JP5035370B2 - 運動検出装置、運動検出方法、及びプログラム - Google Patents

Description

本発明は、運動検出装置、運動検出方法、及びプログラムに関する。

身体の動きを分析し、その分析結果を健康状態の管理やリハビリテーションの場面で利用しようという試みが行われている。こうした試みを進める上で問題となるのは、身体の動きを如何にして精度良く検出するかということである。身体の動きは、加速度センサ、ジャイロセンサ、皮膚温センサ、脈拍センサ等の運動センサを利用することにより検出される。例えば、加速度センサやジャイロセンサを利用すると、歩く、走る、座る、立つ、横になる、といった日常的な行動を検出することができる。

運動センサを利用した日常的な行動の検出方法として、例えば、下記の特許文献１には、運動センサによる検出結果を示すセンサデータの波形から日常的な行動を検出する方法が開示されている。通常、座っている状態や横になっている状態では加速度センサにより得られるセンサデータの波形は、振幅の小さいものとなる。そのため、センサデータの振幅が所定の閾値よりも小さい場合には、座っている状態か横になっている状態であると判定することができる。さらに、重力のかかる方向を判別することにより、座っている状態と横になっている状態を区別することも可能である。同文献に開示されている方法を利用すると、このようにして日常的な行動を検出することができる。

また、下記の特許文献２には、日常的な行動の種類ではなく、運動のペースを検出する方法が開示されている。同文献には、例えば、加速度センサにより得られるセンサデータの波形を分析して歩行のペースを検出する方法が開示されている。通常、歩行は、１歩を１周期とする周期的なパターンを持つ運動である。特に、歩行中は、あるペースで腰部、脚部、腕部などの身体部位が運動を繰り返す。そのため、これらの身体部位に加速度センサを装着し、その加速度センサにより得られたセンサデータの波形に現れる周期性を検出することにより、歩行のペースを検出することが可能になる。同文献に開示されている方法を利用すると、このようにして歩行のペースを検出することができる。

特開平１０−２４０２６号公報 特開２００８−１５４７３３号公報

しかしながら、上記の各文献に開示されている方法を利用しても、十分な精度で「運動」（例えば、歩行のような周期性のある動き）を検出することはできない。一般に、センサデータには、ある身体部位の運動を直接反映した周波数成分と、その他の周波数成分が含まれる。その他の周波数成分としては、例えば、運動とは直接関係のない他の身体部位が発生させる細かな振動などがある。運動を反映した周波数成分は、低周波帯域に現れる。一方、その他の周波数成分は、高周波帯域に現れる。しかし、いずれの周波数成分も、同じ生体の動きに起因して生じるものであるため、これらを明確に分けることは容易でない。上記の各文献に開示されている方法は、これら周波数成分を十分な精度で分けることができないため、結果として「運動」を十分な精度で検出することができないのである。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、より精度良く運動のペースを検出することが可能な、新規かつ改良された運動検出装置、運動検出方法、及びプログラムを提供することにある。

上記課題を解決するために、本発明のある観点によれば、身体の動きを検出する動き検出手段と、前記動き検出手段により検出された時系列の動きを示す第１の時間データを周波数領域のデータに変換して第１の周波数データを生成する第１の時間・周波数変換手段と、前記第１の時間・周波数変換手段により生成された第１の周波数データを非線形変換して第２の周波数データを生成する非線形変換手段と、前記非線形変換手段により生成された第２の周波数データを時間領域のデータに変換して第２の時間データを生成する第１の周波数・時間変換手段と、前記第１の周波数・時間変換手段により生成された第２の時間データから低周波成分を抽出して第３の時間データを生成する低周波成分抽出手段と、前記低周波成分抽出手段により生成された第３の時間データを周波数領域のデータに変換して第３の周波数データを生成する第２の時間・周波数変換手段と、前記第２の時間・周波数変換手段により生成された第３の周波数データに現れるピーク位置から前記動きのペースを検出するペース検出手段と、を備える運動検出装置が提供される。

また、前記第１の時間・周波数変換手段は、前記動き検出手段による検出結果のうち、所定のサンプリング周期、所定の切り出し間隔で切り出された第１の時間データを周波数領域のデータに変換して第１の周波数データを生成するように構成されていてもよい。この場合、前記低周波成分抽出手段は、前記所定のサンプリング周期及び前記所定の切り出し間隔に応じた所定の閾値を用いて第２の時間データから低周波成分を抽出する。

また、前記ペース検出手段は、離散的なデータ列である前記第３の周波数データを所定の補間方法により補間し、補間後の前記第３の周波数データに現れるピーク位置から前記動きのペースを検出するように構成されていてもよい。

また、上記の運動検出装置は、前記第２の時間・周波数変換手段により生成された第３の周波数データに対し、前記非線形変換手段による非線形変換の逆変換を施して第４の周波数データを生成する非線形逆変換手段と、前記非線形逆変換手段により生成された第４の周波数データを時間領域のデータに変換して第４の時間データを生成する第２の周波数・時間変換手段と、運動の種別毎に予め生成された前記第４の時間データを蓄積するデータ蓄積手段と、前記動き検出手段により検出された動きに基づいて前記第２の周波数・時間変換手段により生成された第４の時間データと、前記データ蓄積手段に蓄積された第４の時間データとを比較して、前記動き検出手段により検出された動きに対応する運動の種別を判定する運動種別判定手段と、をさらに備えていてもよい。

また、前記運動種別判定手段は、前記動き検出手段により検出された動きに基づいて前記第２の周波数・時間変換手段により生成された第４の時間データと、前記データ蓄積手段に蓄積された第４の時間データとの間のパターン類似度を算出する類似度算出手段と、
前記データ蓄積手段に蓄積された第４の時間データのうち、前記類似度算出手段により算出されたパターン類似度が高い第４の時間データを抽出し、抽出した第４の時間データに対応する運動の種別を出力する判定結果出力手段と、を含んでいてもよい。

また、上記課題を解決するために、本発明の別の観点によれば、身体の動きを検出する動き検出ステップと、前記動き検出ステップで検出された時系列の動きを示す第１の時間データを周波数領域のデータに変換して第１の周波数データを生成する第１の時間・周波数変換ステップと、前記第１の時間・周波数変換ステップで生成された第１の周波数データを非線形変換して第２の周波数データを生成する非線形変換ステップと、前記非線形変換ステップで生成された第２の周波数データを時間領域のデータに変換して第２の時間データを生成する第１の周波数・時間変換ステップと、前記第１の周波数・時間変換ステップで生成された第２の時間データから低周波成分を抽出して第３の時間データを生成する低周波成分抽出ステップと、前記低周波成分抽出ステップで生成された第３の時間データを周波数領域のデータに変換して第３の周波数データを生成する第２の時間・周波数変換ステップと、前記第２の時間・周波数変換ステップで生成された第３の周波数データに現れるピーク位置から前記動きのペースを検出するペース検出ステップと、を含む運動検出方法が提供される。

また、上記課題を解決するために、本発明の他の観点によれば、身体の動きを検出する動き検出機能と、前記動き検出機能により検出された時系列の動きを示す第１の時間データを周波数領域のデータに変換して第１の周波数データを生成する第１の時間・周波数変換機能と、前記第１の時間・周波数変換機能により生成された第１の周波数データを非線形変換して第２の周波数データを生成する非線形変換機能と、前記非線形変換機能により生成された第２の周波数データを時間領域のデータに変換して第２の時間データを生成する第１の周波数・時間変換機能と、前記第１の周波数・時間変換機能により生成された第２の時間データから低周波成分を抽出して第３の時間データを生成する低周波成分抽出機能と、前記低周波成分抽出機能により生成された第３の時間データを周波数領域のデータに変換して第３の周波数データを生成する第２の時間・周波数変換機能と、前記第２の時間・周波数変換機能により生成された第３の周波数データに現れるピーク位置から前記動きのペースを検出するペース検出機能と、をコンピュータに実現させるためのプログラムが提供される。

さらに、上記課題を解決するために、本発明の別の観点によれば、上記プログラムが記録された、コンピュータにより読み取り可能な記録媒体が提供される。

以上説明したように本発明によれば、より精度良く運動のペースを検出することが可能になる。

本発明の第１実施形態に係るセンシング装置、運動解析装置の機能構成について説明するための説明図である。 同実施形態に係る運動解析装置に含まれるデータ処理手段の詳細な機能構成について説明するための説明図である。 センサデータの波形について説明するための説明図である。 スペクトルの形状について説明するための説明図である。 対数スペクトルの形状について説明するための説明図である。 高域フィルタリング後のスペクトル形状について説明するための説明図である。 同実施形態に係る運動検出方法について説明するための説明図である。 本発明の第２実施形態に係る運動解析装置に含まれるデータ処理手段の詳細な機能構成について説明するための説明図である。 同実施形態に係る運動検出方法について説明するための説明図である。 本発明の第１及び第２実施形態に係る運動解析装置の機能を実現することが可能なハードウェア構成について説明するための説明図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

［説明の流れについて］
ここで、以下に記載する本発明の実施形態に関する説明の流れについて簡単に述べる。まず、図１を参照しながら、本発明の第１実施形態に係る運動検出方法を実現するためのシステム構成について説明する。この中で、同実施形態に係るセンシング装置１０、運動解析装置２０の構成について説明する。次いで、図２を参照しながら、同実施形態の運動解析装置２０が有するデータ処理手段２０３の詳細な構成について説明する。次いで、図７を参照しながら、同実施形態に係る運動検出方法について説明する。

次に、図８を参照しながら、本発明の第２実施形態に係る運動解析装置２０が有するデータ処理手段２０３の詳細な構成について説明する。次いで、図９を参照しながら、同実施形態に係る運動検出方法について説明する。次いで、図１０を参照しながら、本発明の第１及び第２実施形態に係る運動解析装置２０の機能を実現することが可能なハードウェア構成について説明する。

＜１：第１実施形態＞
本発明の第１実施形態について説明する。本実施形態は、運動センサにより得られたセンサデータから運動のペースを精度良く検出する方法に関する。

［１−１：はじめに］
まず、運動センサにより得られるセンサデータの特徴について説明する。一例として、ウェイトマシンを４回動作させ、上腕部に取り付けた加速度センサにより得られたセンサデータの測定値を図３に示した。図３のセンサデータを参照すると、波形の中に振幅が大きな部分と小さな部分が存在していることが分かる。また、振幅が大きな部分と小さな部分とが交互に繰り返されていることが分かる。このように、センサデータには、運動の動作を反映した特徴的なパターンが含まれている。

こうしたパターンは、波形の包絡線に相当する概形（以下、スペクトル包絡成分）として現れる。しかし、図３の例からも分かるように、センサデータの波形には細かな振動成分（以下、スペクトル微細構造）が含まれている。そのため、センサデータの波形に現れる特徴的なパターンを精度良く分析するには、スペクトル微細構造とスペクトル包絡成分を分離しなければならない。しかし、従来の方法では、スペクトル微細構造とスペクトル包絡成分を十分に分離した後で運動の分析が行われておらず、十分な精度で運動のペースを検出することができなかった。そこで、本件発明者は、運動のペースを検出する際に妨げとなるスペクトル微細構造を十分に除去し、より精度良く運動のペースを検出する方法を考案した。以下、この方法について詳細に説明する。

［１−２：システム構成］
まず、図１を参照しながら、本実施形態に係るシステム構成について説明する。特に、本実施形態に係るセンシング装置１０の構成、運動解析装置２０の構成について説明する。図１は、本実施形態に係るセンシング装置１０、運動解析装置２０の構成を説明するための説明図である。

このシステムは、センシング装置１０、及び運動解析装置２０により構成される。センシング装置１０は、運動センサの機能を提供する。例えば、センシング装置１０は、上腕、手首、腰部など、身体部位に装着して用いられる。一方、運動解析装置２０は、センシング装置１０により取得されたセンサデータを解析して運動のペースを検出するために用いられる。なお、センシング装置１０と運動解析装置２０は、有線又は無線の通信路により接続されている。そして、センシング装置１０により取得されたセンサデータは、有線又は無線の通信路を通じて運動解析装置２０に送信される。なお、無線の通信路としては、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＺｉｇＢｅｅ（登録商標）、無線ＬＡＮなどを適用することができる。

（センシング装置１０の構成）
図１に示すように、センシング装置１０は、主に、センシング手段１０１と、データ送信手段１０２とを有する。

センシング手段１０１は、例えば、加速度センサ、ジャイロセンサ、皮膚温センサ、脈拍センサ、角速度センサ、筋電位センサ、傾きセンサなどの運動センサである。なお、以下では、説明の都合上、センシング手段１０１として加速度センサを想定する。もちろん、センシング手段１０１は、加速度センサに限定されない。センシング装置１０を装着したユーザが運動を行うと、センシング手段１０１は、その運動を検出してセンサデータを出力する。例えば、センシング手段１０１は、運動に起因して生じた加速度を検出し、その加速度データをセンサデータとして出力する。センシング手段１０１から出力されたセンサデータは、データ送信手段１０２に入力される。センサデータが入力されると、データ送信手段１０２は、有線又は無線の通信路を通じて、入力されたセンサデータを運動解析装置２０に送信する。

（運動解析装置２０の構成）
一方、運動解析装置２０は、図１に示すように、主に、データ受信手段２０１と、データ蓄積手段２０２と、データ処理手段２０３と、表示手段２０４とを有する。

センシング装置１０から送信されたセンサデータは、データ受信手段２０１により受信される。データ受信手段２０１により受信されたセンサデータは、データ蓄積手段２０２に蓄積される。データ蓄積手段２０２に蓄積されたセンサデータは、データ処理手段２０３により読み出される。そして、データ処理手段２０３は、データ蓄積手段２０２から読み出したセンサデータを解析して運動のペースを検出する。なお、データ処理手段２０３の構成については、後段において詳述する。データ処理手段２０３により運動のペースが検出されると、その検出結果は、表示手段２０４に入力される。そして、表示手段２０４は、データ処理手段２０３により検出された運動のペースを表示する。

以上説明したように、センシング装置１０によりセンサデータが取得され、運動解析装置２０によりセンサデータから運動のペースが検出される。本実施形態は、データ処理手段２０３によるセンサデータの解析方法に特徴がある。そこで、以下では、データ処理手段２０３の構成について、より詳細に説明する。

［１−３：データ処理手段２０３の詳細］
図２に示すように、データ処理手段２０３は、主に、第１周波数変換手段２０３１と、対数変換手段２０３２と、周波数逆変換手段２０３３と、低域通過フィルタ２０３４と、第２周波数変換手段２０３５と、ペース検出手段２０３６とを有する。

上記の通り、データ処理手段２０３は、データ蓄積手段２０２に蓄積されたセンサデータを読み出し、読み出したセンサデータを解析して運動のペースを検出する。データ蓄積手段２０２には、センシング装置１０から送信されたセンサデータが蓄積されている。このセンサデータは、所定のサンプリング周期（例えば、サンプリング周波数５０Ｈｚなど）でセンシング手段１０１により検出された時系列のデータ（例えば、図３を参照）である。データ処理手段２０３は、データ蓄積手段２０２に蓄積されたセンサデータを読み出す際、所定の時間間隔（切り出し区間）で解析対象とするセンサデータを切り出す。

なお、運動の種別が切り替わったタイミングを検出可能であり、運動の始点、終点がセンサデータから読み取れる場合、データ処理手段２０３は、運動の始点から終点までの区間を解析対象の切り出し区間に設定してセンサデータを切り出す。一方、運動の始点、終点がセンサデータから読み取れない場合、データ処理手段２０３は、任意に設定した切り出し区間（例えば、２秒、４秒など）に基づいて解析対象のセンサデータを切り出す。また、センシング装置１０のセンシング手段１０１が２軸加速度センサや３軸加速度センサなどである場合、軸毎に検出されたセンサデータの合成などが必要になるが、この合成は、例えば、センサデータが読み出されたタイミングで実行される。

このようにしてデータ蓄積手段２０２から読み出されたセンサデータは、第１周波数変換手段２０３１に入力される。なお、第１周波数変換手段２０３１に入力されるセンサデータは時間領域のデータであるため、以下では、このデータを第１の時間データと呼ぶことにする。第１の時間データが入力されると、第１周波数変換手段２０３１は、入力された第１の時間データに所定の時間・周波数変換を施して周波数領域のデータ（以下、第１の周波数データ）を算出する。所定の時間・周波数変換としては、例えば、フーリエ変換、アダマール変換、コサイン変換、ヒルベルト変換、離散ウェーブレット変換などを適用することができる。なお、以下では、所定の時間・周波数変換としてフーリエ変換を想定して説明する。

第１の時間データをフーリエ変換して得られた第１の周波数データは、例えば、図４のような波形になる。図４は、図３に示した第１の時間データをフーリエ変換して得られた第１の周波数データ（スペクトル強度）である。このフーリエ変換により、ナイキスト周波数（サンプリング周波数の１／２）までのスペクトル強度が得られる。なお、第１の時間データをｘ_ｋ（ｋ＝０，…，Ｎ−１）、第１の周波数データをＸ_ｎ（ｎ＝０，…，Ｎ−１）とすると、第１の周波数データＸ_ｎは、下記の式（１）により得られる。なお、｜Ｘ_ｎ｜^２をスペクトル強度と呼ぶことにする。また、第１の周波数データＸ_ｎを解析する際には、センサデータの測定時などに生じるランダムノイズの影響を除去するため、複数の第１の周波数データＸ_ｎを平均したピリオドグラムを利用する方が好ましい。

…（１）

このようにして第１周波数変換手段２０３１により算出された第１の周波数データＸ_ｎは、対数変換手段２０３２に入力される。第１の周波数データが入力されると、対数変換手段２０３２は、入力された第１の周波数データのスペクトル強度｜Ｘ_ｎ｜^２に対数変換を施して第２の周波数データ（対数スペクトル強度：ｌｏｇ｜Ｘ_ｎ｜^２）を算出する。先に述べた通り、センサデータには、運動のペースに直接関係する低周波成分と、その他の動きから生じる高周波成分とが含まれる。いま、低周波成分に対応する第１の周波数データＸ_ｎの成分をＬ_ｎ、高周波成分に対応する成分をＨ_ｎとすると、対数スペクトル強度ｌｏｇ｜Ｘ_ｎ｜^２は、下記の式（２）のように展開される。

…（２）

上記の式（２）からも分かるように、対数変換を施すことにより、畳込み演算の形で第１の周波数データに含まれていたセンサデータの低周波成分と高周波成分が和演算の形に変換される。このように、畳み込み演算の形から和演算の形に変換されることで、低周波成分と高周波成分を切り分けるのが容易になる（図５を参照）。なお、ここでは対数変換を例に挙げたが、対数変換と同様の効果を得ることが可能な他の非線形変換手法を適用することも可能である。他の非線形変換手法として、例えば、「スペクトル強度の逆変換の負数（−１／｜Ｘ_ｎ｜^２）」や「平方根変換」などを適用することもできる。

このようにして対数変換手段２０３２により算出された第２の周波数データは、周波数逆変換手段２０３３に入力される。第２の周波数データが入力されると、周波数逆変換手段２０３３は、入力された第２の周波数データに所定の周波数・時間変換を施して第２の時間データを算出する。ここで用いる所定の周波数・時間変換は、第１周波数変換手段２０３１による所定の時間・周波数変換の逆変換である。従って、利用する所定の時間・周波数変換の種類に応じて、ここで利用する所定の周波数・時間変換の種類も決まる。但し、ここでは逆フーリエ変換（下記の式（３）を参照）が第２の周波数データに施され、第２の時間データが算出されるものとする。

…（３）

このようにして周波数逆変換手段２０３３により算出された第２の時間データは、低域通過フィルタ２０３４に入力される。第２の時間データが入力されると、低域通過フィルタ２０３４は、入力された第２の時間データに含まれる高周波成分をカットし、低周波成分を抽出する。通常、運動により生じる低周波成分の帯域と高周波成分の帯域は近い。そのため、対数変換手段２０３２により対数変換が行われていない場合には、低域通過フィルタ２０３４により精度良く高周波成分だけをカットするのは難しい。しかし、低域通過フィルタ２０３４に入力される第２の時間データは、一旦対数変換されたものであり、低周波成分と高周波成分が周波数軸上で分離されているため、低域通過フィルタ２０３４により容易に高周波成分だけをカットすることができる。

ここで、運動の強度と高周波成分の関係について説明する。一般に、加速度の大きな運動をする場合には運動する身体部位にかかる負荷（抵抗）が小さくなる。そのため、運動の際に身体に生じる微細な振動（高周波成分に相当）は比較的粗い振動（比較的周波数の低い振動）になる。一方、加速度の小さな運動（低周波成分に相当）をする場合には運動する身体部位にかかる負荷（抵抗）が大きくなる。そのため、運動の際に身体に生じる微細な振動（高周波成分に相当）は比較的細かな振動（比較的周波数の高い振動）になる。

運動の強度が大きい場合、スペクトル強度の最大値｜Ｘ_ｍａｘ｜^２は大きくなる。この場合、高周波成分のピークは比較的低域に現れる。一方、運動の強度が小さい場合、スペクトル強度の最大値｜Ｘ_ｍａｘ｜^２は小さくなる。この場合、高周波成分のピークは比較的高域に現れる。つまり、スペクトル強度の最大値｜Ｘ_ｍａｘ｜^２の大小に応じて高周波成分のピークが現れる位置が変化する。そこで、低域通過フィルタ２０３４において高周波成分をカットするために利用する閾値ｑは、スペクトル強度の最大値｜Ｘ_ｍａｘ｜^２に応じた値に設定される（下記の式（４）を参照）。

…（４）

但し、上記の式（４）においてパラメータαは、サンプリング周波数と切り出し区間の長さに応じて決まる定数である。このパラメータαは、事前実験により予め測定された値が用いられる。例えば、事前実験としてｎ個のセンサデータを測定し、それぞれに対してスペクトル強度｜Ｘ_ｍａｘ｜^２を検出した上で、図５に示したスペクトルの谷を決定する。このスペクトルの谷は、高周波成分のピークよりも低域に位置し、対数スペクトル強度が最小となる周波数軸上の位置を示す。

このスペクトルの谷をｎ個のセンサデータについて検出し、上記の式（４）のｑに代入する。さらに、ｎ個のセンサデータについて検出したスペクトル強度｜Ｘ_ｍａｘ｜^２を上記の式（４）に代入する。そして、上記の式（４）により得られたｎ個のパラメータαを利用し、２乗誤差の和が最小となるパラメータαの値を回帰分析などを用いて推定する。このような方法を適用することにより、上記の式（４）に含まれるパラメータαを得ることができる。例えば、サンプリング周波数５０Ｈｚ、切り出し区間４秒の場合、α＝２．１×１０^−１７と推定される。

上記の閾値ｑを用いて低域通過フィルタ２０３４により高周波成分がカットされたデータ（以下、第３の時間データ）は、第２周波数変換手段２０３５に入力される。第３の時間データが入力されると、第２周波数変換手段２０３５は、入力された第３の時間データに時間・周波数変換を施して第３の周波数データを算出する。ここで用いる所定の時間・周波数変換は、第１周波数変換手段２０３１による所定の時間・周波数変換と同じである。ここではフーリエ変換が第３の時間データに施され、第３の周波数データが算出されるものとする。

このようにして第２周波数変換手段２０３５により算出された第３の周波数データは、ペース検出手段２０３６に入力される。第３の周波数データが入力されると、ペース検出手段２０３６は、入力された第３の周波数データに現れるピークを検出し、検出したピークが位置する周波数を運動のペースとして出力する。このとき、ペース検出手段２０３６は、離散的なデータ列である第３の周波数データに所定の線形又は非線形補間を施し、補間後の第３の周波数データ（図６を参照）からピークを検出する。ペース検出手段２０３５から出力された運動のペースは、表示手段２０４に入力される。

ここで、補間の必要性について説明を補足する。一般に、ウェイトマシンを用いた運動のペースは０．１〜０．５Ｈｚ程度である。例えば、切り出し区間を４秒とすると、周波数分解能は０．２５Ｈｚ（４秒の逆数）となる。つまり、０．２５Ｈｚ程度の分解能では、０．１〜０．５Ｈｚ程度の運動ペースを十分な精度で検出することができない。１ｋＨｚ程度の信号を解析する場合には、このような問題は生じない。しかしながら、周波数の低い運動ペースを解析する場合には、低い分解能を補償して十分な精度で運動ペースを検出できるようにする工夫が必要になる。

その工夫として、本件発明者は、離散的なデータ列で得られる第３の周波数データを補間する方法を考案した。補間方法としては、例えば、スプライン補間、ラグランジュ補間、エルミート補間などが適用可能である。３次スプライン補間の場合、次のような方法で第３の周波数データを補間することができる。

周波数とスペクトル強度の組を（ｆ_０，ｐ_０）、…、（ｆ_Ｎ，ｐ_Ｎ）とし、区間［ｆ_ｊ，ｆ_ｊ＋１］における補間関数をＳ_ｊ（ｘ）とすると、この補間関数Ｓ_ｊ（ｘ）は、未知定数ａ_ｊ，ｂ_ｊ，ｃ_ｊ，ｄ_ｊを用いて、下記の式（５）のように表現される。未知定数が４個あるため、これらの未知定数を決めるために４×Ｎ個の方程式をたてる。なお、境界条件から下記の式（６）〜式（９）の方程式が得られる。これら４×Ｎ個の方程式を解くことにより、４個の未知定数が算出され、３次スプライン関数Ｓ_ｊ（ｘ）が得られる。このような補間を行うことにより、分解能不足を補って高い精度で運動のペースが検出される。

（ｊ＝０，１，２，…，Ｎ−１）
…（５）

…（６）

（Ｓ’はＳの一次導関数）
…（７）

（Ｓ”はＳの二次導関数）
…（８）

（Ｓ”はＳの二次導関数）
…（９）

以上、データ処理手段２０３の詳細な構成について説明した。

［１−４：運動検出方法］
次に、図７を参照しながら、本実施形態に係る運動検出方法について説明する。図７は、本実施形態に係る運動検出方法を実現するための処理の流れを示す説明図である。ここでは、上記のセンシング装置１０、運動解析装置２０の動作フローについて述べる。

まず、センシング装置１０により運動が検出され、センサデータが取得される（Ｓ１０１）。次いで、センシング装置１０から運動解析装置２０へとセンサデータが送信され、運動解析装置２０によりセンサデータの切り出しなどが実行される（Ｓ１０２）。この段階で、データ処理手段２０３により処理可能な形式にセンサデータが前処理される。次いで、データ処理手段２０３は、センサデータ（第１の時間データ）に時間・周波数変換を施して第１の周波数データを生成する（Ｓ１０３）。

次いで、データ処理手段２０３は、第１の周波数データのスペクトル強度に対数変換を施して第２の周波数データを生成する（Ｓ１０４）。次いで、データ処理手段２０３は、第２の周波数データに周波数・時間変換を施して第２の時間データを生成する（Ｓ１０５）。次いで、データ処理手段２０３は、第２の時間データに高域フィルタリングを施して高周波成分をカットし、第３の時間データを生成する（Ｓ１０６）。

次いで、データ処理手段２０３は、第３の時間データに時間・周波数変換を施して第３の周波数データを生成する（Ｓ１０７）。次いで、データ処理手段２０３は、第３の周波数データにスプライン補間を施し、補間後の第３の周波数データから運動のペースを検出する（Ｓ１０８）。次いで、表示手段２０４は、データ処理手段２０３により検出された運動のペースを表示する（Ｓ１０９）。以上説明した流れで処理が実行され、本実施形態に係る運動検出方法が実現される。

以上、本発明の第１実施形態について説明した。

＜２：第２実施形態＞
本発明の第２実施形態について説明する。本実施形態は、上記の第１実施形態に係るセンサデータの分析方法を運動種別の判定に応用した運動検出方法に関する。なお、上記の第１実施形態との主な違いは、データ処理手段２０３の構成にある。そのため、以下では重複する説明を省略して相違点についてのみ詳細に述べる。

［２−１：データ処理手段２０３の詳細］
図８に示すように、本実施形態に係るデータ処理手段２０３は、主に、第１周波数変換手段２１３１と、対数変換手段２１３２と、第１周波数逆変換手段２１３３と、低域通過フィルタ２１３４と、第２周波数変換手段２１３５と、指数変換手段２１３６と、第２周波数逆変換手段２１３７と、運動判定手段２１３８と、教師データ蓄積手段２１３９とを有する。

上記の第１実施形態と同様、データ蓄積手段２０２から読み出されたセンサデータは、第１周波数変換手段２１３１に入力される。また、第１周波数変換手段２１３１に入力されるセンサデータを第１の時間データと呼ぶ。第１の時間データが入力されると、第１周波数変換手段２１３１は、入力された第１の時間データに所定の時間・周波数変換を施して周波数領域のデータ（以下、第１の周波数データ）を算出する。所定の時間・周波数変換としては、例えば、フーリエ変換、アダマール変換、コサイン変換、ヒルベルト変換、離散ウェーブレット変換などを適用することができる。なお、以下では、所定の時間・周波数変換としてフーリエ変換を想定して説明する。

第１の時間データをフーリエ変換して得られた第１の周波数データは、対数変換手段２１３２に入力される。第１の周波数データが入力されると、対数変換手段２１３２は、入力された第１の周波数データのスペクトル強度｜Ｘ_ｎ｜^２に対数変換を施して第２の周波数データ（対数スペクトル強度：ｌｏｇ｜Ｘ_ｎ｜^２）を算出する。なお、ここでは対数変換を例に挙げたが、対数変換と同様の効果を得ることが可能な他の非線形変換手法を適用することも可能である。他の非線形変換手法として、例えば、「スペクトル強度の逆変換の負数（−１／｜Ｘ_ｎ｜^２）」や「平方根変換」などを適用することもできる。

このようにして対数変換手段２１３２により算出された第２の周波数データは、第１周波数逆変換手段２１３３に入力される。第２の周波数データが入力されると、第１周波数逆変換手段２１３３は、入力された第２の周波数データに所定の周波数・時間変換を施して第２の時間データを算出する。ここで用いる所定の周波数・時間変換は、第１周波数変換手段２１３１による所定の時間・周波数変換の逆変換である。

このようにして第１周波数逆変換手段２１３３により算出された第２の時間データは、低域通過フィルタ２１３４に入力される。第２の時間データが入力されると、低域通過フィルタ２１３４は、入力された第２の時間データに含まれる高周波成分をカットし、低周波成分を抽出する。なお、低域通過フィルタ２１３４の構成は、上記の第１実施形態に係る低域通過フィルタ２０３４の構成と実質的に同じである。つまり、先に説明した閾値ｑを用いて、低域通過フィルタ２１３４により高周波成分がカットされたデータ（以下、第３の時間データ）が得られ、そのデータは第２周波数変換手段２１３５に入力される。

第３の時間データが入力されると、第２周波数変換手段２１３５は、入力された第３の時間データに時間・周波数変換を施して第３の周波数データを算出する。ここで用いる所定の時間・周波数変換は、第１周波数変換手段２１３１による所定の時間・周波数変換と同じである。このようにして第２周波数変換手段２１３５により算出された第３の周波数データは、指数変換手段２１３６に入力される。第３の周波数データが入力されると、指数変換手段２１３６は、入力された第３の周波数データに指数変換を施して第４の周波数データを生成する。

この指数変換は、対数変換手段２１３２による対数変換の逆変換である。従って、対数変換に代えて他の非線形変換が利用される場合には、指数変換に代えて他の非線形変換の逆変換が適用される。このようにして指数変換手段２１３６により生成された第４の周波数データは、第２周波数逆変換手段２１３７に入力される。第４の周波数データが入力されると、第２周波数逆変換手段２１３７は、入力された第４の周波数データに所定の周波数・時間変換を施して第４の時間データを生成する。ここで用いる所定の周波数・時間変換は、第１周波数変換手段２１３１による所定の時間・周波数変換の逆変換である。

このようにして第２周波数逆変換手段２１３７により生成された第４の時間データは、運動判定手段２１３８に入力される。第４の時間データが入力されると、運動判定手段２１３８は、入力された第４の時間データと教師データ蓄積手段２１３９に予め蓄積された教師データを比較して運動の種別を判定する。

ここで、教師データ蓄積手段２１３９に予め蓄積された教師データについて説明する。ここで言う教師データとは、予め運動の種別が分かっている特徴的なデータのことをである。例えば、歩行中にセンシング装置１０により検出されたセンサデータ、或いは、このセンサデータを加工して生成されたデータは、「歩行」という運動の種別を反映した特徴的なデータになる。このように、運動の種別毎に予め検出・加工された特徴的なデータのことを教師データと呼ぶ。教師データ蓄積手段２１３９には、様々な運動の種類について、予め生成された教師データが蓄積されている。

ここでは、低域通過フィルタ２１３４により高周波成分がカットされ、運動種別を特徴付けるセンサデータのスペクトル包絡成分を強く反映した特徴的なデータを教師データとして利用する。具体的には、例えば、所定の運動種別毎にセンシング装置１０により検出されたセンサデータを第１周波数変換手段２１３１、対数変換手段２１３２、第１周波数逆変換手段２１３３、低域通過フィルタ２１３４、第２周波数変換手段２１３５、指数変換手段２１３６、第２周波数逆変換手段２１３７により加工したデータ（第４の時間データ）が教師データ蓄積手段２１３９に蓄積される。

第４の時間データは、スペクトル微細構造が抑圧されたセンサデータに相当する。従って、予め運動種別の分かっている第４の時間データを教師データに用い、この教師データと、実際に測定されたセンサデータから得られる第４の時間データとを比較することにより、より高い精度で運動種別を判定することが可能になる。なお、第４の時間データそのものだけでなく、先に説明した第１実施形態の運動検出方法により得られる運動のペース、第４の時間データの窓平均値（所定長の区間で切り出した成分毎の平均値）、分散、ピーク強度、ピーク位置などを教師データとして利用してもよい。

実際に測定されたセンサデータについて第４の時間データが得られ、その第４の時間データが入力されると、運動判定手段２１３８は、入力された第４の時間データ（以下、実測データ）と教師データ蓄積手段２１３９から読み出した教師データを比較する。上記の通り、比較対象となるデータの要素は、例えば、第４の時間データの各時点における値（第４の時間データの波形に相当）や運動のペースなどを含む。運動判定手段２１３８は、これらの要素を並べて特徴量ベクトルとして表現し、実測データの特徴量ベクトルと教師データの特徴量ベクトルの類似度（以下、パターン類似度）を算出する。

上記の通り、教師データ蓄積手段２１３９には、運動種別毎に教師データが蓄積されている。そこで、運動判定手段２１３８は、運動種別毎にパターン類似度を算出し、パターン類似度の高い教師データを検出し、その検出結果から実測データに対応する運動種別を判定する。パターン類似度の比較、運動種別の判定は、例えば、サポートベクタマシンや隠れマルコフモデルに基づくパターン認識器を利用して実現される。

ここで、第４の時間データの波形パターンを比較する方法について考えてみたい。この場合、まず、所定の時間間隔で切り出した実測データと同じ時間間隔に対応する教師データを用意する。また、その時間間隔の中で実測データと教師データをそれぞれ正規化しておく。例えば、各時刻のデータ値を、その時間間隔における合計のデータ値で割り算しておく。このような前処理を施しておくことにより、測定毎にばらつきのあるセンサデータの強度に関わらず、実測データの波形と教師データの波形を比較できるようになる。

このようにして正規化された時刻ｋの実測データをｆ_ｋ、運動種別Φに対応する時刻ｋの教師データをｆ_ｋΦとすると、時刻ｋにおける実測データと教師データの差異は、｛ｆ_ｋ−ｆ_ｋΦ｝で与えられる。運動判定手段２１３８は、教師データ蓄積手段２１３９に蓄積された全ての運動種別Φに対応する教師データについて、下記の式（１０）で与えられるパラメータＱ_Φを算出する。そして、運動判定手段２１３８は、このパラメータＱ_Φが最小となる運動種別Φを検出し、検出した運動種別Φを実測データの運動種別と判定する。

…（１０）

このようにして運動判定手段２１３８により判定された実測データの運動種別は、表示手段２０４に入力される。実測データの運動種別が入力されると、表示手段２０４は、入力された実測データの運動種別を表示する。このとき、上記の第１実施形態と同様にデータ処理手段２０３により運動のペースが検出されている場合には、表示手段２０４に運動のペースが併せて表示されるように構成されていてもよい。

以上、本発明の第２実施形態に係るデータ処理手段２０３の構成について説明した。

［２−２：運動検出方法］
次に、図９を参照しながら、本実施形態に係る運動検出方法について説明する。図９は、本実施形態に係る運動検出方法を実現するための処理の流れを示す説明図である。ここでは、上記のセンシング装置１０、運動解析装置２０の動作フローについて述べる。

まず、センシング装置１０により運動が検出され、センサデータが取得される（Ｓ２０１）。次いで、センシング装置１０から運動解析装置２０へとセンサデータが送信され、運動解析装置２０によりセンサデータの切り出しなどが実行される（Ｓ２０２）。この段階で、データ処理手段２０３により処理可能な形式にセンサデータが前処理される。次いで、データ処理手段２０３は、センサデータ（第１の時間データ）に時間・周波数変換を施して第１の周波数データを生成する（Ｓ２０３）。

次いで、データ処理手段２０３は、第１の周波数データのスペクトル強度に対数変換を施して第２の周波数データを生成する（Ｓ２０４）。次いで、データ処理手段２０３は、第２の周波数データに周波数・時間変換を施して第２の時間データを生成する（Ｓ２０５）。次いで、データ処理手段２０３は、第２の時間データに高域フィルタリングを施して高周波成分をカットし、第３の時間データを生成する（Ｓ２０６）。

次いで、データ処理手段２０３は、第３の時間データに時間・周波数変換を施して第３の周波数データを生成する（Ｓ２０７）。次いで、データ処理手段２０３は、第３の周波数データに指数変換を施して第４の周波数データを生成する（Ｓ２０８）。次いで、データ処理手段２０３は、第４の周波数データに周波数・時間変換を施して第４の時間データを生成する（Ｓ２０９）。

次いで、データ処理手段２０３は、実測されたセンサデータから得られた第４の時間データと、運動種別毎に予め測定されたセンサデータに対応する第４の時間データとを比較して運動の種別を判定する（Ｓ２１０）。次いで、表示手段２０４は、データ処理手段２０３による運動種別の判定結果を表示する（Ｓ２１１）。このとき、上記の第１実施形態に係る運動検出方法と同様にして検出された運動のペースが表示手段２０４に表示されるように構成されていてもよい。

以上説明した流れで処理が実行され、本実施形態に係る運動検出方法が実現される。

＜３：ハードウェア構成＞
上記の運動解析装置２０が有する各構成要素の機能は、例えば、図１０に示す情報処理装置のハードウェア構成を用いて実現することが可能である。つまり、当該各構成要素の機能は、コンピュータプログラムを用いて図１０に示すハードウェアを制御することにより実現される。なお、このハードウェアの形態は任意であり、例えば、パーソナルコンピュータ、携帯電話、ＰＨＳ、ＰＤＡ等の携帯情報端末、ゲーム機、又は種々の情報家電がこれに含まれる。但し、上記のＰＨＳは、Ｐｅｒｓｏｎａｌ Ｈａｎｄｙ−ｐｈｏｎｅ Ｓｙｓｔｅｍの略である。また、上記のＰＤＡは、Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔの略である。

図１０に示すように、このハードウェアは、主に、ＣＰＵ９０２と、ＲＯＭ９０４と、ＲＡＭ９０６と、ホストバス９０８と、ブリッジ９１０と、を有する。さらに、このハードウェアは、外部バス９１２と、インターフェース９１４と、入力部９１６と、出力部９１８と、記憶部９２０と、ドライブ９２２と、接続ポート９２４と、通信部９２６と、を有する。但し、上記のＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略である。また、上記のＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略である。そして、上記のＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略である。

ＣＰＵ９０２は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ９０４、ＲＡＭ９０６、記憶部９２０、又はリムーバブル記録媒体９２８に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。ＲＯＭ９０４は、ＣＰＵ９０２に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ９０６には、例えば、ＣＰＵ９０２に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。

これらの構成要素は、例えば、高速なデータ伝送が可能なホストバス９０８を介して相互に接続される。一方、ホストバス９０８は、例えば、ブリッジ９１０を介して比較的データ伝送速度が低速な外部バス９１２に接続される。また、入力部９１６としては、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力部９１６としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラが用いられることもある。

出力部９１８としては、例えば、ＣＲＴ、ＬＣＤ、ＰＤＰ、又はＥＬＤ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。但し、上記のＣＲＴは、Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅの略である。また、上記のＬＣＤは、Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙの略である。そして、上記のＰＤＰは、Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌの略である。さらに、上記のＥＬＤは、Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙの略である。

記憶部９２０は、各種のデータを格納するための装置である。記憶部９２０としては、例えば、ハードディスクドライブ（ＨＤＤ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。但し、上記のＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略である。

ドライブ９２２は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２８に記録された情報を読み出し、又はリムーバブル記録媒体９２８に情報を書き込む装置である。リムーバブル記録媒体９２８は、例えば、ＤＶＤメディア、Ｂｌｕ−ｒａｙメディア、ＨＤ ＤＶＤメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体９２８は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。但し、上記のＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略である。

接続ポート９２４は、例えば、ＵＳＢポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ、ＲＳ−２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９３０を接続するためのポートである。外部接続機器９３０は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。但し、上記のＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略である。また、上記のＳＣＳＩは、Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅの略である。

通信部９２６は、ネットワーク９３２に接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ用の通信カード、光通信用のルータ、ＡＤＳＬ用のルータ、又は各種通信用のモデム等である。また、通信部９２６に接続されるネットワーク９３２は、有線又は無線により接続されたネットワークにより構成され、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、可視光通信、放送、又は衛星通信等である。但し、上記のＬＡＮは、Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋの略である。また、上記のＷＵＳＢは、Ｗｉｒｅｌｅｓｓ ＵＳＢの略である。そして、上記のＡＤＳＬは、Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅの略である。

以上、添付図面を参照しながら本発明の好適な実施形態について説明したが、本発明は係る例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

例えば、センシング装置１０にリムーバブル記憶媒体を搭載しておき、センサデータをリムーバブル記憶媒体に蓄積して、そのリムーバブル記憶媒体を運動解析装置２０に装着して、そのリムーバブル記憶媒体のセンサデータを解析するように構成されていてもよい。このような構成にすると、センシング装置１０と運動解析装置２０との間に通信経路を設けずに済むようになり、センシング装置１０や運動解析装置２０の設置自由度が増すと共にコストを低減することができる。

１０ センシング装置
１０１ センシング手段
１０２ データ送信手段
２０ 運動解析装置
２０１ データ受信手段
２０２ データ蓄積手段
２０３ データ処理手段
２０３１、２１３１ 第１周波数変換手段
２０３２、２１３２ 対数変換手段
２０３３ 周波数逆変換手段
２０３４、２１３４ 低域通過フィルタ
２０３５、２１３５ 第２周波数変換手段
２０３６ ペース検出手段
２１３３ 第１周波数逆変換手段
２１３６ 指数変換手段
２１３７ 第２周波数逆変換手段
２１３８ 運動判定手段
２１３９ 教師データ蓄積手段
２０４ 表示手段

Claims (7)

1. 身体の動きを検出する動き検出手段と、
   前記動き検出手段により検出された時系列の動きを示す第１の時間データを周波数領域のデータに変換して第１の周波数データを生成する第１の時間・周波数変換手段と、
   前記第１の時間・周波数変換手段により生成された第１の周波数データを非線形変換して第２の周波数データを生成する非線形変換手段と、
   前記非線形変換手段により生成された第２の周波数データを時間領域のデータに変換して第２の時間データを生成する第１の周波数・時間変換手段と、
   前記第１の周波数・時間変換手段により生成された第２の時間データのスペクトル強度の最大値に応じて閾値を算出し、算出した当該閾値に基づいて前記第２の時間データの低周波成分を抽出して、第３の時間データを生成する低周波成分抽出手段と、
   前記低周波成分抽出手段により生成された第３の時間データを周波数領域のデータに変換して第３の周波数データを生成する第２の時間・周波数変換手段と、
   前記第２の時間・周波数変換手段により生成された第３の周波数データに現れるピーク位置から前記動きのペースを検出するペース検出手段と、
   を備える
   ことを特徴とする、運動検出装置。
2. 前記第１の時間・周波数変換手段は、前記動き検出手段による検出結果のうち、所定のサンプリング周期、所定の切り出し間隔で切り出された第１の時間データを周波数領域のデータに変換して第１の周波数データを生成し、
   前記低周波成分抽出手段は、前記所定のサンプリング周期及び前記所定の切り出し間隔に応じた所定の閾値を用いて第２の時間データから低周波成分を抽出する
   ことを特徴とする、請求項１に記載の運動検出装置。
3. 前記ペース検出手段は、離散的なデータ列である前記第３の周波数データを所定の補間方法により補間し、補間後の前記第３の周波数データに現れるピーク位置から前記動きのペースを検出する
   ことを特徴とする、請求項２に記載の運動検出装置。
4. 前記第２の時間・周波数変換手段により生成された第３の周波数データに対し、前記非線形変換手段による非線形変換の逆変換を施して第４の周波数データを生成する非線形逆変換手段と、
   前記非線形逆変換手段により生成された第４の周波数データを時間領域のデータに変換して第４の時間データを生成する第２の周波数・時間変換手段と、
   運動の種別毎に予め生成された前記第４の時間データを蓄積するデータ蓄積手段と、
   前記動き検出手段により検出された動きに基づいて前記第２の周波数・時間変換手段により生成された第４の時間データと、前記データ蓄積手段に蓄積された第４の時間データとを比較して、前記動き検出手段により検出された動きに対応する運動の種別を判定する運動種別判定手段と、
   をさらに備える
   ことを特徴とする、請求項１〜３のいずれか１項に記載の運動検出装置。
5. 前記運動種別判定手段は、
   前記動き検出手段により検出された動きに基づいて前記第２の周波数・時間変換手段により生成された第４の時間データと、前記データ蓄積手段に蓄積された第４の時間データとの間のパターン類似度を算出する類似度算出手段と、
   前記データ蓄積手段に蓄積された第４の時間データのうち、前記類似度算出手段により算出されたパターン類似度が高い第４の時間データを抽出し、抽出した第４の時間データに対応する運動の種別を出力する判定結果出力手段と、
   を含む
   ことを特徴とする、請求項４に記載の運動検出装置。
6. 身体の動きを検出する動き検出ステップと、
   前記動き検出ステップで検出された時系列の動きを示す第１の時間データを周波数領域のデータに変換して第１の周波数データを生成する第１の時間・周波数変換ステップと、
   前記第１の時間・周波数変換ステップで生成された第１の周波数データを非線形変換して第２の周波数データを生成する非線形変換ステップと、
   前記非線形変換ステップで生成された第２の周波数データを時間領域のデータに変換して第２の時間データを生成する第１の周波数・時間変換ステップと、
   前記第１の周波数・時間変換ステップで生成された第２の時間データのスペクトル強度の最大値に応じて閾値を算出し、算出した当該閾値に基づいて前記第２の時間データの低周波成分を抽出して、第３の時間データを生成する低周波成分抽出ステップと、
   前記低周波成分抽出ステップで生成された第３の時間データを周波数領域のデータに変換して第３の周波数データを生成する第２の時間・周波数変換ステップと、
   前記第２の時間・周波数変換ステップで生成された第３の周波数データに現れるピーク位置から前記動きのペースを検出するペース検出ステップと、
   を含む
   ことを特徴とする、運動検出方法。
7. 身体の動きを検出する動き検出機能と、
   前記動き検出機能により検出された時系列の動きを示す第１の時間データを周波数領域のデータに変換して第１の周波数データを生成する第１の時間・周波数変換機能と、
   前記第１の時間・周波数変換機能により生成された第１の周波数データを非線形変換して第２の周波数データを生成する非線形変換機能と、
   前記非線形変換機能により生成された第２の周波数データを時間領域のデータに変換して第２の時間データを生成する第１の周波数・時間変換機能と、
   前記第１の周波数・時間変換機能により生成された第２の時間データのスペクトル強度の最大値に応じて閾値を算出し、算出した当該閾値に基づいて前記第２の時間データの低周波成分を抽出して、第３の時間データを生成する低周波成分抽出機能と、
   前記低周波成分抽出機能により生成された第３の時間データを周波数領域のデータに変換して第３の周波数データを生成する第２の時間・周波数変換機能と、
   前記第２の時間・周波数変換機能により生成された第３の周波数データに現れるピーク位置から前記動きのペースを検出するペース検出機能と、
   をコンピュータに実現させるためのプログラム。
   

Images