各クラスタに属するｎ名の背面形状データにおけるｘ軸の平均値又は中央値）と、その分類（クラスタ）に属する背面形状データとの距離平均で、判定対象データと各分離（クラスタ）の代表値の距離で除することにより、分布の大きさで規準化した指標を作成し、この指標が最も小さい分類（クラスタ）を選択する点で実施形態１２と相違する。

例えば分類（クラスタ）の代表値と、その分類（クラスタ）に属するデータとの距離平均をｄｍ（このｄｍは予め記憶部１の基準データ１１ａとして記憶されているものとする）とし、判定対象データと分類（クラスタ）の代表値との距離をｄとしたとき、判定対象データとそのクラスタとの基準化した指標は、
ｄ／ｄｍ
で表すことができ、この指標が最も小さい分類（クラスタ）を選択する判定を行うのである。図１４はこの判定のイメージを示しており、各クラスタ、例えば”１”〜”４”に属する各背面形状データ（小黒点）とその代表値（大黒点）との間の距離の平均値ｄｍを求めるとともに、判定対象のデータαと各代表値との距離ｄを求めて上述のように指標を算出し、その指標が最も小さい分類（クラスタ）を選択するのである。

実施形態１の背面形状分類判定装置のブロック図である。実施形態１の分類判定処理の動作説明用フローチャートである。実施形態１に用いる判定対象の背面形状データ例図である。実施形態１に用いる判定対象の背面形状データから切り出した後のデータ例図である。実施形態１に用いる判定対象の背面形状データの身長補正後のデータ例図である。実施形態１に用いる判定対象の背面形状データの立ち位置補正後のデータ例図である。実施形態１の判定対象の背面形状データと各クラスタの代表値との距離を示すイメージ図である。実施形態１の各クラスタの代表値の２次元座標のプロット例図である。実施形態１の座標軸の回転設定の説明図である。（ａ）は実施形態１の座標軸の回転設定後の２次元座標のプロット例図、（ｂ）は実施形態１の各クラスタのｘ座標と近似直線の傾きの散布例図である。実施形態１の表示部でのレポート表示例図である。実施形態１の座標の別の算出法によって算出された結果の２次元座標のプロット例図である。実施形態２における分類判定に用いる各クラスタの代表となる背面形状データの値とクラスタ内の背面形状データとの距離を示すイメージ図である。実施形態３における分類判定に用いる判定対象の背面形状データと各クラスタ内の各背面形状データとの距離を示すイメージ図である。（ａ）は背面形状計測装置の側面図、（ｂ）は背面形状計測装置を用いて計測中の状態を示す側面図である。人体背面の背面正中線の説明図である。

符号の説明

１背面形状分離判定装置
１０演算処理部
１０ａ距離演算機能
１０ｂ判定処理機能
１０ｃ出力用演算機能
１１記憶部
１１ａ基本データ
１１ｂ計測データ
１２表示部
１３通信部
２ネットワーク
３背面形状計測装置
４データベース

Claims

人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段は、前記判定対象の背面形状データと前記各クラスタの背面形状データの代表値との距離を比較して距離が最小となるクラスタに属するように判定することを特徴とする背面形状分類判定装置。
人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段は、前記判定対象の背面形状データと前記各クラスタの背面形状データの全てとの距離を比較して距離が最小となるクラスタに属するように判定することを特徴とする背面形状分類判定装置。
人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段は、各クラスタの背面形状データの代表値と、当該クラスタ内の各背面形状データとの距離に基づいて算出した分散度合いを表す指標により前記判定対象の背面形状データを除した値を比較して距離が最小となるクラスタに属するように判定することを特徴とする背面形状分類判定装置。
人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段は、理想の背面形状を示す曲線と、前記判定対象の背面形状データとの距離に基づいて理想状態からの前記判定対象の背面形状の乖離状態を評価することを特徴とする背面形状分類判定装置。
人体背面の凹凸を関数化した背面形状データを複数のクラスタに分けて記憶した背面形状データベースと、判定対象の背面形状を測定して当該判定対象の背面の凹凸を関数化した背面形状データを取得する背面形状取得手段と、前記判定対象の背面形状データと前記複数のクラスタに含まれる背面形状データとの間の距離に基づいて前記判定対象の背面形状が属するクラスタを決定する判定手段とを備え、前記判定手段の判定結果を表示する表示部を備え、該表示部は、前記各クラスタの代表値間の距離に基づいて座標系に各クラスタを配置し、前記判定対象の背面形状をクラスタ間の距離に基づいて前記座標系内に表示することを特徴とする背面形状分類判定装置。
前記表示部は、前記座標系の軸が背面形状についての特徴を示す指標と相関を持つように軸の設定を行うことを特徴とする請求項５記載の背面形状分類判定装置。
前記表示部は、前記座標系の軸が背面形状についての特徴を示す指標と相関を持つように軸を回転させることを特徴とする請求項５記載の背面形状分類判定装置。
前記背面形状は、頭頂部から臀部下端までを上限値及び下限値とするための拡大縮小を行う身長補正と、凹凸方向の基準値を一定にする立ち位置補正をしたものであることを特徴とする請求項１乃至７の何れかの１項に記載の背面形状分類判定装置。