位置追跡システム、位置追跡装置、位置追跡方法およびプログラム
【課題】床センサにより検出される加圧位置と個々のユーザとを正確に対応付けられるようにすること。
【解決手段】床センサが計測した加圧位置をグループ化し、その重心位置をユーザの位置を示す一つの指標として用いる。そして、グループの重心位置と各ユーザの状態ベクトルとから３種類の接地モデル（右足接地モデル、左足接地モデル、両足接地モデル）を用いるパーティクルフィルタにより接地パタン（右足接地／左足接地／両足接地）を決定し、グループそれぞれにおける各ユーザの重み候補を算出する。そして、この重み候補を用いて、グループとユーザの対応関係を決定する。
【解決手段】床センサが計測した加圧位置をグループ化し、その重心位置をユーザの位置を示す一つの指標として用いる。そして、グループの重心位置と各ユーザの状態ベクトルとから３種類の接地モデル（右足接地モデル、左足接地モデル、両足接地モデル）を用いるパーティクルフィルタにより接地パタン（右足接地／左足接地／両足接地）を決定し、グループそれぞれにおける各ユーザの重み候補を算出する。そして、この重み候補を用いて、グループとユーザの対応関係を決定する。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、例えば駅構内やショッピングモールなどを歩行する人の位置を追跡するために用いられる位置追跡システム、位置追跡装置、位置追跡方法およびプログラムに関する。
【背景技術】
【０００２】
日常生活するユーザの位置を検出してユーザの位置に応じた様々なサービスを提供することが考えられている。この種の用途のため、カメラで撮影した映像から歩行する人の位置を検出する追跡システムなどが提案されている。しかしながら照明の変動などにより画像データを正しく取得できず追跡に失敗するケースが多々あり、更なる改良を要する。
【０００３】
まったく別の発想から、圧力センサを床に敷き詰めた床センサを用いて人間の位置を検出することが考えられている。床センサは体重により加圧される位置（以下、加圧位置と称する）を検出することができ、カメラなどに比べ環境の変動を受けずユーザの位置を安定して検出することができる。しかしながら加圧位置を検出することしかできないので、検出された位置と一人一人のユーザとを対応付けることが困難である。
【０００４】
これに対処するため、過去に計測された位置と現在の位置との間の距離に着目し、加圧位置とユーザとを対応付ける方式が提案されている（非特許文献１を参照）。この文献ではＲＦＩＤ（Radio Frequency IDentification）とも組み合わせることで対応関係の誤認識率を改善することを試みているが、複数の人が１箇所に集まると誤認識の可能性が高くなる。
【０００５】
このほか、ユーザの周期的な歩行モデルに基づいて加圧位置とユーザとの対応を決定する方式も提案されている（非特許文献２を参照）。この文献では個々のユーザの状態を歩行モデルに基づいて推定するので、より安定した結果を得られると考えられるが、歩行の周期をモデルに利用していることから静止している人を取り扱いにくい。
【０００６】
【非特許文献１】Multiple People Tacking by Integrating Distributed Floor Pressure Sensors and RFID System, T. MORI, Y. SUEMASU, H. NOGUCHI, T. SATO, IEEE Int. Conf. on Systems, Man and Cybernetics, pp. 5271-5278, 2004
【０００７】
【非特許文献２】複数仮設化周期歩行モデルに基づく床センサネットワークを用いた実時間複数人物追跡、村北、石黒、電子情報通信学会論文誌、D, Vol. J90-D, No. 6, pp. 1555 - 1567, 2007
【発明の開示】
【発明が解決しようとする課題】
【０００８】
以上述べたように既存の技術では、床センサで検出した加圧位置とユーザとを正確かつ安定して対応付けることが難しく、更なる改良の余地がある。
この発明は上記事情によりなされたもので、その目的は、床センサにより検出される加圧位置と個々のユーザとを正確に対応付けられるようにした位置追跡システム、位置追跡装置、位置追跡方法およびプログラムを提供することにある。
【課題を解決するための手段】
【０００９】
上記目的を達成するためにこの発明の一態様によれば、足による荷重を受けた加圧位置を検出する床センサと、この床センサから前記加圧位置の位置データを取得するコンピュータとを具備し、前記コンピュータは、規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する追跡処理部を具備し、この追跡処理部は、前記加圧位置のそれぞれを相互の間隔を基準として組み分けした各グループの重心位置を前記位置データに基づいて算出し、右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出し、左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出し、両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出し、前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素の総和を加圧者ごとに算出し、前記加圧者のそれぞれを、前記加圧者ごとに算出した総和が最大となるグループに対応付けることを特徴とする位置追跡システムが提供される。
【発明の効果】
【００１０】
この発明によれば、床センサにより検出される加圧位置と個々のユーザとを正確に対応付けられるようにした位置追跡システム、位置追跡装置、位置追跡方法およびプログラムを提供することができる。
【発明を実施するための最良の形態】
【００１１】
図１は、この発明に関わる位置追跡システムを示すシステム図である。このシステムは床センサにコンピュータを接続して形成される。床センサは例えば多数の圧力センサをマトリクス状に配列して形成されるもので、ユーザ（加圧者）の荷重を検知してその加圧位置を示す位置データをコンピュータに送信する。位置データは床センサ上の座標系、あるいは他の規定の座標系で定義される２次元ベクトルであり、一定のサンプリング間隔で時系列的に取得される。図１には３人のユーザＡ〜Ｃが床センサ上に乗っている状態が示される。
【００１２】
図２は床センサで計測されるユーザの足の位置を例示する図である。現在時刻をｔとし、その前のサンプリングタイミングをｔ−１、その前をｔ−２…というようにインデックスする。ユーザＡは時刻がｔ−３、ｔ−２、…、ｔと経過するにつれ移動しており、歩行に伴って左、右、と足が交互に入れ替わる。ユーザＢ，Ｃは静止しており、いずれも両足で立っている。この実施形態では、図２にのハッチングで示される加圧位置とユーザＡ〜Ｃとを正確に対応付けるための技術を開示する。
【００１３】
図３は、図１の位置追跡システムの一実施の形態を示す機能ブロック図である。図３において、コンピュータ１はＬＡＮ（Local Area Network）などの通信ネットワーク２０を介して床センサ３０に接続される、床センサ３０からの位置データは通信ネットワーク２０を介してコンピュータ１に伝送される。
【００１４】
コンピュータ１は、中央処理ユニット（ＣＰＵ：Central Processing Unit）１０を備える。このＣＰＵ１０には内部バス１１を介してプログラムメモリ１２と、データメモリ１３と、通信インタフェース１４がそれぞれ接続される。このうち通信インタフェース１４は通信ネットワーク２０に接続されて床センサ３０からのデータパケットを受信し、加圧位置データを再生してＣＰＵ１０に伝達する。
データメモリ１３は記憶媒体として例えばハードディスク、フラッシュメモリ、ＲＡＭを使用したもので、重みデータ１３ａをその記憶領域に記憶する。この重みデータはＣＰＵ１０の演算処理により生成されるデータである。
【００１５】
プログラムメモリ１２はこの実施形態に係わるプログラムブロックとして、グループ化処理ブロック１２ａ、重心算出処理ブロック１２ｂ、モデル演算処理ブロック１２ｃ、重みベクトル算出ブロック１２ｄ、重み候補算出ブロック１２ｅ、対応付け処理ブロック１２ｆ、および更新処理ブロック１２ｇを備える。更新処理ブロック１２ｇはガウスノイズ加算ルーチン１２ｈを備える。これらの処理ブロックがコンピュータ１にロードされＣＰＵ１０により実行されることで、ＣＰＵ１０は、ユーザの時系列的な位置を追跡する追跡処理部として機能する。より詳しくはこの追跡処理部は、規定の座標系におけるユーザの位置、ユーザの進行方向の角度、およびユーザの速度を要素とするユーザごとの状態ベクトルの時系列を用いるベクトル推定処理により、各ユーザの位置を追跡する機能を持つ。
【００１６】
この実施形態ではベクトル推定処理の一例としてパーティクルフィルタを採り上げる。パーティクルフィルタは粒子フィルタとも称され、逐次モンテカルロ法、ブートストラップ法、あるいはCONDENSATIONとも呼ばれることがあり、基本的にはこれらは同義語である。観測値を表現するのに必要な変量を１つのベクトルにまとめて表現したものを状態ベクトルと称する。この実施形態では、時系列的に得られる観測データを用いて状態ベクトルを逐次的に推定する処理を、ベクトル推定処理と総称する。
【００１７】
図３において、グループ化処理ブロック１２ａは、床センサ３０で検知された加圧位置のそれぞれを、相互の間隔を基準として組み分けする。例えば図４に示すように、或るサンプリング時点においてｐ１，ｐ２，ｐ３，ｐ４の４つの加圧位置が検出されたとする。これらの加圧位置の位置データは床センサ上の座標系を基準として計測され、それぞれの位置ベクトルがコンピュータ１に通知される。
【００１８】
グループ化処理ブロック１２ａはこの位置データをもとに各加圧位置の間隔（距離）を算出する。図４ではｐ１，ｐ２間の距離としてｄ１２が、ｐ２，ｐ３間の距離としてｄ２３が得られたとする。この実施形態では距離ｄ１２、ｄ２３はいずれも規定の閾値以内であるとする。この閾値は人間の両足の間隔を少し上回る程度に決めておけば良い。
【００１９】
この結果に基づいてグループ化処理ブロック１２ａは、加圧位置ｐ１，ｐ２，ｐ３，ｐ４をいずれも同じグループ（グループ１）に属するとして取り扱う。加圧位置が他に検出された場合も同様に、グループ化処理ブロック１２ａは複数の加圧位置をグルーピングする。
【００２０】
重心算出処理ブロック１２ｂは、グループ化処理ブロック１２ａによりグルーピングされた各グループの重心位置を、それぞれの加圧位置の位置データに基づいて算出する。図４にはグループ１の重心位置が示され、その位置ベクトルをＹ１とする。
モデル演算処理ブロック１２ｃは、この実施形態で想定するパーティクルフィルタ処理で用いるモデルに基づいて、ユーザの右足位置、左足位置、および両足の中心位置を算出する。このモデルは状態予測モデルとしてパーティクルフィルタに与えられるもので、その具体例は後述する。
【００２１】
特にこの実施形態では、右足の接地を定式化した右足接地モデル、左足の接地を定式化した左足接地モデル、および両足の接地を定式化した両足接地モデルの３種類のモデルを用いる。ユーザの状態を表現する状態ベクトルをこれらのモデルに適用することでユーザの右足位置、左足位置、および両足の中心位置が算出される。
【００２２】
重みベクトル算出ブロック１２ｄは、モデル演算処理ブロック１２ｃで算出されたユーザの右足位置、左足位置、および両足の中心位置のそれぞれについて、グループの重心位置との近接度を評価する評価式を用いて重みベクトルを算出する。この重みベクトルはグループのそれぞれごとに算出される量である。評価式の具体例は後述する。
【００２３】
重み候補算出ブロック１２ｅは、ユーザごとに最大の重みベクトルをもたらす接地モデルを選択する。そして、この選択した接地モデルの重みベクトルの要素を全てのパーティクルにわたって合計し、その総和を重み候補ベクトルとして算出する。この重み候補ベクトルは、ユーザごとに全てのグループにわたって算出される量である。
【００２４】
対応付け処理ブロック１２ｆは、重み候補ベクトルが最大となるグループに、それぞれのユーザを対応付ける。更新処理ブロック１２ｇは、サンプリング期間ごとに重みベクトルを正規化し、この正規化した重みベクトルで各ユーザの状態ベクトルを再抽出することで状態ベクトルを更新する。その際、ガウスノイズ加算ルーチン１２ｈにより状態ベクトルにガウスノイズ成分が加算される。次に、上記構成における作用を説明する。
【００２５】
図５は、コンピュータ１における処理手順を示すフローチャートである。最初に、ユーザの状態ベクトルに初期値を与えてパーティクルフィルタを初期化する（ステップＳ１）。次にコンピュータ１は、床センサ３０から加圧位置データＰｉを取得し（ステップＳ２）、加圧位置間の距離ｄｉｊを算出する。各パラメータを（１）に示す。
【００２６】
【数１】
なお（１）において包含関係を示す記号の右辺は行列の次元数を示す。例えばＲ２×１という表記は２行１列の２次元ベクトルであることを示す。
次に距離ｄｉｊを用いる閾値判定により加圧位置をグループ化する（ステップＳ３）。距離ｄｉｊが閾値であれば、加圧位置ｐｉとｐｊとを同じグループとする。次に各グループごとに、位置データＰｉを用いて（２）に示すように重心位置Ｙｋ（０＜ｋ＜Ｂ、ただし、Ｂはグループ数）を算出する。
【００２７】
【数２】
（２）で、Ｎｋはグループｋに属する加圧位置Ｐｉの個数である。
次にコンピュータ１は足接地モデルに基づく位置算出処理を行う、すなわち３つの接地モデルを用いて足の位置を算出する（ステップＳ４）。この処理にあたりユーザの状態ベクトルが必要であり、その例を（３）に示す。ユーザにインデックスｕを付し、ユーザｕの状態ベクトルをｕｘ（Ｄ）（０＜ｕ＜Ｃ，ただし、Ｃはユーザの数）とする。
【００２８】
【数３】
（３）のユーザｕ用状態ベクトルｕｘ（Ｄ）の各要素を（４）に示す。
【００２９】
【数４】
（４）においてＤは予め定められる値であり、パーティクル数を示す。この実施形態では例えばＤ＝１０００として１０００次元空間を考える。
次に、右足接地モデル、左足接地モデル、両足接地モデルに基づいて足の位置を求める（ステップＳ５）。各接地モデルの具体例を（５）に示す。
【００３０】
【数５】
（５）においてｄｔはサンプリング期間であり、Ｌは両足の幅である。この実施形態ではｄｔ＝１００ミリ秒（ｍｓｅｃ）、Ｌ＝０．３ｍとする。各指標を図６に示す。図６において右足位置、左足位置、重心（左右足の中心）、両足の幅Ｌ、進行方向の角度Φの各指標があり、このうち角度Φは例えばｘ軸に対する角度として表される。
【００３１】
（５）の演算により、右足位置、左足位置、および両足中心位置が算出される。次にコンピュータ１は、各モデルの重み（重みベクトル）を（６）の評価式に基づいて算出する（ステップＳ６）。
【００３２】
【数６】
（６）の式はグループごとの重心位置Ｙｋと、（５）で算出された左右足の位置（量足の中心位置）との近接度を評価するもので、近接度が高いほど重みベクトルの値が１に近づくようになっている。
次にコンピュータ１は、右足接地モデル、左足接地モデル、両足接地モデルの各重みベクトルから最大要素を求め、最も大きい値を示す接地モデルを接地パタン（右足接地、左足接地、両足接地）として決定する。そして、この決定した接地パタンの重みベクトルを、ユーザｕとグループｋとの重み候補ベクトル（ステップＳ７）とする。重み候補ベクトルは（７）に示すように、Ｄ次元空間でユーザかつグループごとに算出される量である。次にコンピュータ１は重み候補ベクトルの要素を合計し、得られた総和をユーザｕのグループｋについての重み候補ｕｋＷとする。この重み候補ｕｋＷは重みデータ１３ａとしてに記憶される。
【００３３】
【数７】
重み候補ｕｋＷは、１≦ｕ≦ｍ，１≦ｋ≦ｎとするとｍ×ｎの行列として表１のように展開することができる。
【００３４】
【表１】
次にコンピュータ１は、重み候補ｕｋＷが最大となるグループを各ユーザごとに選び出す。そして重み候補ｕｋＷの値が大きい順にユーザｕとグループｋとの対応を順次決定する（ステップＳ８）。例えばユーザ１（ｕ＝１）に関するｎ個の重み候補のうち１１Ｗｔが最大であれば（ｔは時間インデックス）、ユーザ１はグループ１（ｋ＝１）に対応付けられる。このようにしてユーザとグループとは相互に対応付けられる。ここで選択されたグループに対応する重みベクトルを、（８）に示すユーザｕの重みベクトルｕｗ（Ｄ）とする。
【００３５】
【数８】
次に、コンピュータ１は（９）に示すように重みベクトルを正規化し、この正規化した重みベクトルの比率で状態ベクトルｕｘ（Ｄ）を再抽出する（ステップＳ９）。
【００３６】
【数９】
次にコンピュータ１は、（１０）に示すように再抽出した状態ベクトルに事前に定めたガウスノイズを加算して（ステップＳ１０）、ユーザの状態ベクトルを更新する（ステップＳ１１）。そうして、次のサンプリング時点で再び加圧位置が検出されれば、この更新された状態ベクトルを用いて一連の処理が繰り返される。
【００３７】
【数１０】
図７は、以上の処理手順をまとめた概念図である。以上の手順は、大きくグループ化処理、ユーザごとの重み候補算出処理、対応付け処理、および、状態ベクトル更新処理から構成される。
グループ化処理では、相互間の距離を指標として加圧位置をグループ化し、グループごとに重心位置を求める。ユーザごとの重み候補算出処理では、各グループの重心位置と各ユーザの状態量（身体の重心位置、移動方向、移動速度）から３種類の接地モデル（右足接地モデル、左足接地モデル、両足接地モデル）に基づいて接地パタン（右足接地佐足接地／両足接地）を決定し、各グループに対するユーザの重み候補を算出する。対応付け処理では、重み候補ベクトルを用いてグループとユーザとの対応関係を決定し、ユーザごとの重みベクトルを決定する。状態ベクトル更新処理では、ユーザごとの重みベクトルと過去のユーザの状態ベクトルとから、ユーザの状態ベクトルを更新する、
すなわちこの実施形態では、床センサが計測した加圧位置をグループ化し、その重心位置をユーザの位置を示す一つの指標として用いる。そして、グループの重心位置と各ユーザの状態ベクトルとから３種類の接地モデル（右足接地モデル、左足接地モデル、両足接地モデル）を用いるパーティクルフィルタにより接地パタン（右足接地／左足接地／両足接地）を決定し、グループそれぞれにおける各ユーザの重み候補を算出する。そして、この重み候補を用いて、グループとユーザの対応関係を決定するようにしている。
【００３８】
すなわち、加圧位置をグループ化してその重心位置を求め、３種類の接地モデルに基づいて各グループに対するユーザの接地パタンを決定することで、両足接地パタンをも含めた数値解析を行うことが可能になる。特に両足接地パタンは静止状態にも対応付けることができ、従って処理の精度が向上する。さらに、ユーザごとに重みベクトル候補を求め、その最大値に対応するグループにユーザを対応付けるようにしている。よって床センサが計測した加圧位置と各ユーザとを、より高い精度で１対１に対応付けることが可能になる。この結果を用いれば、特定のユーザの位置に応じたサービスを、より効果的に提供できるようになる。これらのことから、床センサにより検出される加圧位置と個々のユーザとを正確に対応付けられるようにした位置追跡システム、位置追跡装置、位置追跡方法およびプログラムを提供することが可能となる。
【００３９】
なお、この発明は上記実施形態そのままに限定されるものではない。例えば、式（６）では足の位置だけを用いて重みベクトルを算出した。つまり重心位置Ｙｋと足の位置との近接の度合いだけを評価するようにした。これに限らず、ユーザの進行方向に対する角度Φ、あるいは速度Ｖを用いても重みベクトルを算出することができる。
【００４０】
つまり、角度Φは状態ベクトルに含まれる量である。そこで、過去に推定されたユーザの位置から推定される角度と状態ベクトルｕｘ（Ｄ）内の角度ｕΦ（Ｄ）との差を式（６）の大括弧［ ］内の差分式に当てはめれば、位置を用いるのと同様に重みベクトルを算出することができる。この場合にはその差分式は角度の次元を持つことになる。
【００４１】
同様に速度Ｖも状態ベクトルに含まれるので、過去に推定されたユーザの位置から推定される速度と状態ベクトルｕｘ（Ｄ）内の速度ｕＶ（Ｄ）との差を式（６）の大括弧［ ］内に当てはめることでも重みベクトルを算出することができる。この場合には［ ］部分は速度の次元を持つことになる。このように位置、角度、速度を個別に用いて重みベクトルを算出できるし、さらには、位置、角度、速度を個別に用いて算出した値の和を重みベクトルとしても良い。
【００４２】
またこの発明は、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要素を削除してもよい。
【００４３】
また、実施形態に記載した手法は、計算機（コンピュータ）に実行させることができるプログラム（ソフトウェア手段）として、例えば磁気ディスク（フロッピー（登録商標）ディスク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ、ＭＯ等）、半導体メモリ（ＲＯＭ、ＲＡＭ、フラッシュメモリ等）等の記録媒体に格納し、また通信媒体により伝送して頒布することもできる。なお、媒体側に格納されるプログラムには、計算機に実行させるソフトウェア手段（実行プログラムのみならずテーブルやデータ構造も含む）を計算機内に構成させる設定プログラムをも含む。本装置を実現する計算機は、記録媒体に記録されたプログラムを読み込み、また場合により設定プログラムによりソフトウェア手段を構築し、このソフトウェア手段によって動作が制御されることにより上述した処理を実行する。なお、本明細書でいう記録媒体は、頒布用に限らず、計算機内部あるいはネットワークを介して接続される機器に設けられた磁気ディスクや半導体メモリ等の記憶媒体を含むものである。
【図面の簡単な説明】
【００４４】
【図１】この発明に関わる位置追跡システムを示すシステム図。
【図２】床センサで計測されるユーザの足の位置を例示する図。
【図３】図１の位置追跡システムの一実施の形態を示す機能ブロック図。
【図４】加圧位置のグルーピング処理について説明するための図。
【図５】コンピュータ１における処理手順を示すフローチャート。
【図６】接地モデルを用いた演算における指標を示す図。
【図７】この発明の実施の形態における処理手順をまとめた概念図。
【符号の説明】
【００４５】
Ａ，Ｂ，Ｃ…ユーザ、１…コンピュータ、２０…通信ネットワーク、３０…床センサ、１０…中央処理ユニット、１１…内部バス、１２…プログラムメモリ、１２ａ…グループ化処理ブロック、１２ｂ…重心算出処理ブロック、１２ｃ…モデル演算処理ブロック、１２ｄ…重みベクトル算出ブロック、１２ｅ…重み候補算出ブロック、１２ｆ…対応付け処理ブロック、１２ｇ…更新処理ブロック、１２ｈ…ガウスノイズ加算ルーチン、１３…データメモリ、１３ａ…重みデータ、１４…通信インタフェース
【技術分野】
【０００１】
この発明は、例えば駅構内やショッピングモールなどを歩行する人の位置を追跡するために用いられる位置追跡システム、位置追跡装置、位置追跡方法およびプログラムに関する。
【背景技術】
【０００２】
日常生活するユーザの位置を検出してユーザの位置に応じた様々なサービスを提供することが考えられている。この種の用途のため、カメラで撮影した映像から歩行する人の位置を検出する追跡システムなどが提案されている。しかしながら照明の変動などにより画像データを正しく取得できず追跡に失敗するケースが多々あり、更なる改良を要する。
【０００３】
まったく別の発想から、圧力センサを床に敷き詰めた床センサを用いて人間の位置を検出することが考えられている。床センサは体重により加圧される位置（以下、加圧位置と称する）を検出することができ、カメラなどに比べ環境の変動を受けずユーザの位置を安定して検出することができる。しかしながら加圧位置を検出することしかできないので、検出された位置と一人一人のユーザとを対応付けることが困難である。
【０００４】
これに対処するため、過去に計測された位置と現在の位置との間の距離に着目し、加圧位置とユーザとを対応付ける方式が提案されている（非特許文献１を参照）。この文献ではＲＦＩＤ（Radio Frequency IDentification）とも組み合わせることで対応関係の誤認識率を改善することを試みているが、複数の人が１箇所に集まると誤認識の可能性が高くなる。
【０００５】
このほか、ユーザの周期的な歩行モデルに基づいて加圧位置とユーザとの対応を決定する方式も提案されている（非特許文献２を参照）。この文献では個々のユーザの状態を歩行モデルに基づいて推定するので、より安定した結果を得られると考えられるが、歩行の周期をモデルに利用していることから静止している人を取り扱いにくい。
【０００６】
【非特許文献１】Multiple People Tacking by Integrating Distributed Floor Pressure Sensors and RFID System, T. MORI, Y. SUEMASU, H. NOGUCHI, T. SATO, IEEE Int. Conf. on Systems, Man and Cybernetics, pp. 5271-5278, 2004
【０００７】
【非特許文献２】複数仮設化周期歩行モデルに基づく床センサネットワークを用いた実時間複数人物追跡、村北、石黒、電子情報通信学会論文誌、D, Vol. J90-D, No. 6, pp. 1555 - 1567, 2007
【発明の開示】
【発明が解決しようとする課題】
【０００８】
以上述べたように既存の技術では、床センサで検出した加圧位置とユーザとを正確かつ安定して対応付けることが難しく、更なる改良の余地がある。
この発明は上記事情によりなされたもので、その目的は、床センサにより検出される加圧位置と個々のユーザとを正確に対応付けられるようにした位置追跡システム、位置追跡装置、位置追跡方法およびプログラムを提供することにある。
【課題を解決するための手段】
【０００９】
上記目的を達成するためにこの発明の一態様によれば、足による荷重を受けた加圧位置を検出する床センサと、この床センサから前記加圧位置の位置データを取得するコンピュータとを具備し、前記コンピュータは、規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する追跡処理部を具備し、この追跡処理部は、前記加圧位置のそれぞれを相互の間隔を基準として組み分けした各グループの重心位置を前記位置データに基づいて算出し、右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出し、左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出し、両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出し、前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素の総和を加圧者ごとに算出し、前記加圧者のそれぞれを、前記加圧者ごとに算出した総和が最大となるグループに対応付けることを特徴とする位置追跡システムが提供される。
【発明の効果】
【００１０】
この発明によれば、床センサにより検出される加圧位置と個々のユーザとを正確に対応付けられるようにした位置追跡システム、位置追跡装置、位置追跡方法およびプログラムを提供することができる。
【発明を実施するための最良の形態】
【００１１】
図１は、この発明に関わる位置追跡システムを示すシステム図である。このシステムは床センサにコンピュータを接続して形成される。床センサは例えば多数の圧力センサをマトリクス状に配列して形成されるもので、ユーザ（加圧者）の荷重を検知してその加圧位置を示す位置データをコンピュータに送信する。位置データは床センサ上の座標系、あるいは他の規定の座標系で定義される２次元ベクトルであり、一定のサンプリング間隔で時系列的に取得される。図１には３人のユーザＡ〜Ｃが床センサ上に乗っている状態が示される。
【００１２】
図２は床センサで計測されるユーザの足の位置を例示する図である。現在時刻をｔとし、その前のサンプリングタイミングをｔ−１、その前をｔ−２…というようにインデックスする。ユーザＡは時刻がｔ−３、ｔ−２、…、ｔと経過するにつれ移動しており、歩行に伴って左、右、と足が交互に入れ替わる。ユーザＢ，Ｃは静止しており、いずれも両足で立っている。この実施形態では、図２にのハッチングで示される加圧位置とユーザＡ〜Ｃとを正確に対応付けるための技術を開示する。
【００１３】
図３は、図１の位置追跡システムの一実施の形態を示す機能ブロック図である。図３において、コンピュータ１はＬＡＮ（Local Area Network）などの通信ネットワーク２０を介して床センサ３０に接続される、床センサ３０からの位置データは通信ネットワーク２０を介してコンピュータ１に伝送される。
【００１４】
コンピュータ１は、中央処理ユニット（ＣＰＵ：Central Processing Unit）１０を備える。このＣＰＵ１０には内部バス１１を介してプログラムメモリ１２と、データメモリ１３と、通信インタフェース１４がそれぞれ接続される。このうち通信インタフェース１４は通信ネットワーク２０に接続されて床センサ３０からのデータパケットを受信し、加圧位置データを再生してＣＰＵ１０に伝達する。
データメモリ１３は記憶媒体として例えばハードディスク、フラッシュメモリ、ＲＡＭを使用したもので、重みデータ１３ａをその記憶領域に記憶する。この重みデータはＣＰＵ１０の演算処理により生成されるデータである。
【００１５】
プログラムメモリ１２はこの実施形態に係わるプログラムブロックとして、グループ化処理ブロック１２ａ、重心算出処理ブロック１２ｂ、モデル演算処理ブロック１２ｃ、重みベクトル算出ブロック１２ｄ、重み候補算出ブロック１２ｅ、対応付け処理ブロック１２ｆ、および更新処理ブロック１２ｇを備える。更新処理ブロック１２ｇはガウスノイズ加算ルーチン１２ｈを備える。これらの処理ブロックがコンピュータ１にロードされＣＰＵ１０により実行されることで、ＣＰＵ１０は、ユーザの時系列的な位置を追跡する追跡処理部として機能する。より詳しくはこの追跡処理部は、規定の座標系におけるユーザの位置、ユーザの進行方向の角度、およびユーザの速度を要素とするユーザごとの状態ベクトルの時系列を用いるベクトル推定処理により、各ユーザの位置を追跡する機能を持つ。
【００１６】
この実施形態ではベクトル推定処理の一例としてパーティクルフィルタを採り上げる。パーティクルフィルタは粒子フィルタとも称され、逐次モンテカルロ法、ブートストラップ法、あるいはCONDENSATIONとも呼ばれることがあり、基本的にはこれらは同義語である。観測値を表現するのに必要な変量を１つのベクトルにまとめて表現したものを状態ベクトルと称する。この実施形態では、時系列的に得られる観測データを用いて状態ベクトルを逐次的に推定する処理を、ベクトル推定処理と総称する。
【００１７】
図３において、グループ化処理ブロック１２ａは、床センサ３０で検知された加圧位置のそれぞれを、相互の間隔を基準として組み分けする。例えば図４に示すように、或るサンプリング時点においてｐ１，ｐ２，ｐ３，ｐ４の４つの加圧位置が検出されたとする。これらの加圧位置の位置データは床センサ上の座標系を基準として計測され、それぞれの位置ベクトルがコンピュータ１に通知される。
【００１８】
グループ化処理ブロック１２ａはこの位置データをもとに各加圧位置の間隔（距離）を算出する。図４ではｐ１，ｐ２間の距離としてｄ１２が、ｐ２，ｐ３間の距離としてｄ２３が得られたとする。この実施形態では距離ｄ１２、ｄ２３はいずれも規定の閾値以内であるとする。この閾値は人間の両足の間隔を少し上回る程度に決めておけば良い。
【００１９】
この結果に基づいてグループ化処理ブロック１２ａは、加圧位置ｐ１，ｐ２，ｐ３，ｐ４をいずれも同じグループ（グループ１）に属するとして取り扱う。加圧位置が他に検出された場合も同様に、グループ化処理ブロック１２ａは複数の加圧位置をグルーピングする。
【００２０】
重心算出処理ブロック１２ｂは、グループ化処理ブロック１２ａによりグルーピングされた各グループの重心位置を、それぞれの加圧位置の位置データに基づいて算出する。図４にはグループ１の重心位置が示され、その位置ベクトルをＹ１とする。
モデル演算処理ブロック１２ｃは、この実施形態で想定するパーティクルフィルタ処理で用いるモデルに基づいて、ユーザの右足位置、左足位置、および両足の中心位置を算出する。このモデルは状態予測モデルとしてパーティクルフィルタに与えられるもので、その具体例は後述する。
【００２１】
特にこの実施形態では、右足の接地を定式化した右足接地モデル、左足の接地を定式化した左足接地モデル、および両足の接地を定式化した両足接地モデルの３種類のモデルを用いる。ユーザの状態を表現する状態ベクトルをこれらのモデルに適用することでユーザの右足位置、左足位置、および両足の中心位置が算出される。
【００２２】
重みベクトル算出ブロック１２ｄは、モデル演算処理ブロック１２ｃで算出されたユーザの右足位置、左足位置、および両足の中心位置のそれぞれについて、グループの重心位置との近接度を評価する評価式を用いて重みベクトルを算出する。この重みベクトルはグループのそれぞれごとに算出される量である。評価式の具体例は後述する。
【００２３】
重み候補算出ブロック１２ｅは、ユーザごとに最大の重みベクトルをもたらす接地モデルを選択する。そして、この選択した接地モデルの重みベクトルの要素を全てのパーティクルにわたって合計し、その総和を重み候補ベクトルとして算出する。この重み候補ベクトルは、ユーザごとに全てのグループにわたって算出される量である。
【００２４】
対応付け処理ブロック１２ｆは、重み候補ベクトルが最大となるグループに、それぞれのユーザを対応付ける。更新処理ブロック１２ｇは、サンプリング期間ごとに重みベクトルを正規化し、この正規化した重みベクトルで各ユーザの状態ベクトルを再抽出することで状態ベクトルを更新する。その際、ガウスノイズ加算ルーチン１２ｈにより状態ベクトルにガウスノイズ成分が加算される。次に、上記構成における作用を説明する。
【００２５】
図５は、コンピュータ１における処理手順を示すフローチャートである。最初に、ユーザの状態ベクトルに初期値を与えてパーティクルフィルタを初期化する（ステップＳ１）。次にコンピュータ１は、床センサ３０から加圧位置データＰｉを取得し（ステップＳ２）、加圧位置間の距離ｄｉｊを算出する。各パラメータを（１）に示す。
【００２６】
【数１】
なお（１）において包含関係を示す記号の右辺は行列の次元数を示す。例えばＲ２×１という表記は２行１列の２次元ベクトルであることを示す。
次に距離ｄｉｊを用いる閾値判定により加圧位置をグループ化する（ステップＳ３）。距離ｄｉｊが閾値であれば、加圧位置ｐｉとｐｊとを同じグループとする。次に各グループごとに、位置データＰｉを用いて（２）に示すように重心位置Ｙｋ（０＜ｋ＜Ｂ、ただし、Ｂはグループ数）を算出する。
【００２７】
【数２】
（２）で、Ｎｋはグループｋに属する加圧位置Ｐｉの個数である。
次にコンピュータ１は足接地モデルに基づく位置算出処理を行う、すなわち３つの接地モデルを用いて足の位置を算出する（ステップＳ４）。この処理にあたりユーザの状態ベクトルが必要であり、その例を（３）に示す。ユーザにインデックスｕを付し、ユーザｕの状態ベクトルをｕｘ（Ｄ）（０＜ｕ＜Ｃ，ただし、Ｃはユーザの数）とする。
【００２８】
【数３】
（３）のユーザｕ用状態ベクトルｕｘ（Ｄ）の各要素を（４）に示す。
【００２９】
【数４】
（４）においてＤは予め定められる値であり、パーティクル数を示す。この実施形態では例えばＤ＝１０００として１０００次元空間を考える。
次に、右足接地モデル、左足接地モデル、両足接地モデルに基づいて足の位置を求める（ステップＳ５）。各接地モデルの具体例を（５）に示す。
【００３０】
【数５】
（５）においてｄｔはサンプリング期間であり、Ｌは両足の幅である。この実施形態ではｄｔ＝１００ミリ秒（ｍｓｅｃ）、Ｌ＝０．３ｍとする。各指標を図６に示す。図６において右足位置、左足位置、重心（左右足の中心）、両足の幅Ｌ、進行方向の角度Φの各指標があり、このうち角度Φは例えばｘ軸に対する角度として表される。
【００３１】
（５）の演算により、右足位置、左足位置、および両足中心位置が算出される。次にコンピュータ１は、各モデルの重み（重みベクトル）を（６）の評価式に基づいて算出する（ステップＳ６）。
【００３２】
【数６】
（６）の式はグループごとの重心位置Ｙｋと、（５）で算出された左右足の位置（量足の中心位置）との近接度を評価するもので、近接度が高いほど重みベクトルの値が１に近づくようになっている。
次にコンピュータ１は、右足接地モデル、左足接地モデル、両足接地モデルの各重みベクトルから最大要素を求め、最も大きい値を示す接地モデルを接地パタン（右足接地、左足接地、両足接地）として決定する。そして、この決定した接地パタンの重みベクトルを、ユーザｕとグループｋとの重み候補ベクトル（ステップＳ７）とする。重み候補ベクトルは（７）に示すように、Ｄ次元空間でユーザかつグループごとに算出される量である。次にコンピュータ１は重み候補ベクトルの要素を合計し、得られた総和をユーザｕのグループｋについての重み候補ｕｋＷとする。この重み候補ｕｋＷは重みデータ１３ａとしてに記憶される。
【００３３】
【数７】
重み候補ｕｋＷは、１≦ｕ≦ｍ，１≦ｋ≦ｎとするとｍ×ｎの行列として表１のように展開することができる。
【００３４】
【表１】
次にコンピュータ１は、重み候補ｕｋＷが最大となるグループを各ユーザごとに選び出す。そして重み候補ｕｋＷの値が大きい順にユーザｕとグループｋとの対応を順次決定する（ステップＳ８）。例えばユーザ１（ｕ＝１）に関するｎ個の重み候補のうち１１Ｗｔが最大であれば（ｔは時間インデックス）、ユーザ１はグループ１（ｋ＝１）に対応付けられる。このようにしてユーザとグループとは相互に対応付けられる。ここで選択されたグループに対応する重みベクトルを、（８）に示すユーザｕの重みベクトルｕｗ（Ｄ）とする。
【００３５】
【数８】
次に、コンピュータ１は（９）に示すように重みベクトルを正規化し、この正規化した重みベクトルの比率で状態ベクトルｕｘ（Ｄ）を再抽出する（ステップＳ９）。
【００３６】
【数９】
次にコンピュータ１は、（１０）に示すように再抽出した状態ベクトルに事前に定めたガウスノイズを加算して（ステップＳ１０）、ユーザの状態ベクトルを更新する（ステップＳ１１）。そうして、次のサンプリング時点で再び加圧位置が検出されれば、この更新された状態ベクトルを用いて一連の処理が繰り返される。
【００３７】
【数１０】
図７は、以上の処理手順をまとめた概念図である。以上の手順は、大きくグループ化処理、ユーザごとの重み候補算出処理、対応付け処理、および、状態ベクトル更新処理から構成される。
グループ化処理では、相互間の距離を指標として加圧位置をグループ化し、グループごとに重心位置を求める。ユーザごとの重み候補算出処理では、各グループの重心位置と各ユーザの状態量（身体の重心位置、移動方向、移動速度）から３種類の接地モデル（右足接地モデル、左足接地モデル、両足接地モデル）に基づいて接地パタン（右足接地佐足接地／両足接地）を決定し、各グループに対するユーザの重み候補を算出する。対応付け処理では、重み候補ベクトルを用いてグループとユーザとの対応関係を決定し、ユーザごとの重みベクトルを決定する。状態ベクトル更新処理では、ユーザごとの重みベクトルと過去のユーザの状態ベクトルとから、ユーザの状態ベクトルを更新する、
すなわちこの実施形態では、床センサが計測した加圧位置をグループ化し、その重心位置をユーザの位置を示す一つの指標として用いる。そして、グループの重心位置と各ユーザの状態ベクトルとから３種類の接地モデル（右足接地モデル、左足接地モデル、両足接地モデル）を用いるパーティクルフィルタにより接地パタン（右足接地／左足接地／両足接地）を決定し、グループそれぞれにおける各ユーザの重み候補を算出する。そして、この重み候補を用いて、グループとユーザの対応関係を決定するようにしている。
【００３８】
すなわち、加圧位置をグループ化してその重心位置を求め、３種類の接地モデルに基づいて各グループに対するユーザの接地パタンを決定することで、両足接地パタンをも含めた数値解析を行うことが可能になる。特に両足接地パタンは静止状態にも対応付けることができ、従って処理の精度が向上する。さらに、ユーザごとに重みベクトル候補を求め、その最大値に対応するグループにユーザを対応付けるようにしている。よって床センサが計測した加圧位置と各ユーザとを、より高い精度で１対１に対応付けることが可能になる。この結果を用いれば、特定のユーザの位置に応じたサービスを、より効果的に提供できるようになる。これらのことから、床センサにより検出される加圧位置と個々のユーザとを正確に対応付けられるようにした位置追跡システム、位置追跡装置、位置追跡方法およびプログラムを提供することが可能となる。
【００３９】
なお、この発明は上記実施形態そのままに限定されるものではない。例えば、式（６）では足の位置だけを用いて重みベクトルを算出した。つまり重心位置Ｙｋと足の位置との近接の度合いだけを評価するようにした。これに限らず、ユーザの進行方向に対する角度Φ、あるいは速度Ｖを用いても重みベクトルを算出することができる。
【００４０】
つまり、角度Φは状態ベクトルに含まれる量である。そこで、過去に推定されたユーザの位置から推定される角度と状態ベクトルｕｘ（Ｄ）内の角度ｕΦ（Ｄ）との差を式（６）の大括弧［ ］内の差分式に当てはめれば、位置を用いるのと同様に重みベクトルを算出することができる。この場合にはその差分式は角度の次元を持つことになる。
【００４１】
同様に速度Ｖも状態ベクトルに含まれるので、過去に推定されたユーザの位置から推定される速度と状態ベクトルｕｘ（Ｄ）内の速度ｕＶ（Ｄ）との差を式（６）の大括弧［ ］内に当てはめることでも重みベクトルを算出することができる。この場合には［ ］部分は速度の次元を持つことになる。このように位置、角度、速度を個別に用いて重みベクトルを算出できるし、さらには、位置、角度、速度を個別に用いて算出した値の和を重みベクトルとしても良い。
【００４２】
またこの発明は、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要素を削除してもよい。
【００４３】
また、実施形態に記載した手法は、計算機（コンピュータ）に実行させることができるプログラム（ソフトウェア手段）として、例えば磁気ディスク（フロッピー（登録商標）ディスク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ、ＭＯ等）、半導体メモリ（ＲＯＭ、ＲＡＭ、フラッシュメモリ等）等の記録媒体に格納し、また通信媒体により伝送して頒布することもできる。なお、媒体側に格納されるプログラムには、計算機に実行させるソフトウェア手段（実行プログラムのみならずテーブルやデータ構造も含む）を計算機内に構成させる設定プログラムをも含む。本装置を実現する計算機は、記録媒体に記録されたプログラムを読み込み、また場合により設定プログラムによりソフトウェア手段を構築し、このソフトウェア手段によって動作が制御されることにより上述した処理を実行する。なお、本明細書でいう記録媒体は、頒布用に限らず、計算機内部あるいはネットワークを介して接続される機器に設けられた磁気ディスクや半導体メモリ等の記憶媒体を含むものである。
【図面の簡単な説明】
【００４４】
【図１】この発明に関わる位置追跡システムを示すシステム図。
【図２】床センサで計測されるユーザの足の位置を例示する図。
【図３】図１の位置追跡システムの一実施の形態を示す機能ブロック図。
【図４】加圧位置のグルーピング処理について説明するための図。
【図５】コンピュータ１における処理手順を示すフローチャート。
【図６】接地モデルを用いた演算における指標を示す図。
【図７】この発明の実施の形態における処理手順をまとめた概念図。
【符号の説明】
【００４５】
Ａ，Ｂ，Ｃ…ユーザ、１…コンピュータ、２０…通信ネットワーク、３０…床センサ、１０…中央処理ユニット、１１…内部バス、１２…プログラムメモリ、１２ａ…グループ化処理ブロック、１２ｂ…重心算出処理ブロック、１２ｃ…モデル演算処理ブロック、１２ｄ…重みベクトル算出ブロック、１２ｅ…重み候補算出ブロック、１２ｆ…対応付け処理ブロック、１２ｇ…更新処理ブロック、１２ｈ…ガウスノイズ加算ルーチン、１３…データメモリ、１３ａ…重みデータ、１４…通信インタフェース
【特許請求の範囲】
【請求項１】
足による荷重を受けた加圧位置を検出する床センサと、この床センサから前記加圧位置の位置データを取得するコンピュータとを具備し、
前記コンピュータは、
規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する追跡処理部を具備し、
この追跡処理部は、
前記加圧位置のそれぞれを相互の間隔を基準として組み分けした各グループの重心位置を前記位置データに基づいて算出し、
右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出し、
左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出し、
両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出し、
前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素の総和を加圧者ごとに算出し、
前記加圧者のそれぞれを、前記加圧者ごとに算出した総和が最大となるグループに対応付けることを特徴とする位置追跡システム。
【請求項２】
前記ベクトル推定処理はパーティクルフィルタであり、
前記追跡処理部は、前記算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素のパーティクル間での総和を算出することを特徴とする請求項１に記載の位置追跡システム。
【請求項３】
前記追跡処理部は、サンプリング期間ごとに前記重みベクトルを正規化し、この正規化した重みベクトルで前記状態ベクトルを再抽出して当該状態ベクトルを更新することを特徴とする請求項２に記載の位置追跡システム。
【請求項４】
前記追跡処理部は、前記再抽出した状態ベクトルにガウスノイズ成分を加算することを特徴とする請求項３に記載の位置追跡システム。
【請求項５】
足による荷重を受けた加圧位置を検出する床センサから前記加圧位置の位置データを取得して、規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する位置追跡装置であって、
前記加圧位置のそれぞれを相互の間隔を基準として組み分けするグループ化処理部と、
前記組み分けされた各グループの重心位置を前記位置データに基づいて算出する重心算出部と、
右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出し、左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出し、両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出するモデル演算処理部と、
前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに重みベクトルを算出する重みベクトル算出部と、
前記加圧者ごとに、前記重みベクトルが最大となるモデルの当該重みベクトルの要素の総和を重み候補として算出する重み候補算出部と、
前記加圧者のそれぞれを、前記重み候補が最大となるグループに対応付ける対応付け処理部とを具備することを特徴とする位置追跡装置。
【請求項６】
前記ベクトル推定処理はパーティクルフィルタであり、
前記追跡処理部は、前記算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素のパーティクル間での総和を算出することを特徴とする請求項５に記載の位置追跡装置。
【請求項７】
さらに、サンプリング期間ごとに前記重みベクトルを正規化し、この正規化した重みベクトルで前記状態ベクトルを再抽出して当該状態ベクトルを更新する状態ベクトル更新処理部を具備することを特徴とする請求項６に記載の位置追跡装置。
【請求項８】
前記状態ベクトル更新処理部は、前記再抽出した状態ベクトルにガウスノイズ成分を加算することを特徴とする請求項７に記載の位置追跡装置。
【請求項９】
足による荷重を受けた加圧位置を検出する床センサから前記加圧位置の位置データを取得して、規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する位置追跡方法であって、
前記加圧位置のそれぞれを相互の間隔を基準として組み分けした各グループの重心位置を前記位置データに基づいて算出し、
右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出し、
左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出し、
両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出し、
前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素の総和を加圧者ごとに算出し、
前記加圧者のそれぞれを、前記加圧者ごとに算出した総和が最大となるグループに対応付けることを特徴とする位置追跡方法。
【請求項１０】
前記ベクトル推定処理はパーティクルフィルタであり、
前記算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素のパーティクル間での総和を算出することを特徴とする請求項９に記載の位置追跡方法。
【請求項１１】
さらに、サンプリング期間ごとに前記重みベクトルを正規化し、この正規化した重みベクトルで前記状態ベクトルを再抽出して当該状態ベクトルを更新することを特徴とする請求項１０に記載の位置追跡方法。
【請求項１２】
前記再抽出した状態ベクトルにガウスノイズ成分を加算することを特徴とする請求項１１に記載の位置追跡方法。
【請求項１３】
足による荷重を受けた加圧位置を検出する床センサから前記加圧位置の位置データを取得するコンピュータに読み込まれ、前記コンピュータに、規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する追跡処理機能を実行させるプログラムであって、
この追跡処理機能は、
前記加圧位置のそれぞれを相互の間隔を基準として組み分けした各グループの重心位置を前記位置データに基づいて算出する処理と、
右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出する処理と、
左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出する処理と、
両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出する処理と、
前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素の総和を加圧者ごとに算出する処理と、
前記加圧者のそれぞれを、前記加圧者ごとに算出した総和が最大となるグループに対応付ける処理とを含むことを特徴とするプログラム。
【請求項１】
足による荷重を受けた加圧位置を検出する床センサと、この床センサから前記加圧位置の位置データを取得するコンピュータとを具備し、
前記コンピュータは、
規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する追跡処理部を具備し、
この追跡処理部は、
前記加圧位置のそれぞれを相互の間隔を基準として組み分けした各グループの重心位置を前記位置データに基づいて算出し、
右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出し、
左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出し、
両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出し、
前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素の総和を加圧者ごとに算出し、
前記加圧者のそれぞれを、前記加圧者ごとに算出した総和が最大となるグループに対応付けることを特徴とする位置追跡システム。
【請求項２】
前記ベクトル推定処理はパーティクルフィルタであり、
前記追跡処理部は、前記算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素のパーティクル間での総和を算出することを特徴とする請求項１に記載の位置追跡システム。
【請求項３】
前記追跡処理部は、サンプリング期間ごとに前記重みベクトルを正規化し、この正規化した重みベクトルで前記状態ベクトルを再抽出して当該状態ベクトルを更新することを特徴とする請求項２に記載の位置追跡システム。
【請求項４】
前記追跡処理部は、前記再抽出した状態ベクトルにガウスノイズ成分を加算することを特徴とする請求項３に記載の位置追跡システム。
【請求項５】
足による荷重を受けた加圧位置を検出する床センサから前記加圧位置の位置データを取得して、規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する位置追跡装置であって、
前記加圧位置のそれぞれを相互の間隔を基準として組み分けするグループ化処理部と、
前記組み分けされた各グループの重心位置を前記位置データに基づいて算出する重心算出部と、
右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出し、左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出し、両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出するモデル演算処理部と、
前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに重みベクトルを算出する重みベクトル算出部と、
前記加圧者ごとに、前記重みベクトルが最大となるモデルの当該重みベクトルの要素の総和を重み候補として算出する重み候補算出部と、
前記加圧者のそれぞれを、前記重み候補が最大となるグループに対応付ける対応付け処理部とを具備することを特徴とする位置追跡装置。
【請求項６】
前記ベクトル推定処理はパーティクルフィルタであり、
前記追跡処理部は、前記算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素のパーティクル間での総和を算出することを特徴とする請求項５に記載の位置追跡装置。
【請求項７】
さらに、サンプリング期間ごとに前記重みベクトルを正規化し、この正規化した重みベクトルで前記状態ベクトルを再抽出して当該状態ベクトルを更新する状態ベクトル更新処理部を具備することを特徴とする請求項６に記載の位置追跡装置。
【請求項８】
前記状態ベクトル更新処理部は、前記再抽出した状態ベクトルにガウスノイズ成分を加算することを特徴とする請求項７に記載の位置追跡装置。
【請求項９】
足による荷重を受けた加圧位置を検出する床センサから前記加圧位置の位置データを取得して、規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する位置追跡方法であって、
前記加圧位置のそれぞれを相互の間隔を基準として組み分けした各グループの重心位置を前記位置データに基づいて算出し、
右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出し、
左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出し、
両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出し、
前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素の総和を加圧者ごとに算出し、
前記加圧者のそれぞれを、前記加圧者ごとに算出した総和が最大となるグループに対応付けることを特徴とする位置追跡方法。
【請求項１０】
前記ベクトル推定処理はパーティクルフィルタであり、
前記算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素のパーティクル間での総和を算出することを特徴とする請求項９に記載の位置追跡方法。
【請求項１１】
さらに、サンプリング期間ごとに前記重みベクトルを正規化し、この正規化した重みベクトルで前記状態ベクトルを再抽出して当該状態ベクトルを更新することを特徴とする請求項１０に記載の位置追跡方法。
【請求項１２】
前記再抽出した状態ベクトルにガウスノイズ成分を加算することを特徴とする請求項１１に記載の位置追跡方法。
【請求項１３】
足による荷重を受けた加圧位置を検出する床センサから前記加圧位置の位置データを取得するコンピュータに読み込まれ、前記コンピュータに、規定の座標系における加圧者の位置、進行方向の角度、および速度を要素とする加圧者ごとの状態ベクトルの時系列を用いるベクトル推定処理により前記加圧者の位置を追跡する追跡処理機能を実行させるプログラムであって、
この追跡処理機能は、
前記加圧位置のそれぞれを相互の間隔を基準として組み分けした各グループの重心位置を前記位置データに基づいて算出する処理と、
右足の接地を定式化した第１モデルに前記状態ベクトルの各要素を適用して右足位置を示す第１位置を算出する処理と、
左足の接地を定式化した第２モデルに前記状態ベクトルの各要素を適用して左足位置を示す第２位置を算出する処理と、
両足の接地を定式化した第３モデルに前記状態ベクトルの各要素を適用して両足の中心位置を示す第３位置を算出する処理と、
前記第１乃至第３位置のそれぞれについて前記重心位置との近接度を評価する評価式を用いて前記グループごとに算出した重みベクトルが最大となるモデルの、当該重みベクトルの要素の総和を加圧者ごとに算出する処理と、
前記加圧者のそれぞれを、前記加圧者ごとに算出した総和が最大となるグループに対応付ける処理とを含むことを特徴とするプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２００９−３００２２７（Ｐ２００９−３００２２７Ａ）
【公開日】平成２１年１２月２４日（２００９．１２．２４）
【国際特許分類】
【出願番号】特願２００８−１５４３１７（Ｐ２００８−１５４３１７）
【出願日】平成２０年６月１２日（２００８．６．１２）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
【公開日】平成２１年１２月２４日（２００９．１２．２４）
【国際特許分類】
【出願日】平成２０年６月１２日（２００８．６．１２）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【Ｆターム（参考）】
[ Back to top ]