歩行分析装置及び歩行分析プログラム
【課題】短時間で歩行状態を推定することができる歩行分析装置を提供することである。
【解決手段】実施形態の歩行分析装置は、計測部と、判定部と、特徴量算出部と、推定部と、を有する。計測部は、対象者の動きを計測する。判定部は、対象者の動きに基づいて、対象者が歩行を開始した歩行開始時点を判定する。特徴量算出部は、歩行開始時点が判定された場合、対象者の動きが定常化していない期間として予め定めた歩行開始時点からの期間に計測された対象者の動きの特徴量を算出する。推定部は、特徴量に基づいて、対象者の歩行状態を推定する。
【解決手段】実施形態の歩行分析装置は、計測部と、判定部と、特徴量算出部と、推定部と、を有する。計測部は、対象者の動きを計測する。判定部は、対象者の動きに基づいて、対象者が歩行を開始した歩行開始時点を判定する。特徴量算出部は、歩行開始時点が判定された場合、対象者の動きが定常化していない期間として予め定めた歩行開始時点からの期間に計測された対象者の動きの特徴量を算出する。推定部は、特徴量に基づいて、対象者の歩行状態を推定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明の実施形態は、歩行分析装置及び歩行分析プログラムに関する。
【背景技術】
【０００２】
従来、様々なセンサデバイスを用いた歩行運動を評価する装置が、疾病の経過観察や転倒予防等を目的として開発されている。また、医療現場では、バランス能力が必要とされる行為（片足立ちなど）を対象者に実施させ、挙動を観察することにより、転倒危険性を判断することが行われている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２０１１−９２６９６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、従来技術においては、対象者が連続的に歩行中であることを前提として計測及び疾患程度の推定がなされており、歩行開始からの短時間で歩行状態及び転倒可能性を推定することはできなかった。また、医療現場で実施されている手法では、バランス能力が必要とされる行為を対象者に実施させると、対象者自身にリスクや負担がかかってしまうという問題があった。
【課題を解決するための手段】
【０００５】
実施形態の歩行分析装置は、計測部と、判定部と、特徴量算出部と、推定部と、を有する。計測部は、対象者の動きを計測する。判定部は、対象者の動きに基づいて、対象者が歩行を開始した歩行開始時点を判定する。特徴量算出部は、歩行開始時点が判定された場合、対象者の動きが定常化していない期間として予め定めた歩行開始時点からの期間に計測された対象者の動きの特徴量を算出する。推定部は、特徴量に基づいて、対象者の歩行状態を推定する。
【図面の簡単な説明】
【０００６】
【図１】実施形態にかかる歩行分析装置のハードウェア構成図。
【図２】実施形態にかかる歩行分析装置の装着状態を示す模式図。
【図３】実施形態にかかる歩行分析装置の機能ブロック図。
【図４】加速度と、判定結果及び解析対象との関係を示すグラフ。
【図５】特徴量算出の解析例を示すグラフ。
【図６】識別例として学習した３つのクラスのラベルを示す図表。
【図７】出力部の出力例を示す概念図。
【図８】実施形態にかかる歩行分析装置の動作を示すフローチャート。
【発明を実施するための形態】
【０００７】
以下に添付図面を参照して、歩行分析装置の実施の形態を詳細に説明する。図１は、実施形態にかかる歩行分析装置１の構成を例示する構成図である。図１に示すように、歩行分析装置１は、本体部１０と、装着部３０とを有する。
【０００８】
本体部１０は、制御部１２、記憶部１４、入力部１６、出力部１８、検出部２０、通信部２２を有する。制御部１２は、例えばＣＰＵ１２０を含み、本体部１０を構成する各部を制御する。記憶部１４は、図示しないＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）などを含み、制御部１２が実行するプログラムや制御部１２がプログラムを実行する場合に使用するデータなどを記憶する。また、本体部１０には、記憶部１４との間でプログラム及びデータを送受可能にされたメモリカードなどの記憶媒体１４０が着脱自在に設けられている。
【０００９】
入力部１６は、例えば入力キーやスイッチなどであり、本体部１０に対するユーザの入力を受け入れる。出力部１８は、例えば液晶パネルなどの表示部１８０、音声等を出力するスピーカ１８２、及び図示しないバイブレータなどを有し、本体部１０の状態及び本体部１０の処理動作の結果などを画面表示、音及び振動の少なくともいずれかで出力する。また、タッチパネルなどにより、入力部１６と表示部１８０とが一体化されていてもよい。
【００１０】
検出部２０は、例えばサンプリング周波数が１２８Ｈｚである３軸の加速度センサであり、加速度計測測定範囲が例えば±６Ｇ以上となっている。検出部２０は、例えば歩行分析装置１が歩行分析の対象者に装着された場合に、鉛直方向、対象者の進行方向及び対象者の進行方向に対してほぼ直交する水平方向（左右方向）の加速度（３方向の加速度）を検出する。
【００１１】
通信部２２は、外部との通信を行う汎用のインターフェイスであり、例えば有線通信、長距離無線通信及び近接無線通信のいずれに対しても接続可能に構成されている。
【００１２】
装着部３０は、例えば対象者の腰部に巻きつけられるベルトなどから構成されており、本体部１０を例えば対象者の腰部付近に装着させる。
【００１３】
図２は、歩行分析装置１を対象者の腰部付近に装着した状態と、歩行分析装置１が計測する加速度の方向を例示する模式図である。図２に示すように、歩行分析装置１は、対象者の腰部付近に装着されると、鉛直方向（Ｙ方向）、対象者の進行方向（Ｚ方向）及び対象者の進行方向に対してほぼ直交する水平方向（Ｘ方向）の加速度を検出する。
【００１４】
次に、歩行分析装置１の機能について説明する。図３は、歩行分析装置１が有する機能の概要を例示するブロック図である。図４は、検出部２０が検出した加速度と、後述する判定部４２の判定結果及び抽出部４４が抽出する解析対象との関係を例示するグラフである。
【００１５】
図３に示すように、歩行分析装置１は、計測部４０、判定部４２、抽出部４４、解析部４６、推定部４８及び出力部１８を有する。なお、図３に示した出力部１８は、図１に示した出力部１８に対応する。
【００１６】
計測部４０は、対象者の動きを検出する。具体的には、計測部４０は、検出部２０を含み、対象者の動きに応じて変化する例えば３方向の加速度を検出することにより、対象者の動き（加速度）を計測する。例えば、計測部４０は、本体部１０の電源がオンにされると、歩行分析装置１が対象者の歩行状態を推定した結果を出力するため３方向の加速度を連続的に計測する。計測部４０が計測した全ての加速度データは、例えば記憶部１４（図１）が時刻（又は時間）とともに不要になるまで記憶する。
【００１７】
判定部４２は、計測部４０が計測した結果に基づいて、対象者が歩行を開始したか否かを判定する。具体的には、判定部４２は、まず、記憶部１４が記憶する加速度データを取得し、予め決められた所定の時間間隔（第１の時間間隔ａ）で、予め決められた時間枠（第１の設定期間Ａ）内に計測部４０が計測した加速度データの分散値を算出する。例えば、判定部４２は、図４に示すように、０．５秒ごと（ａ＝０．５秒）に、０．５秒間（Ａ＝０．５秒間）に新たに計測部４０が計測した加速度データの分散値を算出する。検出部２０のサンプリング周波数が１２８Ｈｚである場合、第１の設定期間Ａ（Ａ＝０．５秒間）内に計測部４０が計測した加速度データは１方向当たり６４個である。なお、第１の時間間隔ａは、０．５秒以下が好ましい。また、第１の設定期間Ａは、第１の時間間隔ａよりも長く設定されてもよい。
【００１８】
次に、判定部４２（図３）は、加速度データの分散値が予め決められた閾値（閾値σ）以下である期間が第２の設定期間Ｂ以上継続した後に、加速度データの分散値が閾値σを超えている期間が第３の設定期間Ｃ以上継続した場合に、加速度データの分散値が閾値σを超え始めた時点（又は加速度データの分散値が閾値σ以下であると最後に判断した時点）を、対象者が歩行を開始した歩行開始時点であると判定する。閾値σは、例えば０．０４などと設定する。第２の設定期間Ｂ及び第３の設定期間Ｃは、２〜６秒の範囲の値をとることが好ましい。
【００１９】
例えば、判定部４２は、図４に示すように、加速度データの分散値が閾値σ以下である期間が６秒（第２の設定期間Ｂ＝６秒間）以上継続した後に、加速度データの分散値が閾値σを超えている期間が６秒（第３の設定期間Ｃ＝６秒間）以上継続した場合に、加速度データの分散値が閾値σを超え始めた時点（第３の設定期間Ｃの開始時期）を、対象者が歩行を開始した歩行開始時点であると遡って判定する。図４に示した例では、判定部４２は、計測部４０が２１４秒の時点で、２０８秒の時点が歩行開始時点であったと判定している。このように、判定部４２は、歩行開始時点を判定するとともに、対象者が歩行を開始したか否かも判定している。なお、判定部４２は、分散値に代えて標準偏差を算出するように構成されてもよい。
【００２０】
抽出部４４（図３）は、対象者が歩行を開始したと判定部４２が判定した場合、計測部４０が計測した結果から解析対象を抽出する。具体的には、抽出部４４は、対象者が歩行を開始したと判定部４２が判定した場合、歩行開始時点から第４の設定期間Ｄを経過するまでの抽出期間に計測部４０が計測した加速度データを、記憶部１４が記憶する加速度データから抽出する。第４の設定期間Ｄ（抽出期間）は、例えば３秒に設定される。
【００２１】
さらに、抽出部４４は、予め決められた所定の時間間隔（第２の時間間隔ｂ）で抽出期間の開始時期を歩行開始時点から順次遅らせた複数の他の抽出期間に計測部４０が計測した複数の加速度データも、記憶部１４が記憶する加速度データから抽出する。
【００２２】
例えば、抽出部４４は、図４に示すように、対象者が歩行を開始したと判定部４２が判定した場合、歩行開始時点から３秒（第４の設定期間Ｄ＝３秒間）を経過するまでの抽出期間Ｄ１に計測部４０が計測した加速度データを抽出する。さらに、抽出部４４は、０．５秒間隔（第２の時間間隔ｂ＝０．５）で抽出期間の開始時期を歩行開始時点から順次遅らせた例えば６つの他の抽出期間Ｄ２〜Ｄ７に計測部４０が計測した６つの加速度データも抽出する。以下、抽出期間Ｄ１〜Ｄ７のいずれかを特定せずに示す場合、単に抽出期間Ｄ（又は第４の設定期間Ｄ）と記すことがある。そして、抽出部４４が抽出した加速度データは、解析部４６が解析対象として用いる。
【００２３】
解析部４６（図３）は、特徴量算出部４６０及び変動値算出部４６２を有する。特徴量算出部４６０は、抽出部４４が抽出した解析対象の特徴量を算出する。具体的には、特徴量算出部４６０は、抽出部４４が抽出した解析対象を受入れ、例えば図５に示すように抽出期間Ｄごとに例えば鉛直方向の加速度データの自己相関関数を算出し、１番目のピーク値（又は２番目のピーク値）を最大自己相関値とする。特徴量算出部４６０は、解析対象をローパスフィルタに通した後に自己相関関数を算出するように構成されてもよい。なお、図５においては、抽出期間Ｄは単にＤと記し、抽出期間Ｄ１〜Ｄ７は単にＤ１〜Ｄ７と記している。特徴量算出部４６０は、算出した最大自己相関値それぞれを抽出期間Ｄごとの特徴量として変動値算出部４６２及び推定部４８に対して出力する。
【００２４】
なお、特徴量算出部４６０が算出する自己相関関数は、加速度データが周期性を持っている場合に０以外の値となり、加速度データの変化の振幅が大きくノイズが少ないほど大きな値となる特徴がある。例えば、図５に示すように、抽出期間Ｄ１では、最大自己相関値が抽出期間Ｄ２〜Ｄ７に比べて小さくなっている。つまり、抽出期間Ｄ１は、運動していない状態（静止状態など）から動きが定常化するまでの間にある遷移状態であり、加速度データの変化の振幅が小さく周期性が低いと考えられる。
【００２５】
また、特徴量算出部４６０は、検出部２０が検出した左右方向の加速度に対して抽出部４４が抽出した解析対象の左右対称性を特徴量として算出するように構成されてもよい。例えば、特徴量算出部４６０は、各抽出期間Ｄにおいて検出部２０が検出した左右方向（Ｘ方向）の加速度に対し、加速度データの平均値を特徴量として算出してもよい。
【００２６】
変動値算出部４６２（図３）は、特徴量算出部４６０が算出した抽出期間Ｄごとの最大自己相関値の変動の指標となる数値（変動値）を算出する。例えば、変動値算出部４６２は、抽出期間Ｄごとの最大自己相関値（図５に示したばらつき参照）の分散値、標準偏差値、又は基準とする抽出期間Ｄの最大自己相関値と他の抽出期間Ｄの最大自己相関値との差分の合計を用いた値などを変動値として算出する。なお、対象者の動きが定常化すると、最大自己相関値のばらつきは小さくなると考えられる。
【００２７】
また、変動値算出部４６２は、検出部２０が検出した左右方向の加速度に対して抽出部４４が抽出した解析対象の左右対称性の変動値を算出するように構成されてもよい。例えば、変動値算出部４６２は、各抽出期間Ｄにおいて特徴量算出部４６０が算出した左右方向（Ｘ方向）の加速度データの平均値の分散値を変動値として算出してもよい。
【００２８】
ここで、バランス能力が優れている対象者ほど早期に定常歩行状態になることから、バランス能力が優れている対象者は抽出期間Ｄごとの特徴量の変動も早期に減少すると考えられている。
【００２９】
推定部４８は、特徴量算出部４６０が算出した特徴量及び変動値算出部４６２が算出した変動値を受入れ、受入れた特徴量及び変動値の少なくともいずれかを用いて、対象者の歩行状態を推定する。
【００３０】
例えば、推定部４８は、抽出期間Ｄ１の最大自己相関値及び抽出期間Ｄ１〜Ｄ７における最大自己相関値の分散値を入力とし、識別器を用いて、対象者の歩行状態を安全・注意（要注意）・危険の３群（３クラス）に分類する。
【００３１】
推定部４８は、識別器に例えばＳＶＭ（Support vector machine）のアルゴリズムを利用する。ＳＶＭはカーネル関数を導入した非線形識別に対応可能な２群のパターン識別手法であるが、推定部４８は、多群の識別を目的としたone-against-one法やone-against-all法などの複数の識別器を用いた拡張方法を使用して３群への分類を実現している。
【００３２】
例えば、推定部４８は、対象者の歩行状態を図６に示した３つのクラスに分類する。各クラスには安全・注意・危険のラベル（クラスラベル）が各々付されている。
【００３３】
ここで、ラベルについて詳述する。図６に示すように、例えば、各ラベルには、歩行状態を示す点数の範囲がそれぞれ対応づけられている。各ラベルに対応付けられた点数の範囲は、ＢＢＳ（Berg Balance Scale）の点数に対応している。ＢＢＳは、片足立ちや方向転換などの１４種類の行為からなるバランステストであって、評価対象者のバランス能力を０〜５６点（１４種類の行為に０〜４点の評価）の点数で区別するものである。
【００３４】
推定部４８は，予め計測されたデータに基づいて訓練されている。予め転倒可能性が比較的高い者及び健常者を含む対象者に対し、上述した歩行中の加速度の特徴量及び変動値の算出と、ＢＢＳを用いた点数付与とを行い、サンプルデータとして準備し、特徴量及び変動値と歩行状態を示す点数の範囲との対応づけが学習されている。
【００３５】
つまり、推定部４８は、歩行状態を分類する３つのラベルと上述した特徴量及び変動値との関係について予め学習しており、新たに歩行状態を分析する対象者の特徴量及び変動値に基づいて、対象者の歩行状態を識別（推定）する。
【００３６】
なお、推定部４８は、特徴量及び変動値の少なくともいずれか１つを用いて対象者の歩行状態を推定するように構成されてもよい。また、推定部４８は、学習アルゴリズムを利用することなく、特徴量及び変動値において閾値を単に設定することによって歩行状態を推定するように構成されてもよい。また、推定部４８は、他のアルゴリズムとしてニューラルネットワークを利用したり、自己組織化マップやカーネル主成分分析などを利用して次元圧縮を行った後に、パターン認識アルゴリズムを実行するように構成されてもよい。
【００３７】
出力部１８（図３）は、推定部４８が推定した結果を受け入れて出力する。図７は、出力部１８の出力例を示す概念図である。図７に示すように、出力部１８は、表示及び音などの出力を行うことにより、推定部４８が推定した結果を示すラベルなどを出力する。なお、出力部１８は、解析部４６が算出した結果及び推定部４８が推定した結果の少なくともいずれかを出力するように構成されてもよい。
【００３８】
次に、歩行分析装置１の動作について説明する。図８は、実施形態にかかる歩行分析装置１が図３に示した機能に対応するプログラムを実行して行う動作を例示するフローチャートである。歩行分析装置１は、例えば歩行などの運動を行っていない状態（静止状態など）で電源がオンにされて、歩行分析を開始する。
【００３９】
図８に示すように、ステップ１００（Ｓ１００）において、歩行分析装置１は、例えば電源がオンにされると、検出部２０が対象者の加速度検出を開始する。
【００４０】
ステップ１０２（Ｓ１０２）において、判定部４２は、第１の時間間隔ａが経過したか否かを判断する。判定部４２は、第１の時間間隔ａが経過したと判断した場合（Ｓ１０２：Ｙｅｓ）にはＳ１０４の処理に進み、第１の時間間隔ａが経過していないと判断した場合（Ｓ１０２：Ｎｏ）にはＳ１０２の処理を継続する。
【００４１】
ステップ１０４（Ｓ１０４）において、判定部４２は、例えば第１の設定期間Ａ内に計測部４０が計測した加速度データの分散値を算出する。
【００４２】
ステップ１０６（Ｓ１０６）において、判定部４２は、Ｓ１０４の処理で算出した加速度データの分散値が予め決められた閾値（閾値σ）以下であるか否かを判断する。判定部４２は、加速度データの分散値が閾値σ以下であると判断した場合（Ｓ１０６：Ｙｅｓ）にはＳ１０８の処理に進み、加速度データの分散値が閾値σ以下でないと判断した場合（Ｓ１０６：Ｎｏ）にはＳ１１２の処理に進む。ここで、Ｓ１０２に進み、処理を継続してもよい。
【００４３】
ステップ１０８（Ｓ１０８）において、判定部４２は、加速度データの分散値が閾値σ以下である期間が第２の設定期間Ｂ以上継続したか否かを判断する。判定部４２は、加速度データの分散値が閾値σ以下である期間が第２の設定期間Ｂ以上継続したと判断した場合（Ｓ１０８：Ｙｅｓ）にはＳ１１０の処理に進み、加速度データの分散値が閾値σ以下である期間が第２の設定期間Ｂ以上継続していないと判断した場合（Ｓ１０８：Ｎｏ）にはＳ１０２の処理に進む。
【００４４】
ステップ１１０（Ｓ１１０）において、判定部４２は、加速度データの分散値が閾値σよりも大きいか否かを判断する。判定部４２は、加速度データの分散値が閾値σよりも大きいと判断した場合（Ｓ１１０：Ｙｅｓ）にはＳ１１２の処理に進み、加速度データの分散値が閾値σ以下であると判断した場合（Ｓ１１０：Ｎｏ）にはＳ１０２の処理に進む。
【００４５】
ステップ１１２（Ｓ１１２）において、判定部４２は、加速度データの分散値が閾値σよりも大きい期間が第３の設定期間Ｃ以上継続したか否かを判断する。判定部４２は、加速度データの分散値が閾値σよりも大きい期間が第３の設定期間Ｃ以上継続したと判断した場合（Ｓ１１２：Ｙｅｓ）にはＳ１１４の処理に進み、加速度データの分散値が閾値σよりも大きい期間が第３の設定期間Ｃ以上継続していないと判断した場合（Ｓ１１２：Ｎｏ）にはＳ１０２の処理に進む。
【００４６】
ステップ１１４（Ｓ１１４）において、判定部４２は、歩行開始時点を判定する。
【００４７】
ステップ１１６（Ｓ１１６）において、抽出部４４は、判定部４２の判定結果を受け入れて解析対象を抽出する。
【００４８】
ステップ１１８（Ｓ１１８）において、特徴量算出部４６０は、抽出部４４が抽出した解析対象を受け入れて特徴量を算出する。
【００４９】
ステップ１２０（Ｓ１２０）において、変動値算出部４６２は、特徴量算出部４６０が算出した特徴量を受け入れて変動値を算出する。
【００５０】
ステップ１２２（Ｓ１２２）において、推定部４８は、特徴量算出部４６０が算出した特徴量及び変動値算出部４６２が算出した変動値の少なくともいずれかを受け入れて対象者の歩行状態を推定する。
【００５１】
ステップ１２４（Ｓ１２４）において、出力部１８は、推定部４８が推定した結果を出力する。
【００５２】
なお、歩行分析装置１は、検出部２０が検出する３方向の加速度の全てを用いて（又は任意に組み合わせて）対象者の歩行状態を推定するように構成されてもよいし、１方向の加速度データから算出した特徴量及び変動値の少なくとも１つを用いて対象者の歩行状態を推定するように構成されてもよい。また、上記実施形態では、特徴量算出部４６０が算出する特徴量と、変動値算出部４６２が算出する変動値とを区別する場合を例に説明したが、歩行分析装置１は、変動値算出部４６２が算出する変動値も特徴量の１つであるとして対象者の歩行状態を推定するように構成されてもよい。つまり、歩行分析装置１は、解析部４６が算出する値はいずれも対象者の動きに対応する特徴量の１つであるとして、対象者の歩行状態を推定する構成であってもよい。
【００５３】
なお、歩行分析装置１において、抽出期間Ｄ１の加速度データによって対象者の歩行状態を推定する場合には、対象者の動きが定常化していない期間として予め定めた期間は、抽出期間Ｄ１と同じ期間（図４に示した例では３秒）になっている。また、抽出期間Ｄ１〜Ｄ７の加速度データによって対象者の歩行状態を推定する場合には、対象者の動きが定常化していない期間として予め定めた期間は、歩行開始時点から抽出期間Ｄ７の終わりまでの期間（図４に示した例では６秒）になっている。
【００５４】
また、歩行分析装置１は、上記実施形態に示された構成に限定されることなく、例えば本体部１０が検出部２０（又は計測部４０）及び通信部２２を備え、ネットワークを介して接続されるＰＣ（Personal Computer）などが判定部４２、抽出部４４、解析部４６、推定部４８及び出力部１８を有するように構成されてもよい。
【００５５】
また、本体部１０は、粘着部材から構成される装着部３０によって対象者身体に直接装着されてもよいし、背負い鞄等の外装部に装着されてもよい。
【００５６】
なお、本実施形態の歩行分析装置１で実行されるプログラムは、上述した各部（判定部４２、抽出部４４、解析部４６及び推定部４８）を含むモジュール構成となっている。
【００５７】
以上説明した実施形態によれば、１つのセンサを用いても、対象者の歩行開始時の特徴量に基づいて歩行状態を推定するので、対象者の歩行状態を短時間に推定することができる。また、上記実施形態によれば、対象者自身にとってリスク・負担が高い複雑な行為を行わなくても、転倒可能性を推定することが可能となる。
【００５８】
また、本発明のいくつかの実施形態を複数の組み合わせによって説明したが、これらの実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規の実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【００５９】
１ 歩行分析装置
１０ 本体部
１２ 制御部
１２０ ＣＰＵ
１４ 記憶部
１４０ 記憶媒体
１６ 入力部
１８ 出力部
１８０ 表示部
１８２ スピーカ
２０ 検出部
２２ 通信部
３０ 装着部
４０ 計測部
４２ 判定部
４４ 抽出部
４６ 解析部
４６０ 特徴量算出部
４６２ 変動値算出部
４８ 推定部
【技術分野】
【０００１】
本発明の実施形態は、歩行分析装置及び歩行分析プログラムに関する。
【背景技術】
【０００２】
従来、様々なセンサデバイスを用いた歩行運動を評価する装置が、疾病の経過観察や転倒予防等を目的として開発されている。また、医療現場では、バランス能力が必要とされる行為（片足立ちなど）を対象者に実施させ、挙動を観察することにより、転倒危険性を判断することが行われている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２０１１−９２６９６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、従来技術においては、対象者が連続的に歩行中であることを前提として計測及び疾患程度の推定がなされており、歩行開始からの短時間で歩行状態及び転倒可能性を推定することはできなかった。また、医療現場で実施されている手法では、バランス能力が必要とされる行為を対象者に実施させると、対象者自身にリスクや負担がかかってしまうという問題があった。
【課題を解決するための手段】
【０００５】
実施形態の歩行分析装置は、計測部と、判定部と、特徴量算出部と、推定部と、を有する。計測部は、対象者の動きを計測する。判定部は、対象者の動きに基づいて、対象者が歩行を開始した歩行開始時点を判定する。特徴量算出部は、歩行開始時点が判定された場合、対象者の動きが定常化していない期間として予め定めた歩行開始時点からの期間に計測された対象者の動きの特徴量を算出する。推定部は、特徴量に基づいて、対象者の歩行状態を推定する。
【図面の簡単な説明】
【０００６】
【図１】実施形態にかかる歩行分析装置のハードウェア構成図。
【図２】実施形態にかかる歩行分析装置の装着状態を示す模式図。
【図３】実施形態にかかる歩行分析装置の機能ブロック図。
【図４】加速度と、判定結果及び解析対象との関係を示すグラフ。
【図５】特徴量算出の解析例を示すグラフ。
【図６】識別例として学習した３つのクラスのラベルを示す図表。
【図７】出力部の出力例を示す概念図。
【図８】実施形態にかかる歩行分析装置の動作を示すフローチャート。
【発明を実施するための形態】
【０００７】
以下に添付図面を参照して、歩行分析装置の実施の形態を詳細に説明する。図１は、実施形態にかかる歩行分析装置１の構成を例示する構成図である。図１に示すように、歩行分析装置１は、本体部１０と、装着部３０とを有する。
【０００８】
本体部１０は、制御部１２、記憶部１４、入力部１６、出力部１８、検出部２０、通信部２２を有する。制御部１２は、例えばＣＰＵ１２０を含み、本体部１０を構成する各部を制御する。記憶部１４は、図示しないＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）などを含み、制御部１２が実行するプログラムや制御部１２がプログラムを実行する場合に使用するデータなどを記憶する。また、本体部１０には、記憶部１４との間でプログラム及びデータを送受可能にされたメモリカードなどの記憶媒体１４０が着脱自在に設けられている。
【０００９】
入力部１６は、例えば入力キーやスイッチなどであり、本体部１０に対するユーザの入力を受け入れる。出力部１８は、例えば液晶パネルなどの表示部１８０、音声等を出力するスピーカ１８２、及び図示しないバイブレータなどを有し、本体部１０の状態及び本体部１０の処理動作の結果などを画面表示、音及び振動の少なくともいずれかで出力する。また、タッチパネルなどにより、入力部１６と表示部１８０とが一体化されていてもよい。
【００１０】
検出部２０は、例えばサンプリング周波数が１２８Ｈｚである３軸の加速度センサであり、加速度計測測定範囲が例えば±６Ｇ以上となっている。検出部２０は、例えば歩行分析装置１が歩行分析の対象者に装着された場合に、鉛直方向、対象者の進行方向及び対象者の進行方向に対してほぼ直交する水平方向（左右方向）の加速度（３方向の加速度）を検出する。
【００１１】
通信部２２は、外部との通信を行う汎用のインターフェイスであり、例えば有線通信、長距離無線通信及び近接無線通信のいずれに対しても接続可能に構成されている。
【００１２】
装着部３０は、例えば対象者の腰部に巻きつけられるベルトなどから構成されており、本体部１０を例えば対象者の腰部付近に装着させる。
【００１３】
図２は、歩行分析装置１を対象者の腰部付近に装着した状態と、歩行分析装置１が計測する加速度の方向を例示する模式図である。図２に示すように、歩行分析装置１は、対象者の腰部付近に装着されると、鉛直方向（Ｙ方向）、対象者の進行方向（Ｚ方向）及び対象者の進行方向に対してほぼ直交する水平方向（Ｘ方向）の加速度を検出する。
【００１４】
次に、歩行分析装置１の機能について説明する。図３は、歩行分析装置１が有する機能の概要を例示するブロック図である。図４は、検出部２０が検出した加速度と、後述する判定部４２の判定結果及び抽出部４４が抽出する解析対象との関係を例示するグラフである。
【００１５】
図３に示すように、歩行分析装置１は、計測部４０、判定部４２、抽出部４４、解析部４６、推定部４８及び出力部１８を有する。なお、図３に示した出力部１８は、図１に示した出力部１８に対応する。
【００１６】
計測部４０は、対象者の動きを検出する。具体的には、計測部４０は、検出部２０を含み、対象者の動きに応じて変化する例えば３方向の加速度を検出することにより、対象者の動き（加速度）を計測する。例えば、計測部４０は、本体部１０の電源がオンにされると、歩行分析装置１が対象者の歩行状態を推定した結果を出力するため３方向の加速度を連続的に計測する。計測部４０が計測した全ての加速度データは、例えば記憶部１４（図１）が時刻（又は時間）とともに不要になるまで記憶する。
【００１７】
判定部４２は、計測部４０が計測した結果に基づいて、対象者が歩行を開始したか否かを判定する。具体的には、判定部４２は、まず、記憶部１４が記憶する加速度データを取得し、予め決められた所定の時間間隔（第１の時間間隔ａ）で、予め決められた時間枠（第１の設定期間Ａ）内に計測部４０が計測した加速度データの分散値を算出する。例えば、判定部４２は、図４に示すように、０．５秒ごと（ａ＝０．５秒）に、０．５秒間（Ａ＝０．５秒間）に新たに計測部４０が計測した加速度データの分散値を算出する。検出部２０のサンプリング周波数が１２８Ｈｚである場合、第１の設定期間Ａ（Ａ＝０．５秒間）内に計測部４０が計測した加速度データは１方向当たり６４個である。なお、第１の時間間隔ａは、０．５秒以下が好ましい。また、第１の設定期間Ａは、第１の時間間隔ａよりも長く設定されてもよい。
【００１８】
次に、判定部４２（図３）は、加速度データの分散値が予め決められた閾値（閾値σ）以下である期間が第２の設定期間Ｂ以上継続した後に、加速度データの分散値が閾値σを超えている期間が第３の設定期間Ｃ以上継続した場合に、加速度データの分散値が閾値σを超え始めた時点（又は加速度データの分散値が閾値σ以下であると最後に判断した時点）を、対象者が歩行を開始した歩行開始時点であると判定する。閾値σは、例えば０．０４などと設定する。第２の設定期間Ｂ及び第３の設定期間Ｃは、２〜６秒の範囲の値をとることが好ましい。
【００１９】
例えば、判定部４２は、図４に示すように、加速度データの分散値が閾値σ以下である期間が６秒（第２の設定期間Ｂ＝６秒間）以上継続した後に、加速度データの分散値が閾値σを超えている期間が６秒（第３の設定期間Ｃ＝６秒間）以上継続した場合に、加速度データの分散値が閾値σを超え始めた時点（第３の設定期間Ｃの開始時期）を、対象者が歩行を開始した歩行開始時点であると遡って判定する。図４に示した例では、判定部４２は、計測部４０が２１４秒の時点で、２０８秒の時点が歩行開始時点であったと判定している。このように、判定部４２は、歩行開始時点を判定するとともに、対象者が歩行を開始したか否かも判定している。なお、判定部４２は、分散値に代えて標準偏差を算出するように構成されてもよい。
【００２０】
抽出部４４（図３）は、対象者が歩行を開始したと判定部４２が判定した場合、計測部４０が計測した結果から解析対象を抽出する。具体的には、抽出部４４は、対象者が歩行を開始したと判定部４２が判定した場合、歩行開始時点から第４の設定期間Ｄを経過するまでの抽出期間に計測部４０が計測した加速度データを、記憶部１４が記憶する加速度データから抽出する。第４の設定期間Ｄ（抽出期間）は、例えば３秒に設定される。
【００２１】
さらに、抽出部４４は、予め決められた所定の時間間隔（第２の時間間隔ｂ）で抽出期間の開始時期を歩行開始時点から順次遅らせた複数の他の抽出期間に計測部４０が計測した複数の加速度データも、記憶部１４が記憶する加速度データから抽出する。
【００２２】
例えば、抽出部４４は、図４に示すように、対象者が歩行を開始したと判定部４２が判定した場合、歩行開始時点から３秒（第４の設定期間Ｄ＝３秒間）を経過するまでの抽出期間Ｄ１に計測部４０が計測した加速度データを抽出する。さらに、抽出部４４は、０．５秒間隔（第２の時間間隔ｂ＝０．５）で抽出期間の開始時期を歩行開始時点から順次遅らせた例えば６つの他の抽出期間Ｄ２〜Ｄ７に計測部４０が計測した６つの加速度データも抽出する。以下、抽出期間Ｄ１〜Ｄ７のいずれかを特定せずに示す場合、単に抽出期間Ｄ（又は第４の設定期間Ｄ）と記すことがある。そして、抽出部４４が抽出した加速度データは、解析部４６が解析対象として用いる。
【００２３】
解析部４６（図３）は、特徴量算出部４６０及び変動値算出部４６２を有する。特徴量算出部４６０は、抽出部４４が抽出した解析対象の特徴量を算出する。具体的には、特徴量算出部４６０は、抽出部４４が抽出した解析対象を受入れ、例えば図５に示すように抽出期間Ｄごとに例えば鉛直方向の加速度データの自己相関関数を算出し、１番目のピーク値（又は２番目のピーク値）を最大自己相関値とする。特徴量算出部４６０は、解析対象をローパスフィルタに通した後に自己相関関数を算出するように構成されてもよい。なお、図５においては、抽出期間Ｄは単にＤと記し、抽出期間Ｄ１〜Ｄ７は単にＤ１〜Ｄ７と記している。特徴量算出部４６０は、算出した最大自己相関値それぞれを抽出期間Ｄごとの特徴量として変動値算出部４６２及び推定部４８に対して出力する。
【００２４】
なお、特徴量算出部４６０が算出する自己相関関数は、加速度データが周期性を持っている場合に０以外の値となり、加速度データの変化の振幅が大きくノイズが少ないほど大きな値となる特徴がある。例えば、図５に示すように、抽出期間Ｄ１では、最大自己相関値が抽出期間Ｄ２〜Ｄ７に比べて小さくなっている。つまり、抽出期間Ｄ１は、運動していない状態（静止状態など）から動きが定常化するまでの間にある遷移状態であり、加速度データの変化の振幅が小さく周期性が低いと考えられる。
【００２５】
また、特徴量算出部４６０は、検出部２０が検出した左右方向の加速度に対して抽出部４４が抽出した解析対象の左右対称性を特徴量として算出するように構成されてもよい。例えば、特徴量算出部４６０は、各抽出期間Ｄにおいて検出部２０が検出した左右方向（Ｘ方向）の加速度に対し、加速度データの平均値を特徴量として算出してもよい。
【００２６】
変動値算出部４６２（図３）は、特徴量算出部４６０が算出した抽出期間Ｄごとの最大自己相関値の変動の指標となる数値（変動値）を算出する。例えば、変動値算出部４６２は、抽出期間Ｄごとの最大自己相関値（図５に示したばらつき参照）の分散値、標準偏差値、又は基準とする抽出期間Ｄの最大自己相関値と他の抽出期間Ｄの最大自己相関値との差分の合計を用いた値などを変動値として算出する。なお、対象者の動きが定常化すると、最大自己相関値のばらつきは小さくなると考えられる。
【００２７】
また、変動値算出部４６２は、検出部２０が検出した左右方向の加速度に対して抽出部４４が抽出した解析対象の左右対称性の変動値を算出するように構成されてもよい。例えば、変動値算出部４６２は、各抽出期間Ｄにおいて特徴量算出部４６０が算出した左右方向（Ｘ方向）の加速度データの平均値の分散値を変動値として算出してもよい。
【００２８】
ここで、バランス能力が優れている対象者ほど早期に定常歩行状態になることから、バランス能力が優れている対象者は抽出期間Ｄごとの特徴量の変動も早期に減少すると考えられている。
【００２９】
推定部４８は、特徴量算出部４６０が算出した特徴量及び変動値算出部４６２が算出した変動値を受入れ、受入れた特徴量及び変動値の少なくともいずれかを用いて、対象者の歩行状態を推定する。
【００３０】
例えば、推定部４８は、抽出期間Ｄ１の最大自己相関値及び抽出期間Ｄ１〜Ｄ７における最大自己相関値の分散値を入力とし、識別器を用いて、対象者の歩行状態を安全・注意（要注意）・危険の３群（３クラス）に分類する。
【００３１】
推定部４８は、識別器に例えばＳＶＭ（Support vector machine）のアルゴリズムを利用する。ＳＶＭはカーネル関数を導入した非線形識別に対応可能な２群のパターン識別手法であるが、推定部４８は、多群の識別を目的としたone-against-one法やone-against-all法などの複数の識別器を用いた拡張方法を使用して３群への分類を実現している。
【００３２】
例えば、推定部４８は、対象者の歩行状態を図６に示した３つのクラスに分類する。各クラスには安全・注意・危険のラベル（クラスラベル）が各々付されている。
【００３３】
ここで、ラベルについて詳述する。図６に示すように、例えば、各ラベルには、歩行状態を示す点数の範囲がそれぞれ対応づけられている。各ラベルに対応付けられた点数の範囲は、ＢＢＳ（Berg Balance Scale）の点数に対応している。ＢＢＳは、片足立ちや方向転換などの１４種類の行為からなるバランステストであって、評価対象者のバランス能力を０〜５６点（１４種類の行為に０〜４点の評価）の点数で区別するものである。
【００３４】
推定部４８は，予め計測されたデータに基づいて訓練されている。予め転倒可能性が比較的高い者及び健常者を含む対象者に対し、上述した歩行中の加速度の特徴量及び変動値の算出と、ＢＢＳを用いた点数付与とを行い、サンプルデータとして準備し、特徴量及び変動値と歩行状態を示す点数の範囲との対応づけが学習されている。
【００３５】
つまり、推定部４８は、歩行状態を分類する３つのラベルと上述した特徴量及び変動値との関係について予め学習しており、新たに歩行状態を分析する対象者の特徴量及び変動値に基づいて、対象者の歩行状態を識別（推定）する。
【００３６】
なお、推定部４８は、特徴量及び変動値の少なくともいずれか１つを用いて対象者の歩行状態を推定するように構成されてもよい。また、推定部４８は、学習アルゴリズムを利用することなく、特徴量及び変動値において閾値を単に設定することによって歩行状態を推定するように構成されてもよい。また、推定部４８は、他のアルゴリズムとしてニューラルネットワークを利用したり、自己組織化マップやカーネル主成分分析などを利用して次元圧縮を行った後に、パターン認識アルゴリズムを実行するように構成されてもよい。
【００３７】
出力部１８（図３）は、推定部４８が推定した結果を受け入れて出力する。図７は、出力部１８の出力例を示す概念図である。図７に示すように、出力部１８は、表示及び音などの出力を行うことにより、推定部４８が推定した結果を示すラベルなどを出力する。なお、出力部１８は、解析部４６が算出した結果及び推定部４８が推定した結果の少なくともいずれかを出力するように構成されてもよい。
【００３８】
次に、歩行分析装置１の動作について説明する。図８は、実施形態にかかる歩行分析装置１が図３に示した機能に対応するプログラムを実行して行う動作を例示するフローチャートである。歩行分析装置１は、例えば歩行などの運動を行っていない状態（静止状態など）で電源がオンにされて、歩行分析を開始する。
【００３９】
図８に示すように、ステップ１００（Ｓ１００）において、歩行分析装置１は、例えば電源がオンにされると、検出部２０が対象者の加速度検出を開始する。
【００４０】
ステップ１０２（Ｓ１０２）において、判定部４２は、第１の時間間隔ａが経過したか否かを判断する。判定部４２は、第１の時間間隔ａが経過したと判断した場合（Ｓ１０２：Ｙｅｓ）にはＳ１０４の処理に進み、第１の時間間隔ａが経過していないと判断した場合（Ｓ１０２：Ｎｏ）にはＳ１０２の処理を継続する。
【００４１】
ステップ１０４（Ｓ１０４）において、判定部４２は、例えば第１の設定期間Ａ内に計測部４０が計測した加速度データの分散値を算出する。
【００４２】
ステップ１０６（Ｓ１０６）において、判定部４２は、Ｓ１０４の処理で算出した加速度データの分散値が予め決められた閾値（閾値σ）以下であるか否かを判断する。判定部４２は、加速度データの分散値が閾値σ以下であると判断した場合（Ｓ１０６：Ｙｅｓ）にはＳ１０８の処理に進み、加速度データの分散値が閾値σ以下でないと判断した場合（Ｓ１０６：Ｎｏ）にはＳ１１２の処理に進む。ここで、Ｓ１０２に進み、処理を継続してもよい。
【００４３】
ステップ１０８（Ｓ１０８）において、判定部４２は、加速度データの分散値が閾値σ以下である期間が第２の設定期間Ｂ以上継続したか否かを判断する。判定部４２は、加速度データの分散値が閾値σ以下である期間が第２の設定期間Ｂ以上継続したと判断した場合（Ｓ１０８：Ｙｅｓ）にはＳ１１０の処理に進み、加速度データの分散値が閾値σ以下である期間が第２の設定期間Ｂ以上継続していないと判断した場合（Ｓ１０８：Ｎｏ）にはＳ１０２の処理に進む。
【００４４】
ステップ１１０（Ｓ１１０）において、判定部４２は、加速度データの分散値が閾値σよりも大きいか否かを判断する。判定部４２は、加速度データの分散値が閾値σよりも大きいと判断した場合（Ｓ１１０：Ｙｅｓ）にはＳ１１２の処理に進み、加速度データの分散値が閾値σ以下であると判断した場合（Ｓ１１０：Ｎｏ）にはＳ１０２の処理に進む。
【００４５】
ステップ１１２（Ｓ１１２）において、判定部４２は、加速度データの分散値が閾値σよりも大きい期間が第３の設定期間Ｃ以上継続したか否かを判断する。判定部４２は、加速度データの分散値が閾値σよりも大きい期間が第３の設定期間Ｃ以上継続したと判断した場合（Ｓ１１２：Ｙｅｓ）にはＳ１１４の処理に進み、加速度データの分散値が閾値σよりも大きい期間が第３の設定期間Ｃ以上継続していないと判断した場合（Ｓ１１２：Ｎｏ）にはＳ１０２の処理に進む。
【００４６】
ステップ１１４（Ｓ１１４）において、判定部４２は、歩行開始時点を判定する。
【００４７】
ステップ１１６（Ｓ１１６）において、抽出部４４は、判定部４２の判定結果を受け入れて解析対象を抽出する。
【００４８】
ステップ１１８（Ｓ１１８）において、特徴量算出部４６０は、抽出部４４が抽出した解析対象を受け入れて特徴量を算出する。
【００４９】
ステップ１２０（Ｓ１２０）において、変動値算出部４６２は、特徴量算出部４６０が算出した特徴量を受け入れて変動値を算出する。
【００５０】
ステップ１２２（Ｓ１２２）において、推定部４８は、特徴量算出部４６０が算出した特徴量及び変動値算出部４６２が算出した変動値の少なくともいずれかを受け入れて対象者の歩行状態を推定する。
【００５１】
ステップ１２４（Ｓ１２４）において、出力部１８は、推定部４８が推定した結果を出力する。
【００５２】
なお、歩行分析装置１は、検出部２０が検出する３方向の加速度の全てを用いて（又は任意に組み合わせて）対象者の歩行状態を推定するように構成されてもよいし、１方向の加速度データから算出した特徴量及び変動値の少なくとも１つを用いて対象者の歩行状態を推定するように構成されてもよい。また、上記実施形態では、特徴量算出部４６０が算出する特徴量と、変動値算出部４６２が算出する変動値とを区別する場合を例に説明したが、歩行分析装置１は、変動値算出部４６２が算出する変動値も特徴量の１つであるとして対象者の歩行状態を推定するように構成されてもよい。つまり、歩行分析装置１は、解析部４６が算出する値はいずれも対象者の動きに対応する特徴量の１つであるとして、対象者の歩行状態を推定する構成であってもよい。
【００５３】
なお、歩行分析装置１において、抽出期間Ｄ１の加速度データによって対象者の歩行状態を推定する場合には、対象者の動きが定常化していない期間として予め定めた期間は、抽出期間Ｄ１と同じ期間（図４に示した例では３秒）になっている。また、抽出期間Ｄ１〜Ｄ７の加速度データによって対象者の歩行状態を推定する場合には、対象者の動きが定常化していない期間として予め定めた期間は、歩行開始時点から抽出期間Ｄ７の終わりまでの期間（図４に示した例では６秒）になっている。
【００５４】
また、歩行分析装置１は、上記実施形態に示された構成に限定されることなく、例えば本体部１０が検出部２０（又は計測部４０）及び通信部２２を備え、ネットワークを介して接続されるＰＣ（Personal Computer）などが判定部４２、抽出部４４、解析部４６、推定部４８及び出力部１８を有するように構成されてもよい。
【００５５】
また、本体部１０は、粘着部材から構成される装着部３０によって対象者身体に直接装着されてもよいし、背負い鞄等の外装部に装着されてもよい。
【００５６】
なお、本実施形態の歩行分析装置１で実行されるプログラムは、上述した各部（判定部４２、抽出部４４、解析部４６及び推定部４８）を含むモジュール構成となっている。
【００５７】
以上説明した実施形態によれば、１つのセンサを用いても、対象者の歩行開始時の特徴量に基づいて歩行状態を推定するので、対象者の歩行状態を短時間に推定することができる。また、上記実施形態によれば、対象者自身にとってリスク・負担が高い複雑な行為を行わなくても、転倒可能性を推定することが可能となる。
【００５８】
また、本発明のいくつかの実施形態を複数の組み合わせによって説明したが、これらの実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規の実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【符号の説明】
【００５９】
１ 歩行分析装置
１０ 本体部
１２ 制御部
１２０ ＣＰＵ
１４ 記憶部
１４０ 記憶媒体
１６ 入力部
１８ 出力部
１８０ 表示部
１８２ スピーカ
２０ 検出部
２２ 通信部
３０ 装着部
４０ 計測部
４２ 判定部
４４ 抽出部
４６ 解析部
４６０ 特徴量算出部
４６２ 変動値算出部
４８ 推定部
【特許請求の範囲】
【請求項１】
対象者の動きを計測する計測部と、
前記対象者の動きに基づいて、前記対象者が歩行を開始した歩行開始時点を判定する判定部と、
前記歩行開始時点が判定された場合、前記対象者の動きが定常化していない期間として予め定めた前記歩行開始時点からの期間に計測された前記対象者の動きの特徴量を算出する特徴量算出部と、
前記特徴量に基づいて、前記対象者の歩行状態を推定する推定部と、
を有する歩行分析装置。
【請求項２】
前記推定部は、
前記特徴量算出部が算出する特徴量を入力とし、転倒可能性の大きさが異なる複数のクラスラベルのいずれか１つを出力とするパターン認識アルゴリズムによって対象者の歩行状態を推定する請求項１に記載の歩行分析装置。
【請求項３】
前記計測部は、
前記対象者の動きに応じて変化する少なくとも１方向の加速度を計測する請求項１に記載の歩行分析装置。
【請求項４】
前記判定部は、
第１の時間間隔で第１の設定期間内に前記計測部が計測した加速度の分散値が所定の閾値以下である期間が第２の設定期間以上継続した後に、加速度の分散値が前記閾値を超えている期間が第３の設定期間以上継続した場合に、加速度の分散値が前記閾値を超え始めた時点を、前記歩行開始時点と判定する請求項３に記載の歩行分析装置。
【請求項５】
前記計測部は、
前記対象者の鉛直方向の加速度及び前記対象者の進行方向に対してほぼ直交する水平方向の加速度の少なくともいずれかを計測し、
前記特徴量算出部は、
前記歩行開始時点から第４の設定期間を経過するまでに前記計測部が計測した加速度の特徴量を算出する請求項４に記載の歩行分析装置。
【請求項６】
前記特徴量算出部は、
前記計測部が計測した鉛直方向の加速度の自己相関関数における最大自己相関値、及び水平方向の加速度の平均値の少なくともいずれかを特徴量として算出する請求項５に記載の歩行分析装置。
【請求項７】
前記特徴量算出部は、
前記歩行開始時点から第２の時間間隔で前記第４の設定期間を順次遅らせた複数の期間に前記計測部が計測した加速度の特徴量を算出する請求項５に記載の歩行分析装置。
【請求項８】
前記特徴量算出部は、
前記複数の期間に計測された鉛直方向の加速度の自己相関関数における複数の最大自己相関値、及び水平方向の加速度の複数の平均値の少なくともいずれかを特徴量としてさらに算出し、
前記複数の最大自己相関値の変動値及び前記複数の平均値の変動値の少なくともいずれかを算出する変動値算出部をさらに有し、
前記推定部は、
前記変動値及び前記特徴量の少なくともいずれかに基づいて、前記対象者の歩行状態を推定する請求項７に記載の歩行分析装置。
【請求項９】
前記推定部は、
前記特徴量及び前記変動値の少なくともいずれかを入力とし、転倒可能性の大きさが異なる複数のクラスラベルのいずれか１つを出力とするパターン認識アルゴリズムによって前記対象者の歩行状態を推定する請求項８に記載の歩行分析装置。
【請求項１０】
前記特徴量、前記変動値及び前記推定部が推定した結果の少なくともいずれかを出力する出力部をさらに有する請求項９に記載の歩行分析装置。
【請求項１１】
対象者の動きに基づいて、前記対象者が歩行を開始した歩行開始時点を判定するステップと、
前記歩行開始時点が判定された場合に、前記対象者の動きが定常化していない期間として予め定めた前記歩行開始時点からの期間に計測された前記対象者の動きの特徴量を算出するステップと、
前記特徴量に基づいて、前記対象者の歩行状態を推定するステップと、
をコンピュータに実行させるための歩行分析プログラム。
【請求項１】
対象者の動きを計測する計測部と、
前記対象者の動きに基づいて、前記対象者が歩行を開始した歩行開始時点を判定する判定部と、
前記歩行開始時点が判定された場合、前記対象者の動きが定常化していない期間として予め定めた前記歩行開始時点からの期間に計測された前記対象者の動きの特徴量を算出する特徴量算出部と、
前記特徴量に基づいて、前記対象者の歩行状態を推定する推定部と、
を有する歩行分析装置。
【請求項２】
前記推定部は、
前記特徴量算出部が算出する特徴量を入力とし、転倒可能性の大きさが異なる複数のクラスラベルのいずれか１つを出力とするパターン認識アルゴリズムによって対象者の歩行状態を推定する請求項１に記載の歩行分析装置。
【請求項３】
前記計測部は、
前記対象者の動きに応じて変化する少なくとも１方向の加速度を計測する請求項１に記載の歩行分析装置。
【請求項４】
前記判定部は、
第１の時間間隔で第１の設定期間内に前記計測部が計測した加速度の分散値が所定の閾値以下である期間が第２の設定期間以上継続した後に、加速度の分散値が前記閾値を超えている期間が第３の設定期間以上継続した場合に、加速度の分散値が前記閾値を超え始めた時点を、前記歩行開始時点と判定する請求項３に記載の歩行分析装置。
【請求項５】
前記計測部は、
前記対象者の鉛直方向の加速度及び前記対象者の進行方向に対してほぼ直交する水平方向の加速度の少なくともいずれかを計測し、
前記特徴量算出部は、
前記歩行開始時点から第４の設定期間を経過するまでに前記計測部が計測した加速度の特徴量を算出する請求項４に記載の歩行分析装置。
【請求項６】
前記特徴量算出部は、
前記計測部が計測した鉛直方向の加速度の自己相関関数における最大自己相関値、及び水平方向の加速度の平均値の少なくともいずれかを特徴量として算出する請求項５に記載の歩行分析装置。
【請求項７】
前記特徴量算出部は、
前記歩行開始時点から第２の時間間隔で前記第４の設定期間を順次遅らせた複数の期間に前記計測部が計測した加速度の特徴量を算出する請求項５に記載の歩行分析装置。
【請求項８】
前記特徴量算出部は、
前記複数の期間に計測された鉛直方向の加速度の自己相関関数における複数の最大自己相関値、及び水平方向の加速度の複数の平均値の少なくともいずれかを特徴量としてさらに算出し、
前記複数の最大自己相関値の変動値及び前記複数の平均値の変動値の少なくともいずれかを算出する変動値算出部をさらに有し、
前記推定部は、
前記変動値及び前記特徴量の少なくともいずれかに基づいて、前記対象者の歩行状態を推定する請求項７に記載の歩行分析装置。
【請求項９】
前記推定部は、
前記特徴量及び前記変動値の少なくともいずれかを入力とし、転倒可能性の大きさが異なる複数のクラスラベルのいずれか１つを出力とするパターン認識アルゴリズムによって前記対象者の歩行状態を推定する請求項８に記載の歩行分析装置。
【請求項１０】
前記特徴量、前記変動値及び前記推定部が推定した結果の少なくともいずれかを出力する出力部をさらに有する請求項９に記載の歩行分析装置。
【請求項１１】
対象者の動きに基づいて、前記対象者が歩行を開始した歩行開始時点を判定するステップと、
前記歩行開始時点が判定された場合に、前記対象者の動きが定常化していない期間として予め定めた前記歩行開始時点からの期間に計測された前記対象者の動きの特徴量を算出するステップと、
前記特徴量に基づいて、前記対象者の歩行状態を推定するステップと、
をコンピュータに実行させるための歩行分析プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公開番号】特開２０１３−９４３１６（Ｐ２０１３−９４３１６Ａ）
【公開日】平成２５年５月２０日（２０１３．５．２０）
【国際特許分類】
【出願番号】特願２０１１−２３８２４６（Ｐ２０１１−２３８２４６）
【出願日】平成２３年１０月３１日（２０１１．１０．３１）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
【公開日】平成２５年５月２０日（２０１３．５．２０）
【国際特許分類】
【出願日】平成２３年１０月３１日（２０１１．１０．３１）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
[ Back to top ]