姿勢認識装置
【課題】使用者の着座姿勢を認識できる姿勢認識装置を提供する。
【解決手段】この姿勢認識装置は使用者１０の腰に装着する歩数計１に組み込まれており、歩数計１と共用の加速度センサ２の出力信号が演算処理部５に入力される。演算処理部５は加速度センサ２の出力信号から使用者１０が座ったことを認識した場合に、予め設定された期間における加速度センサ２の出力信号に基づいて使用者１０の着座姿勢を認識する。使用者１０が歩数計１を装着している長い時間の中で、歩いている時や走っている時以外の着座時にも健康に係わる有益な着座姿勢のセンシングと認識を行うことができる。
【解決手段】この姿勢認識装置は使用者１０の腰に装着する歩数計１に組み込まれており、歩数計１と共用の加速度センサ２の出力信号が演算処理部５に入力される。演算処理部５は加速度センサ２の出力信号から使用者１０が座ったことを認識した場合に、予め設定された期間における加速度センサ２の出力信号に基づいて使用者１０の着座姿勢を認識する。使用者１０が歩数計１を装着している長い時間の中で、歩いている時や走っている時以外の着座時にも健康に係わる有益な着座姿勢のセンシングと認識を行うことができる。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、使用者が着用して使用され、加速度センサを用いて使用者の姿勢を認識する姿勢認識装置に関し、特に、使用者が座っているときの姿勢を認識する姿勢認識装置に関する。
【背景技術】
【０００２】
従来、加速度センサを内蔵し、加速度センサを用いて人間の行動などを認識する装置,システムが提案されている。
【０００３】
特許文献１(特開昭６２−１０６７４２号公報)では、使用者の身に付けた加速度センサの波形を分析して、立つ、座る、歩く、走る等の人間の動作状態を認識する装置が記載されている。
【０００４】
また、特許文献２(特開平１０−０２４０２６号公報)では、使用者に携帯され、加速度センサに加えてジャイロセンサを用い、歩く、座る、食事をする、会議をするなどの使用者の大雑把な行動の認識が可能である装置が記載されている。
【０００５】
また、特許文献３(特開平１０−１１３３４３号公報)は、人間の色々な行動,活動状況を認識可能なシステムであり、加速度センサを利用することが記載されている。
【０００６】
しかし、上述の特許文献１〜３に記載の技術では、使用者の着座姿勢を認識することはできていない。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開昭６２−１０６７４２号公報
【特許文献２】特開平１０−０２４０２６号公報
【特許文献３】特開平１０−１１３３４３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
そこで、この発明の課題は、使用者の着座姿勢を認識できる姿勢認識装置を提供することにあり、さらには、使用者の悪い着座姿勢を認識したときに使用者に報知できる姿勢認識装置を提供することにある。
【課題を解決するための手段】
【０００９】
上記課題を解決するため、この発明の姿勢認識装置は、使用者の身体に装着される加速度センサと、
上記加速度センサの出力信号に基づいて上記使用者が座っているか否かを判別する判別部と、
上記判別部が上記使用者が座っていると判別した場合に上記加速度センサの出力信号に基づいて上記使用者の着座姿勢を認識して評価する認識評価部とを備えたことを特徴としている。
【００１０】
この発明の姿勢認識装置によれば、使用者の身体に装着される加速度センサの出力信号に基づいて上記判別部は上記使用者が座っているか否かを判別し、上記認識評価部は、上記判別部が上記使用者が座っていると判別した場合に上記加速度センサの出力信号に基づいて上記使用者の着座姿勢を認識できる。
【００１１】
なお、上記加速度センサは、例えば使用者の腰部に装着され、使用者の腰回りの姿勢の傾きを検出する。また、上記加速度センサは、一例として３軸加速度センサが採用される。
【００１２】
また、一実施形態の姿勢認識装置では、上記認識評価部は、
上記加速度センサの出力信号が入力されると共に上記加速度センサからの出力信号に基づいて上記使用者の着座姿勢を認識できるように予め学習させたニューラルネットワークを有する。
【００１３】
この実施形態によれば、上記認識評価部は、ニューラルネットワークを用いて使用者の着座姿勢の複雑,高度な認識が可能になる。
【００１４】
また、一実施形態の姿勢認識装置では、上記ニューラルネットワークに予め学習させる着座姿勢は、健康に悪い影響を及ぼす複数の異なる悪い着座姿勢を含んでおり、
上記認識評価部は、
上記ニューラルネットワークにより認識した上記使用者の着座姿勢が上記悪い着座姿勢であるときに、この悪い着座姿勢が使用者の健康に及ぼす悪影響を表す情報を上記使用者に報知する報知部を有する。
【００１５】
この実施形態によれば、上記認識評価部が、上記ニューラルネットワークにより認識した上記使用者の着座姿勢が上記悪い着座姿勢であるときに、上記報知部によって、上記悪い着座姿勢が使用者の健康に及ぼす悪影響を表す情報を上記使用者に報知できる。
【００１６】
また、一実施形態の姿勢認識装置では、上記認識評価部は、
予め定められた期間において、上記加速度センサの出力信号の予め設定された時間毎の複数の平均値を求め、この複数の平均値に基づいて上記使用者の着座姿勢を認識する。
【００１７】
この実施形態によれば、上記認識評価部は、上記加速度センサの出力信号の複数の平均値を求めることで、着座姿勢の認識に使うデータを増やして使用者の着座姿勢に関する複雑,高度な認識が可能になる。
【００１８】
また、一実施形態の姿勢認識装置では、上記認識評価部は、
現在時刻から予め定めた設定時間以上前の時刻から現在時刻までの期間において、上記加速度センサの出力信号の予め設定された上記検出時間毎の複数の平均値を求め、この複数の平均値に基づいて上記使用者の着座姿勢を認識する。
【００１９】
この実施形態によれば、上記認識評価部は、上記加速度センサの出力信号の複数の上記平均値を、現在時刻から予め定めた設定時間以上前の時刻から現在時刻までの期間において求めることで、着座姿勢の認識に使うデータを増やして使用者の着座姿勢に関する複雑,高度な認識が可能になる。
【００２０】
また、一実施形態の姿勢認識装置では、上記設定時間は１０秒間または６０秒間であり、上記検出時間は１秒間である。
【００２１】
この実施形態によれば、上記認識評価部は、上記加速度センサの出力信号の複数の上記平均値を、１秒毎に現在時刻から１０秒間または６０秒間以上前の時刻から現在時刻までの期間において求めることが、使用者の着座姿勢を求める上で人体の特性上好ましいことが判明した。
【００２２】
また、一実施形態の歩数計は、上記姿勢認識装置を備えた。
【００２３】
この歩数計によれば、使用者が歩数計を装着している長い時間の中で、歩いている時や走っている時以外の着座時にも健康に係わる有益な着座姿勢のセンシングと認識を行うことができる。また、上記加速度センサを上記歩数計の加速度センサと兼用とすることで、歩数計の構成要素としての加速度センサを利用して、使用者が座っているときの姿勢を認識できる。
【００２４】
また、一実施形態の活動量計は、上記姿勢認識装置を備えた。
【００２５】
この活動量計によれば、使用者が活動量計を装着している長い時間の中で、歩いている時や走っている時以外の着座時にも健康に係わる有益な着座姿勢のセンシングと認識を行うことができる。また、上記加速度センサを上記活動量計の加速度センサと兼用とすることで、活動量計の構成要素としての加速度センサを利用して、使用者が座っているときの姿勢を認識できる。
【００２６】
すなわち、使用者があまり活動していなく、歩数計や活動量計があまり役立たない状況の中にも、健康に関心を持つ人にとって有益な検知すべき情報として着座姿勢が存在する。例えば、長時間座っているときの姿勢の良し悪しは、使用者の現在や将来における体のゆがみを知る上で参考になる。
【００２７】
現在、加速度センサを主なセンシング手段とした歩数計や、消費カロリー,運動の大きさや活動量を見ることができる活動量計は多く存在する。こういったもののユーザーの中には運動不足を問題視している向きも多く、実際に歩いたり走ったりしている時間は少ないと推測できるが、例えば、仕事がデスクワークの人の場合、健康のために活動量計を、折角身に着けていても、装置がその機能を発揮するのは通勤時に歩く僅かな時間だけということもあり得る。このようなケースでは、本実施形態が有用になる。
【発明の効果】
【００２８】
この発明の姿勢認識装置によれば、判別部により、使用者の身体に装着される加速度センサの出力信号に基づいて上記使用者が座っているか否かを判別し、使用者が座っていると判別部が判別した場合に認識評価部により加速度センサの出力信号に基づいて使用者の着座姿勢を認識できる。
【図面の簡単な説明】
【００２９】
【図１Ａ】この発明の姿勢認識装置の実施形態が組み込まれた歩数計の正面、側面、分解側面を左方から右方へ順に示す模式図である。
【図１Ｂ】上記歩数計の分解模式図である。
【図１Ｃ】上記歩数計を腰(ベルト)に装着した使用者を模式的に示す図である。
【図２】上記実施形態が備えるニューラルネットワークの模式図である。
【図３Ａ】上記歩数計を装着した使用者が良い姿勢で座っている様子を示す模式図である。
【図３Ｂ】上記使用者が悪い姿勢の一例で座っている様子を示す模式図である。
【図３Ｃ】上記使用者が悪い姿勢の他の例で座っている様子を示す模式図である。
【図４】上記ニューラルネットワークの出力層ｎ１〜ｎ７と動作状態(着座姿勢の種類)との対応表を示す図である。
【図５】上記ニューラルネットワークの学習フローチャートおよび姿勢認識フローチャートを示す図である。
【発明を実施するための形態】
【００３０】
以下、この発明を図示の実施の形態により詳細に説明する。
【００３１】
図１Ａは、この発明の姿勢認識装置の実施形態が組み込まれている歩数計１の正面、側面、分解側面を左方から右方へ順に示している。また、図１Ｂは、状態表示用のディスプレイ３が取り付けられた歩数計１の前面パネル１Ａと、本体基板１Ｂと、ディスプレイ３,本体基板１Ｂの電源としての充電池(二次電池)６と、裏蓋１Ｃを示す模式図である。また、図１Ｃは、歩数計１を腰(ベルト)に装着した使用者１０を模式的に示している。
【００３２】
図１Ａに示すように、本体基板１Ｂおよび充電池６は、前面パネル１Ａと裏蓋１Ｃの間に収容される。図１Ｂに示すように、本体基板１Ｂには、加速度センサ２と演算処理部５と無線通信機能部４とスピーカ１５が実装されている。ディスプレイ３およびスピーカ１５は、報知部を構成している。加速度センサ２は、Ｘ軸,Ｙ軸,Ｚ軸の３軸方向の加速度を±２Ｇの範囲で検知可能な３軸加速度センサとした。また、演算処理部５はマイクロコンピュータ等で構成され、後述するニューラルネットワーク２０およびメモリ５Ａを含んでいる。加速度センサ２の出力信号は演算処理部５に入力される。演算処理部５は、判別部および認識評価部を構成している。すなわち、加速度センサ２と演算処理部５が本実施形態の姿勢認識装置を構成しており、加速度センサ２は歩数計１の歩数を計測するための加速度センサと共用している。
【００３３】
また、無線通信機能部４は、携帯電話,パソコン等と歩数計１との間で無線通信のためのものである。この歩数計１は、無線通信機能部４によりブルートゥース(Ｂluetooth)で携帯電話と接続されているものとする。
【００３４】
図１Ｃに示すように、使用者１０は、歩数計１を腰の横側、概ねベルトの高さに取り付けて使用する。使用者１０は、歩数計１を前述の位置に着用し、日中の生活を行う。使用者１０の歩行中は、歩数計１は歩数計として機能し、使用者１０の歩数や歩数に応じた標準的な表示カロリー等をディスプレイ３に表示する。
【００３５】
一方、使用者１０が椅子などに座った場合、演算処理部５は、加速度センサ２から入力された出力信号に基づいて使用者１０が座ったことを認識する。ここで、使用者１０の着座動作や立ち上がり動作には、それぞれの動作に応じた加速度センサ２の出力のパターンがある。したがって、使用者１０が座ったことの認識は様々な方法で可能である。例えば、加速度センサ２の出力信号から、演算処理部５が上下方向に大きな加速度が発生した後で、かつ長時間に渡って歩数が増加しないことを検出した場合などは高い確率で使用者１０が座っていると判定できる。また、演算処理部５は、後述するニューラルネットワーク２０によるパターンマッチングを用いて、歩数カウントのバックグラウンドで着座,立ち上がりに相当する動きを認識することも可能である。ここで、後述するニューラルネットワーク２０は、着座姿勢の判定のためのもので、加速度センサ２から入力される１秒毎のデータを６０秒前まで遡って判定するという時定数の大きいシステムになっているが、着座動作,立ち上がり動作等の定常的でない動作を認識する場合は、例えば、加速度センサ２から入力される１００ｍｓ(ミリ秒)毎のデータを５秒前まで遡って判定するなど、時定数を小さくして動作の認識を行う。
【００３６】
使用者１０が椅子などに座って、演算処理部５が加速度センサ２からの出力信号に基づいて、使用者１０が座った状態になったと判断すると、歩数計１に組み込まれた姿勢認識装置は、着座姿勢検知モードへ移行する。この着座姿勢検知モードでは、上記認識評価部をなす演算処理部５は、加速度センサ２が出力する出力信号の１秒間における平均を平均値Ａとし、この平均値Ａの１分間における平均値(以下、平均値Ｂと言う)、上記平均値Ａの１分間における分散、上記平均値Ａのゼロクロス回数を利用して、使用者１０の着座姿勢を認識する。
【００３７】
例えば、図３Ａに示すように、座った使用者１０が良い姿勢を取っている場合について説明する。この場合、加速度センサ２の出力信号の平均値Ｂは、加速度センサ２の３軸のＸＹＺ直交座標系から見た重力方向を表す値になる。図３Ａに示す良い姿勢の場合、上記姿勢認識装置の加速度センサ２のＺ軸が上を向いている。このため、上記姿勢認識装置の加速度センサ２は、出力信号として、−Ｚ方向に１Ｇ相当の値を出力することになる。また、使用者１０が図３Ａに示すような良い姿勢を取っているときには、加速度センサ２の出力信号の平均値Ａの１分間における分散,および平均値Ａのゼロクロス回数については、小さくなる傾向がある。
【００３８】
一方、座った使用者１０が、図３Ｂに示す悪い姿勢を取っている場合は、重力の方向が−Ｚ方向から大きくずれるので、加速度センサ２の出力信号の平均値Ｂは、−Ｚ方向から大きくずれた方向に１Ｇ相当の値となる。図３Ｂに示す悪い姿勢の場合、加速度センサ２の出力信号の平均値Ａの１分間における分散,および平均値Ａのゼロクロス回数については、悪い姿勢ではあるがあまり大きくならない傾向がある。
【００３９】
また、座った使用者５１が、図３Ｃに示す悪い姿勢を取っている場合は、重力の方向が図３Ａに示す良い姿勢の場合の−Ｚ方向と図３Ｂに示す悪い姿勢の場合の−Ｚ方向との中間程度の方向になる。この図３Ｃの悪い姿勢では、加速度センサ２の出力信号の平均値Ｂは、図３Ｃの−Ｚ方向からずれた方向に１Ｇ相当の値となるが図３Ｂの悪い姿勢に比べると−Ｚ方向からのずれは小さくなる。図３Ｂに示す悪い姿勢は、背筋が丸まった姿勢になっているので、内臓,骨格,肩や首の筋肉などに大きな負担がある。よって、使用者１０の姿勢が落ち着かない傾向があり、結果として、平均値Ａの１分間における分散,および平均値Ａのゼロクロスは大きくなる。
【００４０】
このように、良い姿勢,悪い姿勢については、加速度センサ２の出力信号の平均値Ａの平均値Ｂと平均値Ａの分散,ゼロクロスを併用することにより判別が可能である。図３Ａ,図３Ｂ,図３Ｃに一例を示した姿勢以外の良い姿勢,悪い姿勢についても、それぞれ、加速度センサ２の出力信号の平均値Ｂと分散,ゼロクロスの値を見ると微妙な違いがある。このため、図３Ａ〜図３Ｃの一例で説明したような簡単な場合分けではなく、より高度なパターン認識,判別法を用いれば上記微妙な違いによる着座姿勢の区別,認識が可能である。この実施形態の姿勢認識装置は、このようなより高度な判別を図２に示すニューラルネットワーク２０を用いて行う。
【００４１】
加速度センサ２が出力する使用者の動き(姿勢)に応じた出力値は、演算処理部５に渡されて適切に信号処理が行われ、演算処理部５に設定されたニューラルネットワーク２０に渡される。
【００４２】
ニューラルネットワーク２０は、予め、加速度センサ２の出力の値から良い姿勢,悪い姿勢の代表的な例を認識できるよう調整(学習)されており、入力信号が投入されると、「良い姿勢」、「腹筋が衰える姿勢」、「腰に悪い姿勢」などの各姿勢に対応する適切な応答を返す。
【００４３】
ニューラルネットワーク２０によって認識した結果(着座姿勢)は、現在の着座姿勢の状態としてディスプレイ３に表示される。また、この認識した着座姿勢は、無線通信機能部４から無線を通じて携帯電話や、無線接続が確立されたパソコンの画面上にも表示可能である。
【００４４】
併せて、ニューラルネットワーク２０によって認識した姿勢が引き起こす健康,美容面でのメリット,デメリットなどについてのデータベースを携帯電話やパソコン側に持たせることにより、「今の姿勢を取り続けると腰に悪い」、「肩こりを引き起こす」、「頭痛が生じる恐れがある」というような有意義な情報を使用者にフィードバックすることもできる。
【００４５】
次に、この実施形態の姿勢認識装置による認識の具体的な処理について説明する。動作状態の認識を行う時刻をｔ１とし、その時刻ｔ１から６０秒前の時刻をｔ０とする。加速度センサ２は１秒間に１００サンプルの加速度を測定して、この１秒間に１００サンプルの加速度を表す出力信号を演算処理部５に出力する。演算処理部５では、この１００サンプルの加速度データを用いて、１秒毎のＸ方向,Ｙ方向,Ｚ方向の加速度の平均値(平均値Ａ)を計算している。
【００４６】
演算処理部５は、時刻ｔ０から時刻ｔ１までの６０秒間に、Ｘ方向,Ｙ方向,Ｚ方向の加速度の平均値Ａを１秒周期で計算し、この３種類の平均値Ａは、演算処理部５に内蔵されたメモリに現時点(時刻ｔ１)の１秒前から６０秒前(時刻ｔ０)までの値が(３方向×６０個)保持されている。
【００４７】
演算処理部５では、時刻ｔ０〜時刻ｔ１間の平均値Ａのログを利用して、さらに、Ｘ方向,Ｙ方向,Ｚ方向それぞれの方向の平均値Ａの上記６０秒間における平均値(平均値Ｂ)を作成し、それぞれ、平均値Ｘ１,Ｙ１,Ｚ１とする。また、上記平均値Ａを元に、同区間(ｔ０〜ｔ１)の標準偏差も求め、それぞれ、標準偏差Ｘ２,Ｙ２,Ｚ２とする。
【００４８】
次に、演算処理部５では、時刻ｔ０〜ｔ１間におけるＸ,Ｙ,Ｚ方向の各方向の加速度の平均値Ａの最大値と最小値を探索し、その最大値と最小値の差をそれぞれＸ３,Ｙ３,Ｚ３とする。また、演算処理部５では、同区間(ｔ０〜ｔ１)において、Ｘ,Ｙ,Ｚ方向の各方向の加速度の平均値Ａのゼロクロス回数もカウントし、そのゼロクロス回数をそれぞれＸ４,Ｙ４,Ｚ４とする。
【００４９】
加速度センサ２による実際の測定自体は、１０ｍｓ(ミリ秒)周期で行っているが、上記平均値Ｘ１,Ｙ１,Ｚ１、標準偏差Ｘ２,Ｙ２,Ｚ２、最大値と最小値の差Ｘ３,Ｙ３,Ｚ３、ゼロクロス回数Ｘ４,Ｙ４,Ｚ４の計算は平均値Ａを利用して６０秒前の時刻ｔ０から現時刻ｔ１まで１秒周期で実施している。例えば、Ｘ軸,Ｙ軸,Ｚ軸の各方向の加速度の平均値Ｂ(Ｘ１,Ｙ１,Ｚ１)としては、Ｘ軸,Ｙ軸,Ｚ軸のうちの一つの軸方向について、現時点(ｔ１)から現時点(ｔ１)の６０秒前(ｔ０)までの６０サンプルの平均値Ａから計算された平均値Ｂが１秒毎に生成される、ということになる。
【００５０】
なお、この実施形態の一例では、時刻ｔ０から時刻ｔ１の時間を６０秒間としたが、時刻ｔ０から時刻ｔ１の時間は６０秒間に限らないのは勿論で、例えば、４０秒間、３０秒間、１０秒間、５秒間等に設定してもよく、他の所望の時間に設定できる。また、この実施形態の一例では、上記加速度の平均値Ａを求める周期は１秒周期にしたが、上記加速度の平均値Ａを求める周期は１秒周期に限らないのは勿論で、３秒間、２秒間、０.５秒間等に設定してもよく、他の所望の時間に設定できる。また、上記加速度の平均値Ａを求める期間は、現在時刻から或る時間だけ前の或る期間に設定してもよい。
【００５１】
そして、演算処理部５では、これら計１２個のデータ(Ｘ１,Ｙ１,Ｚ１、Ｘ２,Ｙ２,Ｚ２、Ｘ３,Ｙ３,Ｚ３、Ｘ４,Ｙ４,Ｚ４)を、図２に示すニューラルネットワーク２０の１２個の入力層ｉ１〜ｉ１２に入力する。その結果として、使用者１０がどの様な動作状態(姿勢)にあるかを出力層ｎ１〜ｎ７から取得する。上記加速度の平均値Ｘ１,Ｙ１,Ｚ１は入力層ｉ１,ｉ２,ｉ３に入力され、標準偏差Ｘ２,Ｙ２,Ｚ２は入力層ｉ４,ｉ５,ｉ６に入力される。また、最大値と最小値の差Ｘ３,Ｙ３,Ｚ３は入力層ｉ７,ｉ８,ｉ９に入力され、ゼロクロス回数Ｘ４,Ｙ４,Ｚ４は入力層ｉ１０,ｉ１１,ｉ１２に入力される。
【００５２】
ここで、判別対象の動作状態として７種類の姿勢がニューラルネットワーク２０に予め学習されているものとする。このニューラルネットワーク７は、１２個の入力層ｉ１〜ｉ１２と、７個の中間層ｍ１〜ｍ７と、７個の出力層ｎ１〜ｎ７の３層とで構成されており、ＢＰ(バックプロパゲーション)法と呼ばれるアルゴリズムで学習している。このＢＰ法を用いる手法においては、予め、入力の組(ここでは、Ｘ１〜Ｘ４,Ｙ１〜Ｙ４,Ｚ１〜Ｚ４の１２種類の値)と、それに対応する適切な動作状態(着座姿勢)とのセットを大量に用意し、これを使って学習を行っている。具体的には、使用者が、予め座って、良い姿勢,悪い姿勢を取ったときの加速度データＸ１〜Ｘ４,Ｙ１〜Ｙ４,Ｚ１〜Ｚ４に相当するデータを開発者または試験用のスタッフ等を対象にして測定しておき、これを学習に用いる。
【００５３】
図４は、ニューラルネットワーク２０の出力層ｎ１〜ｎ７と動作状態(着座姿勢の種類)との関係を示す対応表である。何種類かの姿勢(図４では出力層ｎ１〜ｎ７の個数７から７種類の姿勢)について、対応する１２個の加速度データＸ１〜Ｘ４,Ｙ１〜Ｙ４,Ｚ１〜Ｚ４を取得し、その１２個の加速度データＸ１〜Ｚ４を用いて、ニューラルネットワーク７に学習させる。すると、加速度データＸ１〜Ｚ４を入力層ｉ１〜ｉ１２に入れた際に、判定結果が出力層ｎ１〜ｎ７に出力される。出力層ｎ１〜ｎ７は、それぞれ、図４に示す表のように互いに異なる１つの着座姿勢に対応しており、１２個の入力層ｉ１〜ｉ１２に入力される１２個の加速度データＸ１〜Ｚ４によって、０から１までの値を取る。例えば、加速度センサ２の出力から前述の処理によって生成された、ニューラルネットワーク２０の入力層ｉ１〜ｉ１２への入力(Ｘ１〜Ｚ４)の結果、出力層ｎ１の値が１に近く、その他の出力層ｎ２〜ｎ７の値が０に近い場合、入力(Ｘ１〜Ｚ４)の基になったその時の使用者１０の姿勢は、出力層ｎ１に対応する姿勢、すなわち「腰に悪い姿勢」であると判断する。
【００５４】
ニューラルネットワーク２０の学習は、学習用に測定したデータを用い、ＰＣ(パーソナルコンピュータ)等で学習のためのアルゴリズムを実行することによって行う。大まかな流れは、図５に示す学習フローチャートの通りとする。
【００５５】
すなわち、まず、ステップＳ１で、判別したい複数の着座姿勢に対応する加速度データを実測して取得する。この判別したい複数の着座姿勢とは、例えば、図４に示されるような、「腰に悪い姿勢」,「左右のバランスが悪い姿勢」,「良い姿勢」,「内臓に悪い姿勢」,「腹筋が衰える姿勢」,「肩こりを引き起こす姿勢」,「頭痛を引き起こす姿勢」である。そして、使用者１０が、これらの姿勢でいる場合に加速度センサ２が出力する加速度データが演算処理部５に入力される。
【００５６】
次に、ステップＳ２に進み、演算処理部５は、上記加速度データから上述の平均値Ｘ１,Ｙ１,Ｚ１、標準偏差Ｘ２,Ｙ２,Ｚ２、最大値と最小値の差Ｘ３,Ｙ３,Ｚ３、ゼロクロス回数Ｘ４,Ｙ４,Ｚ４等を含む教師データを算出する。
【００５７】
次に、ステップＳ３に進み、上記教師データを用いてニューラルネットワーク２０に学習させる。次に、ステップＳ４に進み、上記学習により姿勢判別のための数式を得る。次に、ステップＳ５に進み、上記姿勢判別のための数式を演算処理部５に組み込む。
【００５８】
図５の学習フローチャートによる学習の結果、学習が完了したニューラルネットワーク２０と等価な計算式が得られる。この計算式を演算処理部５に組み込むことにより、この姿勢認識装置が組み込まれた歩数計１を使って、リアルタイムな姿勢の判定結果を使用者１０にフィードバックすることができる。
【００５９】
演算処理部５による着座姿勢の判定は、使用者１０が歩数計１を装着して活動している時間のうち、座っている(着席している)と判定されている間はリアルタイムで常時行う。この姿勢の判定の大まかな流れは、図５に示す認識フローチャートの通りである。
【００６０】
まず、ステップＳ１１で、演算処理部５は、１秒周期で上記Ｘ方向,Ｙ方向,Ｚ方向の加速度の平均値Ａを計算する。次に、ステップＳ１２で、演算処理部５は、姿勢認識を行う時刻ｔ１の６０秒前ｔ０からの時刻ｔ１の１秒前までの１秒毎の平均値Ａから、６０個×３方向の平均値Ｘ１,Ｙ１,Ｚ１と標準偏差Ｘ２,Ｙ２,Ｚ２と最大値と最小値の差Ｘ３,Ｙ３,Ｚ３とゼロクロス回数Ｘ４,Ｙ４,Ｚ４を算出する。
【００６１】
次に、ステップＳ１３で、演算処理部５は、算出した平均値Ｘ１,Ｙ１,Ｚ１と標準偏差Ｘ２,Ｙ２,Ｚ２と最大値と最小値の差Ｘ３,Ｙ３,Ｚ３とゼロクロス回数Ｘ４,Ｙ４,Ｚ４をニューラルネットワーク２０の入力層ｉ１〜ｉ１２に入力する。すると、ステップＳ１４で、ニューラルネットワーク２０の出力層ｎ１〜ｎ７から前述の図４の対応表に示されるような７種類の着座姿勢に関する出力データが得られる。そして、ステップＳ１５で、各出力層ｎ１〜ｎ７からの出力データから姿勢認識を行う時刻ｔ１での使用者１０の着座姿勢を判定し、ステップＳ１６で、時刻ｔ１での使用者１０の着座姿勢の判定結果をディスプレイ３に表示する。また、上記判定結果は、無線通信機能部４により携帯電話やパソコンにログ保存する。
【００６２】
この認識フローチャートのステップＳ１１からステップＳ１６のフローは、１秒周期で行われる。これによって、１秒毎に使用者１０の着座姿勢を認識し、リアルタイムで認識結果を使用者１０、あるいは、認識結果を利用する外部のシステム(例えば、健康維持目的とした携帯電話向けアプリケーション等)にフィードバックすることができる。また、着座姿勢が悪いことを使用者１０にフィードバックする際には、この姿勢認識装置が組み込まれた歩数計１の本体に内蔵したスピーカ１５を用い、警告音を発するなどして使用者１０に自覚を促すアクションを行う。
【００６３】
このように、加速度センサ２の出力の一定の時間区間における平均値,標準偏差,最大値と最小値との差,ゼロクロス回数を算出し、使用者１０の着座姿勢の認識に使うデータを仮想的に増やし、この複数のパラメータを入力数の多いニューラルネットワーク２０への入力として同時に認識している。これにより、ハードウェアは簡単でも、ソフトウェア的には仮想的に多数のデータから高度なアルゴリズムを用いて使用者１０の着座姿勢を判定している状況になり、結果として使用者１０の姿勢に関する複雑,高度な認識が可能になる。認識アルゴリズムに多くの情報を同時に処理できるニューラルネットワーク２０を利用し、加速度センサ２の一定時間区間における出力から生成されたこれらのパラメータを併用して判別することによって、腰回りの姿勢が傾いているかというような簡単な認識だけでなく、例えば、上述のような「内臓に悪い姿勢を取っていないか」という複雑な内容の認識が可能になる。
【００６４】
このように、本実施形態の姿勢認識装置は歩数計１に組み込まれており、歩数計１の構成要素(加速度センサ２,ディスプレイ３等)を使って使用者１０が座っている状態の姿勢を推定し、悪い姿勢を検知した場合は携帯電話やＰＣ(パーソナルコンピュータ)、あるいは歩数計１のディスプレイ３やスピーカ１５を通じて使用者１０に警告や指示を与えることができる。
【００６５】
したがって、本実施形態の姿勢認識装置によれば、複数のセンサを使うことなく、シンプルなハードウェアでの高度な姿勢の認識が可能になり、体の様々なところにセンサを取り付ける必要もないので、歩数計のようなシンプルな装置において姿勢の検知が可能になる。よって、使用者１０が歩数計１を装着している長い時間の中で、歩いている時や走っている時以外の着座時にも健康に係わる着座姿勢の有益なセンシングと認識を行い、使用者へ健康に関するフィードバックを行うことができる。つまり、常時身につけて使用する歩数計において、あまり役に立っていない「座っている時間」に、使用者の健康に役立つ情報をフィードバックできるようになり、歩数計を常時身に付ける意義が向上する。
【００６６】
尚、上記実施形態の姿勢認識装置は、歩数計に組み込んだが活動量計に組み込んでもよく、さらには、他の装置に組み込まずに姿勢認識装置単体としてもよい。また、上記実施形態では、歩数計１と共に使用者の腰に装着したが、この発明の姿勢認識装置を装着する箇所は使用者の腰以外の足,腕,背中,腹,胸,頭,肩等であってもよい。
【符号の説明】
【００６７】
１ 歩数計
１Ａ 前面パネル
１Ｂ 本体基板
１Ｃ 裏蓋
２ 加速度センサ
３ ディスプレイ
４ 無線通信機能部
５ 演算処理部
５Ａ メモリ
６ 充電池
１０ 使用者
１５ スピーカ
２０ ニューラルネットワーク
【技術分野】
【０００１】
この発明は、使用者が着用して使用され、加速度センサを用いて使用者の姿勢を認識する姿勢認識装置に関し、特に、使用者が座っているときの姿勢を認識する姿勢認識装置に関する。
【背景技術】
【０００２】
従来、加速度センサを内蔵し、加速度センサを用いて人間の行動などを認識する装置,システムが提案されている。
【０００３】
特許文献１(特開昭６２−１０６７４２号公報)では、使用者の身に付けた加速度センサの波形を分析して、立つ、座る、歩く、走る等の人間の動作状態を認識する装置が記載されている。
【０００４】
また、特許文献２(特開平１０−０２４０２６号公報)では、使用者に携帯され、加速度センサに加えてジャイロセンサを用い、歩く、座る、食事をする、会議をするなどの使用者の大雑把な行動の認識が可能である装置が記載されている。
【０００５】
また、特許文献３(特開平１０−１１３３４３号公報)は、人間の色々な行動,活動状況を認識可能なシステムであり、加速度センサを利用することが記載されている。
【０００６】
しかし、上述の特許文献１〜３に記載の技術では、使用者の着座姿勢を認識することはできていない。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開昭６２−１０６７４２号公報
【特許文献２】特開平１０−０２４０２６号公報
【特許文献３】特開平１０−１１３３４３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
そこで、この発明の課題は、使用者の着座姿勢を認識できる姿勢認識装置を提供することにあり、さらには、使用者の悪い着座姿勢を認識したときに使用者に報知できる姿勢認識装置を提供することにある。
【課題を解決するための手段】
【０００９】
上記課題を解決するため、この発明の姿勢認識装置は、使用者の身体に装着される加速度センサと、
上記加速度センサの出力信号に基づいて上記使用者が座っているか否かを判別する判別部と、
上記判別部が上記使用者が座っていると判別した場合に上記加速度センサの出力信号に基づいて上記使用者の着座姿勢を認識して評価する認識評価部とを備えたことを特徴としている。
【００１０】
この発明の姿勢認識装置によれば、使用者の身体に装着される加速度センサの出力信号に基づいて上記判別部は上記使用者が座っているか否かを判別し、上記認識評価部は、上記判別部が上記使用者が座っていると判別した場合に上記加速度センサの出力信号に基づいて上記使用者の着座姿勢を認識できる。
【００１１】
なお、上記加速度センサは、例えば使用者の腰部に装着され、使用者の腰回りの姿勢の傾きを検出する。また、上記加速度センサは、一例として３軸加速度センサが採用される。
【００１２】
また、一実施形態の姿勢認識装置では、上記認識評価部は、
上記加速度センサの出力信号が入力されると共に上記加速度センサからの出力信号に基づいて上記使用者の着座姿勢を認識できるように予め学習させたニューラルネットワークを有する。
【００１３】
この実施形態によれば、上記認識評価部は、ニューラルネットワークを用いて使用者の着座姿勢の複雑,高度な認識が可能になる。
【００１４】
また、一実施形態の姿勢認識装置では、上記ニューラルネットワークに予め学習させる着座姿勢は、健康に悪い影響を及ぼす複数の異なる悪い着座姿勢を含んでおり、
上記認識評価部は、
上記ニューラルネットワークにより認識した上記使用者の着座姿勢が上記悪い着座姿勢であるときに、この悪い着座姿勢が使用者の健康に及ぼす悪影響を表す情報を上記使用者に報知する報知部を有する。
【００１５】
この実施形態によれば、上記認識評価部が、上記ニューラルネットワークにより認識した上記使用者の着座姿勢が上記悪い着座姿勢であるときに、上記報知部によって、上記悪い着座姿勢が使用者の健康に及ぼす悪影響を表す情報を上記使用者に報知できる。
【００１６】
また、一実施形態の姿勢認識装置では、上記認識評価部は、
予め定められた期間において、上記加速度センサの出力信号の予め設定された時間毎の複数の平均値を求め、この複数の平均値に基づいて上記使用者の着座姿勢を認識する。
【００１７】
この実施形態によれば、上記認識評価部は、上記加速度センサの出力信号の複数の平均値を求めることで、着座姿勢の認識に使うデータを増やして使用者の着座姿勢に関する複雑,高度な認識が可能になる。
【００１８】
また、一実施形態の姿勢認識装置では、上記認識評価部は、
現在時刻から予め定めた設定時間以上前の時刻から現在時刻までの期間において、上記加速度センサの出力信号の予め設定された上記検出時間毎の複数の平均値を求め、この複数の平均値に基づいて上記使用者の着座姿勢を認識する。
【００１９】
この実施形態によれば、上記認識評価部は、上記加速度センサの出力信号の複数の上記平均値を、現在時刻から予め定めた設定時間以上前の時刻から現在時刻までの期間において求めることで、着座姿勢の認識に使うデータを増やして使用者の着座姿勢に関する複雑,高度な認識が可能になる。
【００２０】
また、一実施形態の姿勢認識装置では、上記設定時間は１０秒間または６０秒間であり、上記検出時間は１秒間である。
【００２１】
この実施形態によれば、上記認識評価部は、上記加速度センサの出力信号の複数の上記平均値を、１秒毎に現在時刻から１０秒間または６０秒間以上前の時刻から現在時刻までの期間において求めることが、使用者の着座姿勢を求める上で人体の特性上好ましいことが判明した。
【００２２】
また、一実施形態の歩数計は、上記姿勢認識装置を備えた。
【００２３】
この歩数計によれば、使用者が歩数計を装着している長い時間の中で、歩いている時や走っている時以外の着座時にも健康に係わる有益な着座姿勢のセンシングと認識を行うことができる。また、上記加速度センサを上記歩数計の加速度センサと兼用とすることで、歩数計の構成要素としての加速度センサを利用して、使用者が座っているときの姿勢を認識できる。
【００２４】
また、一実施形態の活動量計は、上記姿勢認識装置を備えた。
【００２５】
この活動量計によれば、使用者が活動量計を装着している長い時間の中で、歩いている時や走っている時以外の着座時にも健康に係わる有益な着座姿勢のセンシングと認識を行うことができる。また、上記加速度センサを上記活動量計の加速度センサと兼用とすることで、活動量計の構成要素としての加速度センサを利用して、使用者が座っているときの姿勢を認識できる。
【００２６】
すなわち、使用者があまり活動していなく、歩数計や活動量計があまり役立たない状況の中にも、健康に関心を持つ人にとって有益な検知すべき情報として着座姿勢が存在する。例えば、長時間座っているときの姿勢の良し悪しは、使用者の現在や将来における体のゆがみを知る上で参考になる。
【００２７】
現在、加速度センサを主なセンシング手段とした歩数計や、消費カロリー,運動の大きさや活動量を見ることができる活動量計は多く存在する。こういったもののユーザーの中には運動不足を問題視している向きも多く、実際に歩いたり走ったりしている時間は少ないと推測できるが、例えば、仕事がデスクワークの人の場合、健康のために活動量計を、折角身に着けていても、装置がその機能を発揮するのは通勤時に歩く僅かな時間だけということもあり得る。このようなケースでは、本実施形態が有用になる。
【発明の効果】
【００２８】
この発明の姿勢認識装置によれば、判別部により、使用者の身体に装着される加速度センサの出力信号に基づいて上記使用者が座っているか否かを判別し、使用者が座っていると判別部が判別した場合に認識評価部により加速度センサの出力信号に基づいて使用者の着座姿勢を認識できる。
【図面の簡単な説明】
【００２９】
【図１Ａ】この発明の姿勢認識装置の実施形態が組み込まれた歩数計の正面、側面、分解側面を左方から右方へ順に示す模式図である。
【図１Ｂ】上記歩数計の分解模式図である。
【図１Ｃ】上記歩数計を腰(ベルト)に装着した使用者を模式的に示す図である。
【図２】上記実施形態が備えるニューラルネットワークの模式図である。
【図３Ａ】上記歩数計を装着した使用者が良い姿勢で座っている様子を示す模式図である。
【図３Ｂ】上記使用者が悪い姿勢の一例で座っている様子を示す模式図である。
【図３Ｃ】上記使用者が悪い姿勢の他の例で座っている様子を示す模式図である。
【図４】上記ニューラルネットワークの出力層ｎ１〜ｎ７と動作状態(着座姿勢の種類)との対応表を示す図である。
【図５】上記ニューラルネットワークの学習フローチャートおよび姿勢認識フローチャートを示す図である。
【発明を実施するための形態】
【００３０】
以下、この発明を図示の実施の形態により詳細に説明する。
【００３１】
図１Ａは、この発明の姿勢認識装置の実施形態が組み込まれている歩数計１の正面、側面、分解側面を左方から右方へ順に示している。また、図１Ｂは、状態表示用のディスプレイ３が取り付けられた歩数計１の前面パネル１Ａと、本体基板１Ｂと、ディスプレイ３,本体基板１Ｂの電源としての充電池(二次電池)６と、裏蓋１Ｃを示す模式図である。また、図１Ｃは、歩数計１を腰(ベルト)に装着した使用者１０を模式的に示している。
【００３２】
図１Ａに示すように、本体基板１Ｂおよび充電池６は、前面パネル１Ａと裏蓋１Ｃの間に収容される。図１Ｂに示すように、本体基板１Ｂには、加速度センサ２と演算処理部５と無線通信機能部４とスピーカ１５が実装されている。ディスプレイ３およびスピーカ１５は、報知部を構成している。加速度センサ２は、Ｘ軸,Ｙ軸,Ｚ軸の３軸方向の加速度を±２Ｇの範囲で検知可能な３軸加速度センサとした。また、演算処理部５はマイクロコンピュータ等で構成され、後述するニューラルネットワーク２０およびメモリ５Ａを含んでいる。加速度センサ２の出力信号は演算処理部５に入力される。演算処理部５は、判別部および認識評価部を構成している。すなわち、加速度センサ２と演算処理部５が本実施形態の姿勢認識装置を構成しており、加速度センサ２は歩数計１の歩数を計測するための加速度センサと共用している。
【００３３】
また、無線通信機能部４は、携帯電話,パソコン等と歩数計１との間で無線通信のためのものである。この歩数計１は、無線通信機能部４によりブルートゥース(Ｂluetooth)で携帯電話と接続されているものとする。
【００３４】
図１Ｃに示すように、使用者１０は、歩数計１を腰の横側、概ねベルトの高さに取り付けて使用する。使用者１０は、歩数計１を前述の位置に着用し、日中の生活を行う。使用者１０の歩行中は、歩数計１は歩数計として機能し、使用者１０の歩数や歩数に応じた標準的な表示カロリー等をディスプレイ３に表示する。
【００３５】
一方、使用者１０が椅子などに座った場合、演算処理部５は、加速度センサ２から入力された出力信号に基づいて使用者１０が座ったことを認識する。ここで、使用者１０の着座動作や立ち上がり動作には、それぞれの動作に応じた加速度センサ２の出力のパターンがある。したがって、使用者１０が座ったことの認識は様々な方法で可能である。例えば、加速度センサ２の出力信号から、演算処理部５が上下方向に大きな加速度が発生した後で、かつ長時間に渡って歩数が増加しないことを検出した場合などは高い確率で使用者１０が座っていると判定できる。また、演算処理部５は、後述するニューラルネットワーク２０によるパターンマッチングを用いて、歩数カウントのバックグラウンドで着座,立ち上がりに相当する動きを認識することも可能である。ここで、後述するニューラルネットワーク２０は、着座姿勢の判定のためのもので、加速度センサ２から入力される１秒毎のデータを６０秒前まで遡って判定するという時定数の大きいシステムになっているが、着座動作,立ち上がり動作等の定常的でない動作を認識する場合は、例えば、加速度センサ２から入力される１００ｍｓ(ミリ秒)毎のデータを５秒前まで遡って判定するなど、時定数を小さくして動作の認識を行う。
【００３６】
使用者１０が椅子などに座って、演算処理部５が加速度センサ２からの出力信号に基づいて、使用者１０が座った状態になったと判断すると、歩数計１に組み込まれた姿勢認識装置は、着座姿勢検知モードへ移行する。この着座姿勢検知モードでは、上記認識評価部をなす演算処理部５は、加速度センサ２が出力する出力信号の１秒間における平均を平均値Ａとし、この平均値Ａの１分間における平均値(以下、平均値Ｂと言う)、上記平均値Ａの１分間における分散、上記平均値Ａのゼロクロス回数を利用して、使用者１０の着座姿勢を認識する。
【００３７】
例えば、図３Ａに示すように、座った使用者１０が良い姿勢を取っている場合について説明する。この場合、加速度センサ２の出力信号の平均値Ｂは、加速度センサ２の３軸のＸＹＺ直交座標系から見た重力方向を表す値になる。図３Ａに示す良い姿勢の場合、上記姿勢認識装置の加速度センサ２のＺ軸が上を向いている。このため、上記姿勢認識装置の加速度センサ２は、出力信号として、−Ｚ方向に１Ｇ相当の値を出力することになる。また、使用者１０が図３Ａに示すような良い姿勢を取っているときには、加速度センサ２の出力信号の平均値Ａの１分間における分散,および平均値Ａのゼロクロス回数については、小さくなる傾向がある。
【００３８】
一方、座った使用者１０が、図３Ｂに示す悪い姿勢を取っている場合は、重力の方向が−Ｚ方向から大きくずれるので、加速度センサ２の出力信号の平均値Ｂは、−Ｚ方向から大きくずれた方向に１Ｇ相当の値となる。図３Ｂに示す悪い姿勢の場合、加速度センサ２の出力信号の平均値Ａの１分間における分散,および平均値Ａのゼロクロス回数については、悪い姿勢ではあるがあまり大きくならない傾向がある。
【００３９】
また、座った使用者５１が、図３Ｃに示す悪い姿勢を取っている場合は、重力の方向が図３Ａに示す良い姿勢の場合の−Ｚ方向と図３Ｂに示す悪い姿勢の場合の−Ｚ方向との中間程度の方向になる。この図３Ｃの悪い姿勢では、加速度センサ２の出力信号の平均値Ｂは、図３Ｃの−Ｚ方向からずれた方向に１Ｇ相当の値となるが図３Ｂの悪い姿勢に比べると−Ｚ方向からのずれは小さくなる。図３Ｂに示す悪い姿勢は、背筋が丸まった姿勢になっているので、内臓,骨格,肩や首の筋肉などに大きな負担がある。よって、使用者１０の姿勢が落ち着かない傾向があり、結果として、平均値Ａの１分間における分散,および平均値Ａのゼロクロスは大きくなる。
【００４０】
このように、良い姿勢,悪い姿勢については、加速度センサ２の出力信号の平均値Ａの平均値Ｂと平均値Ａの分散,ゼロクロスを併用することにより判別が可能である。図３Ａ,図３Ｂ,図３Ｃに一例を示した姿勢以外の良い姿勢,悪い姿勢についても、それぞれ、加速度センサ２の出力信号の平均値Ｂと分散,ゼロクロスの値を見ると微妙な違いがある。このため、図３Ａ〜図３Ｃの一例で説明したような簡単な場合分けではなく、より高度なパターン認識,判別法を用いれば上記微妙な違いによる着座姿勢の区別,認識が可能である。この実施形態の姿勢認識装置は、このようなより高度な判別を図２に示すニューラルネットワーク２０を用いて行う。
【００４１】
加速度センサ２が出力する使用者の動き(姿勢)に応じた出力値は、演算処理部５に渡されて適切に信号処理が行われ、演算処理部５に設定されたニューラルネットワーク２０に渡される。
【００４２】
ニューラルネットワーク２０は、予め、加速度センサ２の出力の値から良い姿勢,悪い姿勢の代表的な例を認識できるよう調整(学習)されており、入力信号が投入されると、「良い姿勢」、「腹筋が衰える姿勢」、「腰に悪い姿勢」などの各姿勢に対応する適切な応答を返す。
【００４３】
ニューラルネットワーク２０によって認識した結果(着座姿勢)は、現在の着座姿勢の状態としてディスプレイ３に表示される。また、この認識した着座姿勢は、無線通信機能部４から無線を通じて携帯電話や、無線接続が確立されたパソコンの画面上にも表示可能である。
【００４４】
併せて、ニューラルネットワーク２０によって認識した姿勢が引き起こす健康,美容面でのメリット,デメリットなどについてのデータベースを携帯電話やパソコン側に持たせることにより、「今の姿勢を取り続けると腰に悪い」、「肩こりを引き起こす」、「頭痛が生じる恐れがある」というような有意義な情報を使用者にフィードバックすることもできる。
【００４５】
次に、この実施形態の姿勢認識装置による認識の具体的な処理について説明する。動作状態の認識を行う時刻をｔ１とし、その時刻ｔ１から６０秒前の時刻をｔ０とする。加速度センサ２は１秒間に１００サンプルの加速度を測定して、この１秒間に１００サンプルの加速度を表す出力信号を演算処理部５に出力する。演算処理部５では、この１００サンプルの加速度データを用いて、１秒毎のＸ方向,Ｙ方向,Ｚ方向の加速度の平均値(平均値Ａ)を計算している。
【００４６】
演算処理部５は、時刻ｔ０から時刻ｔ１までの６０秒間に、Ｘ方向,Ｙ方向,Ｚ方向の加速度の平均値Ａを１秒周期で計算し、この３種類の平均値Ａは、演算処理部５に内蔵されたメモリに現時点(時刻ｔ１)の１秒前から６０秒前(時刻ｔ０)までの値が(３方向×６０個)保持されている。
【００４７】
演算処理部５では、時刻ｔ０〜時刻ｔ１間の平均値Ａのログを利用して、さらに、Ｘ方向,Ｙ方向,Ｚ方向それぞれの方向の平均値Ａの上記６０秒間における平均値(平均値Ｂ)を作成し、それぞれ、平均値Ｘ１,Ｙ１,Ｚ１とする。また、上記平均値Ａを元に、同区間(ｔ０〜ｔ１)の標準偏差も求め、それぞれ、標準偏差Ｘ２,Ｙ２,Ｚ２とする。
【００４８】
次に、演算処理部５では、時刻ｔ０〜ｔ１間におけるＸ,Ｙ,Ｚ方向の各方向の加速度の平均値Ａの最大値と最小値を探索し、その最大値と最小値の差をそれぞれＸ３,Ｙ３,Ｚ３とする。また、演算処理部５では、同区間(ｔ０〜ｔ１)において、Ｘ,Ｙ,Ｚ方向の各方向の加速度の平均値Ａのゼロクロス回数もカウントし、そのゼロクロス回数をそれぞれＸ４,Ｙ４,Ｚ４とする。
【００４９】
加速度センサ２による実際の測定自体は、１０ｍｓ(ミリ秒)周期で行っているが、上記平均値Ｘ１,Ｙ１,Ｚ１、標準偏差Ｘ２,Ｙ２,Ｚ２、最大値と最小値の差Ｘ３,Ｙ３,Ｚ３、ゼロクロス回数Ｘ４,Ｙ４,Ｚ４の計算は平均値Ａを利用して６０秒前の時刻ｔ０から現時刻ｔ１まで１秒周期で実施している。例えば、Ｘ軸,Ｙ軸,Ｚ軸の各方向の加速度の平均値Ｂ(Ｘ１,Ｙ１,Ｚ１)としては、Ｘ軸,Ｙ軸,Ｚ軸のうちの一つの軸方向について、現時点(ｔ１)から現時点(ｔ１)の６０秒前(ｔ０)までの６０サンプルの平均値Ａから計算された平均値Ｂが１秒毎に生成される、ということになる。
【００５０】
なお、この実施形態の一例では、時刻ｔ０から時刻ｔ１の時間を６０秒間としたが、時刻ｔ０から時刻ｔ１の時間は６０秒間に限らないのは勿論で、例えば、４０秒間、３０秒間、１０秒間、５秒間等に設定してもよく、他の所望の時間に設定できる。また、この実施形態の一例では、上記加速度の平均値Ａを求める周期は１秒周期にしたが、上記加速度の平均値Ａを求める周期は１秒周期に限らないのは勿論で、３秒間、２秒間、０.５秒間等に設定してもよく、他の所望の時間に設定できる。また、上記加速度の平均値Ａを求める期間は、現在時刻から或る時間だけ前の或る期間に設定してもよい。
【００５１】
そして、演算処理部５では、これら計１２個のデータ(Ｘ１,Ｙ１,Ｚ１、Ｘ２,Ｙ２,Ｚ２、Ｘ３,Ｙ３,Ｚ３、Ｘ４,Ｙ４,Ｚ４)を、図２に示すニューラルネットワーク２０の１２個の入力層ｉ１〜ｉ１２に入力する。その結果として、使用者１０がどの様な動作状態(姿勢)にあるかを出力層ｎ１〜ｎ７から取得する。上記加速度の平均値Ｘ１,Ｙ１,Ｚ１は入力層ｉ１,ｉ２,ｉ３に入力され、標準偏差Ｘ２,Ｙ２,Ｚ２は入力層ｉ４,ｉ５,ｉ６に入力される。また、最大値と最小値の差Ｘ３,Ｙ３,Ｚ３は入力層ｉ７,ｉ８,ｉ９に入力され、ゼロクロス回数Ｘ４,Ｙ４,Ｚ４は入力層ｉ１０,ｉ１１,ｉ１２に入力される。
【００５２】
ここで、判別対象の動作状態として７種類の姿勢がニューラルネットワーク２０に予め学習されているものとする。このニューラルネットワーク７は、１２個の入力層ｉ１〜ｉ１２と、７個の中間層ｍ１〜ｍ７と、７個の出力層ｎ１〜ｎ７の３層とで構成されており、ＢＰ(バックプロパゲーション)法と呼ばれるアルゴリズムで学習している。このＢＰ法を用いる手法においては、予め、入力の組(ここでは、Ｘ１〜Ｘ４,Ｙ１〜Ｙ４,Ｚ１〜Ｚ４の１２種類の値)と、それに対応する適切な動作状態(着座姿勢)とのセットを大量に用意し、これを使って学習を行っている。具体的には、使用者が、予め座って、良い姿勢,悪い姿勢を取ったときの加速度データＸ１〜Ｘ４,Ｙ１〜Ｙ４,Ｚ１〜Ｚ４に相当するデータを開発者または試験用のスタッフ等を対象にして測定しておき、これを学習に用いる。
【００５３】
図４は、ニューラルネットワーク２０の出力層ｎ１〜ｎ７と動作状態(着座姿勢の種類)との関係を示す対応表である。何種類かの姿勢(図４では出力層ｎ１〜ｎ７の個数７から７種類の姿勢)について、対応する１２個の加速度データＸ１〜Ｘ４,Ｙ１〜Ｙ４,Ｚ１〜Ｚ４を取得し、その１２個の加速度データＸ１〜Ｚ４を用いて、ニューラルネットワーク７に学習させる。すると、加速度データＸ１〜Ｚ４を入力層ｉ１〜ｉ１２に入れた際に、判定結果が出力層ｎ１〜ｎ７に出力される。出力層ｎ１〜ｎ７は、それぞれ、図４に示す表のように互いに異なる１つの着座姿勢に対応しており、１２個の入力層ｉ１〜ｉ１２に入力される１２個の加速度データＸ１〜Ｚ４によって、０から１までの値を取る。例えば、加速度センサ２の出力から前述の処理によって生成された、ニューラルネットワーク２０の入力層ｉ１〜ｉ１２への入力(Ｘ１〜Ｚ４)の結果、出力層ｎ１の値が１に近く、その他の出力層ｎ２〜ｎ７の値が０に近い場合、入力(Ｘ１〜Ｚ４)の基になったその時の使用者１０の姿勢は、出力層ｎ１に対応する姿勢、すなわち「腰に悪い姿勢」であると判断する。
【００５４】
ニューラルネットワーク２０の学習は、学習用に測定したデータを用い、ＰＣ(パーソナルコンピュータ)等で学習のためのアルゴリズムを実行することによって行う。大まかな流れは、図５に示す学習フローチャートの通りとする。
【００５５】
すなわち、まず、ステップＳ１で、判別したい複数の着座姿勢に対応する加速度データを実測して取得する。この判別したい複数の着座姿勢とは、例えば、図４に示されるような、「腰に悪い姿勢」,「左右のバランスが悪い姿勢」,「良い姿勢」,「内臓に悪い姿勢」,「腹筋が衰える姿勢」,「肩こりを引き起こす姿勢」,「頭痛を引き起こす姿勢」である。そして、使用者１０が、これらの姿勢でいる場合に加速度センサ２が出力する加速度データが演算処理部５に入力される。
【００５６】
次に、ステップＳ２に進み、演算処理部５は、上記加速度データから上述の平均値Ｘ１,Ｙ１,Ｚ１、標準偏差Ｘ２,Ｙ２,Ｚ２、最大値と最小値の差Ｘ３,Ｙ３,Ｚ３、ゼロクロス回数Ｘ４,Ｙ４,Ｚ４等を含む教師データを算出する。
【００５７】
次に、ステップＳ３に進み、上記教師データを用いてニューラルネットワーク２０に学習させる。次に、ステップＳ４に進み、上記学習により姿勢判別のための数式を得る。次に、ステップＳ５に進み、上記姿勢判別のための数式を演算処理部５に組み込む。
【００５８】
図５の学習フローチャートによる学習の結果、学習が完了したニューラルネットワーク２０と等価な計算式が得られる。この計算式を演算処理部５に組み込むことにより、この姿勢認識装置が組み込まれた歩数計１を使って、リアルタイムな姿勢の判定結果を使用者１０にフィードバックすることができる。
【００５９】
演算処理部５による着座姿勢の判定は、使用者１０が歩数計１を装着して活動している時間のうち、座っている(着席している)と判定されている間はリアルタイムで常時行う。この姿勢の判定の大まかな流れは、図５に示す認識フローチャートの通りである。
【００６０】
まず、ステップＳ１１で、演算処理部５は、１秒周期で上記Ｘ方向,Ｙ方向,Ｚ方向の加速度の平均値Ａを計算する。次に、ステップＳ１２で、演算処理部５は、姿勢認識を行う時刻ｔ１の６０秒前ｔ０からの時刻ｔ１の１秒前までの１秒毎の平均値Ａから、６０個×３方向の平均値Ｘ１,Ｙ１,Ｚ１と標準偏差Ｘ２,Ｙ２,Ｚ２と最大値と最小値の差Ｘ３,Ｙ３,Ｚ３とゼロクロス回数Ｘ４,Ｙ４,Ｚ４を算出する。
【００６１】
次に、ステップＳ１３で、演算処理部５は、算出した平均値Ｘ１,Ｙ１,Ｚ１と標準偏差Ｘ２,Ｙ２,Ｚ２と最大値と最小値の差Ｘ３,Ｙ３,Ｚ３とゼロクロス回数Ｘ４,Ｙ４,Ｚ４をニューラルネットワーク２０の入力層ｉ１〜ｉ１２に入力する。すると、ステップＳ１４で、ニューラルネットワーク２０の出力層ｎ１〜ｎ７から前述の図４の対応表に示されるような７種類の着座姿勢に関する出力データが得られる。そして、ステップＳ１５で、各出力層ｎ１〜ｎ７からの出力データから姿勢認識を行う時刻ｔ１での使用者１０の着座姿勢を判定し、ステップＳ１６で、時刻ｔ１での使用者１０の着座姿勢の判定結果をディスプレイ３に表示する。また、上記判定結果は、無線通信機能部４により携帯電話やパソコンにログ保存する。
【００６２】
この認識フローチャートのステップＳ１１からステップＳ１６のフローは、１秒周期で行われる。これによって、１秒毎に使用者１０の着座姿勢を認識し、リアルタイムで認識結果を使用者１０、あるいは、認識結果を利用する外部のシステム(例えば、健康維持目的とした携帯電話向けアプリケーション等)にフィードバックすることができる。また、着座姿勢が悪いことを使用者１０にフィードバックする際には、この姿勢認識装置が組み込まれた歩数計１の本体に内蔵したスピーカ１５を用い、警告音を発するなどして使用者１０に自覚を促すアクションを行う。
【００６３】
このように、加速度センサ２の出力の一定の時間区間における平均値,標準偏差,最大値と最小値との差,ゼロクロス回数を算出し、使用者１０の着座姿勢の認識に使うデータを仮想的に増やし、この複数のパラメータを入力数の多いニューラルネットワーク２０への入力として同時に認識している。これにより、ハードウェアは簡単でも、ソフトウェア的には仮想的に多数のデータから高度なアルゴリズムを用いて使用者１０の着座姿勢を判定している状況になり、結果として使用者１０の姿勢に関する複雑,高度な認識が可能になる。認識アルゴリズムに多くの情報を同時に処理できるニューラルネットワーク２０を利用し、加速度センサ２の一定時間区間における出力から生成されたこれらのパラメータを併用して判別することによって、腰回りの姿勢が傾いているかというような簡単な認識だけでなく、例えば、上述のような「内臓に悪い姿勢を取っていないか」という複雑な内容の認識が可能になる。
【００６４】
このように、本実施形態の姿勢認識装置は歩数計１に組み込まれており、歩数計１の構成要素(加速度センサ２,ディスプレイ３等)を使って使用者１０が座っている状態の姿勢を推定し、悪い姿勢を検知した場合は携帯電話やＰＣ(パーソナルコンピュータ)、あるいは歩数計１のディスプレイ３やスピーカ１５を通じて使用者１０に警告や指示を与えることができる。
【００６５】
したがって、本実施形態の姿勢認識装置によれば、複数のセンサを使うことなく、シンプルなハードウェアでの高度な姿勢の認識が可能になり、体の様々なところにセンサを取り付ける必要もないので、歩数計のようなシンプルな装置において姿勢の検知が可能になる。よって、使用者１０が歩数計１を装着している長い時間の中で、歩いている時や走っている時以外の着座時にも健康に係わる着座姿勢の有益なセンシングと認識を行い、使用者へ健康に関するフィードバックを行うことができる。つまり、常時身につけて使用する歩数計において、あまり役に立っていない「座っている時間」に、使用者の健康に役立つ情報をフィードバックできるようになり、歩数計を常時身に付ける意義が向上する。
【００６６】
尚、上記実施形態の姿勢認識装置は、歩数計に組み込んだが活動量計に組み込んでもよく、さらには、他の装置に組み込まずに姿勢認識装置単体としてもよい。また、上記実施形態では、歩数計１と共に使用者の腰に装着したが、この発明の姿勢認識装置を装着する箇所は使用者の腰以外の足,腕,背中,腹,胸,頭,肩等であってもよい。
【符号の説明】
【００６７】
１ 歩数計
１Ａ 前面パネル
１Ｂ 本体基板
１Ｃ 裏蓋
２ 加速度センサ
３ ディスプレイ
４ 無線通信機能部
５ 演算処理部
５Ａ メモリ
６ 充電池
１０ 使用者
１５ スピーカ
２０ ニューラルネットワーク
【特許請求の範囲】
【請求項１】
使用者の身体に装着される加速度センサと、
上記加速度センサの出力信号に基づいて上記使用者が座っているか否かを判別する判別部と、
上記判別部が上記使用者が座っていると判別した場合に上記加速度センサの出力信号に基づいて上記使用者の着座姿勢を認識して評価する認識評価部とを備えたことを特徴とする姿勢認識装置。
【請求項２】
請求項１に記載の姿勢認識装置において、
上記認識評価部は、
上記加速度センサの出力信号が入力されると共に上記加速度センサからの出力信号に基づいて上記使用者の着座姿勢を認識できるように予め学習させたニューラルネットワークを有することを特徴とする姿勢認識装置。
【請求項３】
請求項２に記載の姿勢認識装置において、
上記ニューラルネットワークに予め学習させる着座姿勢は、健康に悪い影響を及ぼす複数の異なる悪い着座姿勢を含んでおり、
上記認識評価部は、
上記ニューラルネットワークにより認識した上記使用者の着座姿勢が上記悪い着座姿勢であるときに、この悪い着座姿勢が使用者の健康に及ぼす悪影響を表す情報を上記使用者に報知する報知部を有することを特徴とする姿勢認識装置。
【請求項４】
請求項１から３のいずれか１つに記載の姿勢認識装置において、
上記認識評価部は、
予め定められた期間において、上記加速度センサの出力信号の予め設定された検出時間毎の複数の平均値を求め、この複数の平均値に基づいて上記使用者の着座姿勢を認識することを特徴とする姿勢認識装置。
【請求項５】
請求項１から４のいずれか１つに記載の姿勢認識装置において、
上記認識評価部は、
現在時刻から予め定めた設定時間以上前の時刻から現在時刻までの期間において、上記加速度センサの出力信号の予め設定された上記検出時間毎の複数の平均値を求め、この複数の平均値に基づいて上記使用者の着座姿勢を認識することを特徴とする姿勢認識装置。
【請求項６】
請求項５に記載の姿勢認識装置において、
上記設定時間は１０秒間または６０秒間であり、上記検出時間は１秒間であることを特徴とする姿勢認識装置。
【請求項７】
請求項１から６のいずれか１つに記載の姿勢認識装置を備えたことを特徴とする歩数計。
【請求項８】
請求項１から６のいずれか１つに記載の姿勢認識装置を備えたことを特徴とする活動量計。
【請求項１】
使用者の身体に装着される加速度センサと、
上記加速度センサの出力信号に基づいて上記使用者が座っているか否かを判別する判別部と、
上記判別部が上記使用者が座っていると判別した場合に上記加速度センサの出力信号に基づいて上記使用者の着座姿勢を認識して評価する認識評価部とを備えたことを特徴とする姿勢認識装置。
【請求項２】
請求項１に記載の姿勢認識装置において、
上記認識評価部は、
上記加速度センサの出力信号が入力されると共に上記加速度センサからの出力信号に基づいて上記使用者の着座姿勢を認識できるように予め学習させたニューラルネットワークを有することを特徴とする姿勢認識装置。
【請求項３】
請求項２に記載の姿勢認識装置において、
上記ニューラルネットワークに予め学習させる着座姿勢は、健康に悪い影響を及ぼす複数の異なる悪い着座姿勢を含んでおり、
上記認識評価部は、
上記ニューラルネットワークにより認識した上記使用者の着座姿勢が上記悪い着座姿勢であるときに、この悪い着座姿勢が使用者の健康に及ぼす悪影響を表す情報を上記使用者に報知する報知部を有することを特徴とする姿勢認識装置。
【請求項４】
請求項１から３のいずれか１つに記載の姿勢認識装置において、
上記認識評価部は、
予め定められた期間において、上記加速度センサの出力信号の予め設定された検出時間毎の複数の平均値を求め、この複数の平均値に基づいて上記使用者の着座姿勢を認識することを特徴とする姿勢認識装置。
【請求項５】
請求項１から４のいずれか１つに記載の姿勢認識装置において、
上記認識評価部は、
現在時刻から予め定めた設定時間以上前の時刻から現在時刻までの期間において、上記加速度センサの出力信号の予め設定された上記検出時間毎の複数の平均値を求め、この複数の平均値に基づいて上記使用者の着座姿勢を認識することを特徴とする姿勢認識装置。
【請求項６】
請求項５に記載の姿勢認識装置において、
上記設定時間は１０秒間または６０秒間であり、上記検出時間は１秒間であることを特徴とする姿勢認識装置。
【請求項７】
請求項１から６のいずれか１つに記載の姿勢認識装置を備えたことを特徴とする歩数計。
【請求項８】
請求項１から６のいずれか１つに記載の姿勢認識装置を備えたことを特徴とする活動量計。
【図１Ａ】
【図１Ｂ】
【図１Ｃ】
【図２】
【図３Ａ】
【図３Ｂ】
【図３Ｃ】
【図４】
【図５】
【図１Ｂ】
【図１Ｃ】
【図２】
【図３Ａ】
【図３Ｂ】
【図３Ｃ】
【図４】
【図５】
【公開番号】特開２０１１−２５０９１５（Ｐ２０１１−２５０９１５Ａ）
【公開日】平成２３年１２月１５日（２０１１．１２．１５）
【国際特許分類】
【出願番号】特願２０１０−１２５５１５（Ｐ２０１０−１２５５１５）
【出願日】平成２２年６月１日（２０１０．６．１）
【出願人】（０００００５０４９）シャープ株式会社 (33,933)
【Ｆターム（参考）】
【公開日】平成２３年１２月１５日（２０１１．１２．１５）
【国際特許分類】
【出願日】平成２２年６月１日（２０１０．６．１）
【出願人】（０００００５０４９）シャープ株式会社 (33,933)
【Ｆターム（参考）】
[ Back to top ]