歩行音分析装置、方法、およびプログラム
【課題】歩行音に基づいて人の特徴を判定する。
【解決手段】歩行音処理部１５Ａで、歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出し、パラメータ算出部１５Ｂで、各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出し、区分判定部１５Ｃで、対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定する。
【解決手段】歩行音処理部１５Ａで、歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出し、パラメータ算出部１５Ｂで、各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出し、区分判定部１５Ｃで、対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、歩行に伴って発生する種々の音を分析することにより、対象者が持つ特徴の推定や、対象者の個人の識別・認証を行うための歩行音分析技術に関する。
【背景技術】
【０００２】
従来、マイクロホンアレーで検出した歩行音を分析して、足音が発生した音発生位置や音発生時刻を抽出する技術が提案されている（例えば、非特許文献１や非特許文献２等参照）。これは、マイクロホンペアに対する音の到達時間差を利用して音源位置を推定する技術に基づいている。これにより、歩行者の歩幅や歩行速度などを算出することができる。
【先行技術文献】
【非特許文献】
【０００３】
【非特許文献１】Masanari Shoji, 「Passive Acoustic Sensing of Walking」,In Proceedings of the International Conference on Intelligent Sensors, Sensor Networks and Information Processing (ISSNIP '09), pp. 219-224, 2009.
【非特許文献２】庄司，「マイクロホンアレーによる足音位置推定、追跡の検討」，日本音響学会2010年春季研究発表会, 予稿集 pp.727-730，2010．
【非特許文献３】野村他，「近接音場型マイクロホンアレー」，日本音響学会誌53巻2号，pp.110-116，1997
【発明の概要】
【発明が解決しようとする課題】
【０００４】
一般に、人の歩行に伴って生じる足音を含む歩行音には、歩き方の癖に起因する歩行音の差異、各人の服装や持ち物などの付帯物に関する特徴など、各人固有の特徴が含まれていることは、日常経験上知られている。また、人の足音を聞いて、その人が誰かを直感的に判別できる場合もある。
しかしながら、前述した従来技術では、歩行者の歩幅や歩行速度については定量的に評価できるものの、例えば身長、体重、性別、年齢などの身体的特徴、歩行障害や特定の疾病などの運動機能的特徴、あるいは歩き方における各人固有の特徴など、歩行音から人が持つ特徴を判定することはできない。
【０００５】
本発明はこのような課題を解決するためのものであり、歩行音に基づいて人の特徴を判定することができる歩行音分析技術を提供することを目的としている。
【課題を解決するための手段】
【０００６】
このような目的を達成するために、本発明にかかる歩行音分析装置は、対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する歩行音処理部と、歩行音処理部で得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出するパラメータ算出部と、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶する確率分布データベースと、パラメータ算出部で得られた対象者の歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定する区分判定部とを備えている。
【０００７】
この際、歩行音処理部で、歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出部で、歩行音処理部で得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、確率分布データベースで、分類区分ごとに、当該分類区分に属する人の足音から得た各足音パラメータ値の頻度分布を示す確率分布特性を記憶し、区分判定部で、分類区分ごとに評価値を算出する際、対象者の各足音パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【０００８】
また、歩行音処理部で、歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出部で、歩行音処理部で得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た各足音パラメータ値との対応関係を示す履物種別データベースをさらに備え、履物種別データベースを参照して、パラメータ算出部で得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定する履物種別判定部をさらに備え、確率分布データベースで、分類区分ごとに、当該分類区分に属する人が履く履物に関する、履物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、区分判定部で、分類区分ごとに評価値を算出する際、履物種別判定部で得られた対象者の履物種別に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【０００９】
また、歩行音処理部で、歩行音信号を収音処理することにより、対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、パラメータ算出部で、歩行音処理部で得られた各観測点特徴値に関する統計値を、観測点ごとに対象者の観測点パラメータ値としてそれぞれ算出し、人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の観測点信号から得た各観測点パラメータ値との対応関係を示す付帯物種別データベースをさらに備え、付帯物種別データベースを参照して、パラメータ算出部で得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定する付帯物種別判定部をさらに備え、確率分布データベースで、分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、付帯物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、区分判定部で、分類区分ごとに評価値を算出する際、対象者の付帯物種別に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【００１０】
また、パラメータ算出部で、歩行状態パラメータ値として、少なくとも対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のうちのいずれか１つまたは複数に関する統計量、あるいは足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報を算出するようにしてもよい。
【００１１】
また、区分判定部で、分類区分ごとに算出した評価値のうち、分類区分ごとに予め設定されているしきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値としきい値との差または比が最も大きい分類区分を対象者に関する分類区分として判定するようにしてもよい。
【００１２】
また、本発明にかかる歩行音分析方法は、対象者の歩行に伴って生じる足音を含む歩行音信号を分析して、対象者の特徴を判定する歩行音分析装置で用いられる歩行音分析方法であって、歩行音処理部が、対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する歩行音処理ステップと、パラメータ算出部が、歩行音処理部で得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出するパラメータ算出ステップと、記憶部が、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た歩行状態パラメータ値の頻度分布を示す確率分布特性を確率分布データベースとして記憶するステップと、区分判定部が、パラメータ算出部で得られた対象者の歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定する区分判定ステップとを備えている。
【００１３】
この際、歩行音処理ステップで、歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出ステップで、歩行音処理部で得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、確率分布データベースで、分類区分ごとに、当該分類区分に属する人の足音から得た各足音パラメータ値の頻度分布を示す確率分布特性を記憶し、区分判定ステップで、分類区分ごとに評価値を算出する際、対象者の各足音パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【００１４】
また、歩行音処理ステップで、歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出ステップは、歩行音処理部で得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、記憶部が、人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た各足音パラメータ値との対応関係を示す履物種別データベースを記憶するステップをさらに備え、履物種別判定部が、履物種別データベースを参照して、パラメータ算出部で得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定する履物種別判定ステップをさらに備え、確率分布データベースで、分類区分ごとに、当該分類区分に属する人が履く履物に関する、履物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、区分判定ステップで、分類区分ごとに評価値を算出する際、履物種別判定部で得られた対象者の履物種別に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【００１５】
また、歩行音処理ステップで、歩行音信号を収音処理することにより、対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、パラメータ算出ステップで、歩行音処理部で得られた各観測点特徴値に関する統計値を、観測点ごとに対象者の観測点パラメータ値としてそれぞれ算出し、記憶部が、人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の観測点信号から得た各観測点パラメータ値との対応関係を示す付帯物種別データベースを記憶するステップをさらに備え、付帯物種別判定部が、付帯物種別データベースを参照して、パラメータ算出部で得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定する付帯物種別判定ステップをさらに備え、確率分布データベースで、分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、付帯物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、区分判定ステップで、分類区分ごとに評価値を算出する際、対象者の付帯物種別に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【００１６】
また、パラメータ算出ステップで、歩行状態パラメータ値として、少なくとも対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のうちのいずれか１つまたは複数に関する統計量、あるいは足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報を算出するようにしてもよい。
【００１７】
また、区分判定ステップで、分類区分ごとに算出した評価値のうち、分類区分ごとに予め設定されているしきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値としきい値との差または比が最も大きい分類区分を対象者に関する分類区分として判定するようにしてもよい。
【００１８】
また、本発明にかかるプログラムは、コンピュータを、前述したいずれか１つに記載の歩行音分析装置を構成する各部として機能させるためのプログラムである。
【発明の効果】
【００１９】
本発明によれば、歩行に伴う足音を含む歩行音に基づいて、対象者が持つ特徴、例えば身長、体重、体重、性別、年齢などの身体的特徴や、歩行障害や特定の疾病などの運動機能的特徴について、これら特徴に対して予め設定した分類区分のいずれに属するかを判定することができる。
【図面の簡単な説明】
【００２０】
【図１】第１の実施の形態にかかる歩行音分析装置の構成を示すブロック図である。
【図２】歩行の歩幅および歩行速度を示す説明図である。
【図３】第１の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【図４】歩幅と身長に関する確率分布特性例である。
【図５】評価値の算出例である。
【図６】歩幅と登録者に関する確率分布特性例である。
【図７】第２の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【図８】評価値の算出例である。
【図９】足音信号の切り出しを示す説明図である。
【図１０Ａ】足音信号の振幅波形図である。
【図１０Ｂ】足音信号のスペクトログラムである。
【図１１】第３の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【図１２】第４の実施の形態にかかる歩行音分析装置を示すブロック図である。
【図１３】第４の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【図１４】第５の実施の形態にかかる歩行音分析装置を示すブロック図である。
【図１５】対象者の観測領域を示す説明図である。
【図１６】第５の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【発明を実施するための形態】
【００２１】
次に、本発明の実施の形態について図面を参照して説明する。
［第１の実施の形態］
まず、図１を参照して、本発明の第１の実施の形態にかかる歩行音分析装置について説明する。図１は、第１の実施の形態にかかる歩行音分析装置の構成を示すブロック図である。
【００２２】
この歩行音分析装置１０は、全体としてパーソナルコンピュータやサーバ装置などの情報処理装置からなり、対象者の歩行に伴って生じる足音を含む歩行音信号２２を入力として、人が持つ特徴に応じて予め設定した人の分類区分のうちから、対象者が属する分類区分を判定する機能を有している。
図１において、集音装置２０は、マイクロホンアレーを構成する複数のマイクロホン２１からの出力信号を集めてＡ／Ｄ変換処理し、歩行音信号２２として歩行音分析装置１０へ出力する機能を有している。
【００２３】
本実施の形態は、対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出し、得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出し、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶しておき、得られた対象者の歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定するようにしたものである。
【００２４】
次に、図１を参照して、本実施の形態にかかる歩行音分析装置１０の構成について詳細に説明する。
歩行音分析装置１０には、主な機能部として、信号入力部１１、操作入力部１２、画面表示部１３、記憶部１４、および演算処理部１５が設けられている。
【００２５】
信号入力部１１は、専用の入出力インターフェース回路からなり、集音装置２０からの歩行音信号２２を取得して演算処理部１５へ出力する機能を有している。
操作入力部１２は、キーボードやマウスなどの操作入力装置からなり、オペレータの操作を検出して演算処理部１５へ出力する機能を有している。
画面表示部１３は、ＬＣＤなどの画面表示装置からなり、演算処理部１５から出力された操作メニューや分析結果などの各種データを画面表示する機能を有している。
【００２６】
記憶部１４は、ハードディスクや半導体メモリなどの記憶装置からなり、演算処理部１５での各種処理動作に用いる処理情報やプログラム１４Ｐを記憶する機能を有している。プログラムについては、記録媒体に記録することも、ネットワークを通じて提供することも可能である。
記憶部１４で記憶する主な処理情報として、確率分布データベース（以下、確率分布ＤＢという）１４Ａがある。確率分布ＤＢ１４Ａには、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た、当該歩行の特徴を示す任意のパラメータ値の頻度分布を示す確率分布特性が登録されている。
【００２７】
例えば、身長の分類区分の１つとして１６０ｃｍ−１８０ｃｍという分類区分を設定した場合、この分類区分に属する複数の人の足音から、それぞれパラメータ値を抽出できる。このパラメータ値の具体例としては、例えば歩幅や歩行速度など、それぞれの人に固有の値である。したがって、同一分類区分に属する人であっても、歩幅や歩行速度は異なるが、両者はある程度の相関を持つ。例えば、身長の高い人は比較的歩幅も大きい。したがって、同一分類区分に属する複数の人の足音から抽出したパラメータ値は、あるピークをもって分布する。
【００２８】
このような頻度分布を正規化して、パラメータ値に設定した区間ごとに積分することにより、同一分類区分に属する全人数のうち、パラメータ値が当該区間に属する人の割合、すなわち確率値として表現できる。したがって、対象者の足音から算出したパラメータ値の確率値を分類区分ごとに取得して比較すれば、対象者が属する尤もらしい分類区分を判定することができる。本実施の形態では、複数のパラメータ値に関する確率値を統合して、対象者の部類区分を判定している。これら処理の詳細について後述する。
【００２９】
演算処理部１５は、ＣＰＵなどのマイクロプロセッサとその周辺回路を有し、記憶部１４のプログラム１４Ｐを読み込んで実行することにより、各種処理部を実現する機能を有している。
演算処理部１５で実現される主な機能部として、歩行音処理部１５Ａ、パラメータ算出部１５Ｂ、および区分判定部１５Ｃがある。
【００３０】
歩行音処理部１５Ａは、対象者の歩行に伴って生じる足音を含む歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する機能を有している。この歩行音処理部１５Ａで用いる音発生位置および音発生時刻の抽出技術については、公知の技術を用いればよい（例えば、非特許文献１や非特許文献２等参照）。
【００３１】
また、音響信号処理において、前述の音発生位置および音発生時刻を基に歩行音信号２２を収音処理／強調処理することにより、歩行音信号２２のうちから足音に関する足音信号を抽出してもよい。これら収音処理／強調処理については、公知の技術を用いればよい（例えば、非特許文献３等参照）。
なお、これら音響信号処理や収音処理／強調処理については、原理的に、歩行者の人数によらず適用可能である。
【００３２】
パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出する機能を有している。
本実施の形態では、歩行状態パラメータ値として、歩幅Ｌ、歩行速度Ｖ、移動中心線から左右方向への開き幅Ｂ、および１歩の時間間隔Ｔに関する統計値を用いている。
【００３３】
図２は、歩行の歩幅および歩行速度を示す説明図である。ここでは、時刻Ｔ０に右足をステップ（接地）して、その後の時刻Ｔ１に左足をステップした例が示されている。このうち、右足と左足の距離間隔が歩幅Ｌとなり、この歩幅Ｌを右足と左足の時間間隔Ｔ（＝Ｔ１−Ｔ０）で除算したものが歩行速度Ｖ（＝Ｌ／Ｔ）となる。また、移動方向に沿った右足と左足の移動中心線から左右の足の中心までの距離を開き幅Ｂとして定義している。
【００３４】
これら歩幅Ｌ、歩行速度Ｖ、開き幅Ｂ、および時間間隔Ｔは、左右のステップごとに得られるため、本実施の形態では、歩行音信号２２のうちから切り出した所定長の観測区間に含まれる複数のステップに対して得られる値の平均値を、実際の歩幅Ｌ、歩行速度Ｖ、開き幅Ｂ、および時間間隔Ｔとして算出している。また、この平均値に対するステップごとに得られた値のばらつきを示す標準偏差、すなわち歩幅標準偏差Ｌｓｄ、歩行速度標準偏差Ｖｓｄ、開き幅標準偏差Ｂｓｄ、および時間間隔標準偏差Ｔｓｄについても歩行状態パラメータとして算出している。
【００３５】
歩行に関する歩幅Ｌ、歩行速度Ｖ、開き幅Ｂ、および時間間隔Ｔについては、歩行状態の特徴が最もよく現れる値である。本実施の形態では、これら４種類の値に関する合計８個の統計量を歩行状態パラメータとして組み合わせて用いる場合を例として説明する。なお、歩行状態パラメータについては、これら８個すべてを用いる必要はなく、これらのうち少なくとも１つまたは複数の歩行状態パラメータを組み合わせて用いればよい。なお、歩行状態に関するこれら４種類以外の値を歩行状態パラメータとして用いてもよい。
【００３６】
区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得する機能と、取得した各確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出する機能と、これら評価値のうち最も高い評価値が得られた分類区分を対象者に関する分類区分として判定する機能とを有している。
【００３７】
［第１の実施の形態の動作］
次に、図３を参照して、本実施の形態にかかる歩行音分析装置１０の動作について説明する。図３は、第１の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図３の歩行音分析処理の実行を開始する。
【００３８】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
【００３９】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【００４０】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得し（ステップ１０３）、取得した各確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出する（ステップ１０４）。
この後、区分判定部１５Ｃは、これら評価値のうち最も高い評価値が得られた分類区分を対象者に関する分類区分として判定し（ステップ１０５）、判定した分類区分を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。
【００４１】
図４は、歩幅と身長に関する確率分布特性例であり、横軸が平均歩幅Ｌを示し、縦軸が平均歩幅Ｌに対する確率値Ｐ（Ｌ）を示している。ここでは、身長についてＨ１〜Ｈ９までの分類区分が設定されており、確率分布ＤＢ１４Ａには、これら分類区分Ｈ１〜Ｈ９ごとに確率分布特性が予め登録されている。
【００４２】
分類区分の具体例としては、Ｈ１＝「８０ｃｍ以下」、Ｈ２＝「８０−１００ｃｍ」、Ｈ３＝「１００−１２０ｃｍ」、Ｈ４＝「１２０−１４０ｃｍ」、Ｈ５＝「１４０−１６０ｃｍ」、Ｈ６＝「１６０−１８０ｃｍ」、Ｈ７＝「１８０−２００ｃｍ」、Ｈ８＝「２００−２２０ｃｍ」、Ｈ９＝「２２０ｃｍ以上」である。例えば、平均歩幅Ｌ＝５０ｃｍの場合、Ｈ３が最も高い確率値を示している。ここでは、各分類区分に関する確率分布が、正規分布に類似する釣り鐘型の特性例で示されているが、これはあくまでも模式図であり、確率分布特性が常にこのような形状となる訳ではない。
【００４３】
図５は、評価値の算出例である。パラメータ算出部１５Ｂで対象者の歩行状態パラメータ値として、平均歩幅Ｌが算出された場合、図４に示した確率分布特性から、分類区分Ｈ１〜Ｈ９ごとに確率値Ｐ（Ｌ）が得られる。図５の例では、Ｈ４登録者で「１．２％」、Ｈ５で「１５．８％」、Ｈ６で「２５．６％」、Ｈ７で「０．６％」、これら以外のＨ１，Ｈ２，Ｈ３，Ｈ８，Ｈ９はすべて「０％」という確率値がそれぞれ得られている。このようにして、分類区分ごとに、歩行状態パラメータに対応する確率値が得られ、これら確率値が分類区分ごとに統合されて評価値Ｅが算出される。
【００４４】
評価値Ｅを算出する際、歩行状態パラメータに対する重み付けが行われる。一般的に数式で表記すると、分類区分ｈにおける、歩行状態パラメータｉの値ｊに関する確率値をＰｉ(ｊ,ｈ)とし、歩行状態パラメータｉに対する重みをｗ(ｉ)とすると、分類区分ｈに関する評価値Ｅ(ｈ)は、次の式（１）で求められる。
Ｅ(ｈ)＝Σiｗ(ｉ)Ｐｉ(ｊ,ｈ) …（１）
【００４５】
このようにして、各分類区分ｈに関する評価値Ｅ(ｈ)が算出される。図５の例では、Ｅ(Ｈ４)が「０．４」、Ｅ(Ｈ５)が「１３．２」、Ｅ(Ｈ６)が「２６．１」、Ｅ(Ｈ７)が「０．１」、これら以外のＥ(Ｈ１)，Ｅ(Ｈ２)，Ｅ(Ｈ３)，Ｅ(Ｈ８)，Ｅ(Ｈ９)はすべて「０」である。したがって、これら評価値のうち最も高いものはＥ(Ｈ６)であるから、対象者の身長に関する分類区分は、Ｈ６、すなわち１６０−１８０ｃｍであると判定される。
【００４６】
これら図４および図５では、人が持つ特徴として身長を例に説明したが、体重、体重、性別、年齢などの身体的特徴、さらには、歩行障害や特定の疾病などの運動機能的特徴についても同様にして適用することができる。このうち、歩行障害や特定の疾病などの運動機能的特徴については、予め設定したしきい値と評価値とを比較することにより、障害や疾病の有無を判定して、画面表示するようにしてもよい。
また、分析結果については、判定した分類区分のみを画面表示するのではなく、各分類区分の評価値を画面表示してもよい。特に、評価値を正規化することにより、評価結果を確率値分布として画面表示することも可能である。
【００４７】
［第１の実施の形態の効果］
このように、本実施の形態は、歩行音処理部１５Ａで、歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出し、パラメータ算出部１５Ｂで、各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出し、区分判定部１５Ｃで、対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定するようにしたものである。
【００４８】
これにより、歩行に伴う足音を含む歩行音に基づいて、対象者が持つ特徴、例えば身長、体重、体重、性別、年齢などの身体的特徴や、歩行障害や特定の疾病などの運動機能的特徴について、これら特徴に対して予め設定した分類区分のいずれに属するかを判定することができる。
【００４９】
また、本実施の形態では、対象者の歩行状態パラメータ値として、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のいずれかを用いるようにしたので、極めて正確に歩行の特徴をパラメータとして捉えることができる。これにより、高い精度で分類区分を判定することができる。
【００５０】
また、本実施の形態では、人が持つ１つの特徴に関する分類区分を判定する際、複数の歩行状態パラメータに関する確率値を統合して評価値を算出するようにしたので、１つの歩行状態パラメータのみで評価値を算出する場合と比較して、大きな偏りを生じることなく、分類区分を判定することができる。
【００５１】
また、本実施の形態では、対象者が１人の場合を例として説明したが、原理的には対象者の人数に制限はない。このため、大型の店舗や展示会などの設備で、多くの人の１次元的あるいは２次元的な流れや、各位置における滞留状況を、各人の特徴情報を含めて評価することができる。これにより、設備内の店舗、会場、通路の配置・形状や商品自体の配置についての適正化を行う際、極めて有効な情報を提供することが可能となる。
【００５２】
また、本実施の形態では、図３のステップ１０５において、区分判定部１５Ｃが、分類区分ごとに算出した評価値に基づいて対象者の分類区分を判定する際、これら分類区分ごとに算出した評価値と分類区分ごとに予め設定されているしきい値とを比較し、これら評価値のうち、しきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値としきい値との差や比が最も大きい分類区分を対象者に関する分類区分として判定するようにしてもよい。また、しきい値を越える評価値がない場合には、該当なしあるいは評価不能と判定してもよい。これにより、対象者の分類区分判定について、より高い判定精度を得ることができる。
【００５３】
また、評価値に基づいて分類区分を判定する場合、最も高い評価値とその次に高い２番目の評価値との差分や比を、予め設定されている相対しきい値（動的しきい値）と比較し、差分や比が相対しきい値を越えた場合には、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定するようにしてもよい。また、差分や比が相対しきい値を越えない場合には、該当なしあるいは評価不能と判定してもよい。これにより、最も高い評価値とその次に高い２番目の評価値とにあまり差がない場合でも、対象者の分類区分判定について、より高い判定精度を得ることができる。
【００５４】
なお、上記相対しきい値は、必ずしも定数である必要はなく、最も高い評価値、次に高い評価値、これらの差や比の関数として定義される動的なしきい値であってもよい。
また、評価値に基づく分類区分判定処理において、しきい値あるいは相対しきい値を導入する構成については、本実施の形態に限定されるものではなく、これ以降で説明する他の実施の形態にも同様に適用可能である。
【００５５】
［第２の実施の形態］
次に、本発明の第２の実施の形態にかかる歩行音分析装置１０について説明する。
第１の実施の形態では、分類区分が人の身体的特徴あるいは運動機能的特徴である場合を例として説明した。本実施の形態では、分類区分が個人である場合、すなわち対象者が誰かを認識する場合を例として説明する。
【００５６】
本実施の形態において、記憶部１４の確率分布ＤＢ１４Ａは、予め分類対象として登録した登録者と対応する分類区分ごとに、当該分類区分の登録者の足音から得た各歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶する。
【００５７】
図６は、歩幅と登録者に関する確率分布特性例であり、横軸が平均歩幅Ｌを示し、縦軸が平均歩幅Ｌに対する確率値Ｐ（Ｌ）を示している。ここでは、登録者としてＭ１〜Ｍ５の分類区分が設定されており、確率分布ＤＢ１４Ａには、これら分類区分Ｍ１〜Ｍ５ごとに確率分布特性が予め登録されている。
【００５８】
分類区分の具体例としては、Ｍ１＝「Ａさん」、Ｍ２＝「Ｂさん」、Ｍ３＝「Ｃさん」、Ｍ４＝「Ｄさん」、Ｍ５＝「Ｅさん」である。例えば、平均歩幅Ｌ＝８０ｃｍの場合、Ｍ５の「Ｅさん」が最も高い確率値を示している。ここでは、各分類区分に関する確率分布が、正規分布に類似する釣り鐘型の特性例で示されているが、これはあくまでも模式図であり、確率分布特性が常にこのような形状となる訳ではない。
なお、本実施の形態にかかる歩行音分析装置１０におけるその他の構成については、第１の実施の形態と同様であり、ここでの詳細な説明は省略する。
【００５９】
［第２の実施の形態の動作］
次に、図７を参照して、本発明の第２の実施の形態にかかる歩行音分析装置１０の動作について説明する。図７は、第２の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートであり、前述の図３と同じまたは同等部分には同一符号を付してある。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図７の歩行音分析処理の実行を開始する。
【００６０】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
【００６１】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【００６２】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごと、ここでは登録者ごとに確率分布ＤＢ１４Ａから取得し（ステップ２００）、取得した各確率値を登録者ごとに統合することにより、登録者ごとの評価値を算出する（ステップ２０１）。
この後、区分判定部１５Ｃは、これら評価値のうち最も高い評価値が得られた登録者が対象者であると判定し（ステップ１０５）、判定した登録者を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。
【００６３】
図８は、評価値の算出例である。パラメータ算出部１５Ｂで対象者の歩行状態パラメータ値として、平均歩幅Ｌが算出された場合、図６に示した確率分布特性から、分類区分Ｍ１〜Ｍ５ごとに確率値Ｐ（Ｌ）が得られる。図８の例では、Ｍ２で「４．９％」、Ｍ３で「１３．８％」、Ｍ４で「２６．２％」、これら以外のＭ１，Ｍ５はすべて「０％」という確率値がそれぞれ得られている。このようにして、分類区分ごとに、歩行状態パラメータに対応する確率値が得られ、これら確率値が分類区分ごとに統合されて評価値Ｅが算出される。
【００６４】
この際、評価値Ｅについては、歩行状態パラメータｉに対する重みをｗ(ｉ)を考慮して、前述した式（１）を用いて算出すればよい。
このようにして、各分類区分ｈに関する評価値Ｅ(ｈ)が算出される。図８の例では、Ｅ(Ｍ１)が「１．６」、Ｅ(Ｍ２)が「５．９」、Ｅ(Ｍ３)が「１３．８」、Ｅ(Ｍ４)が「２５．９」、Ｅ(Ｍ５)が「３．４」である。したがって、これら評価値のうち最も高いものはＥ(Ｍ４)であるから、対象者はＭ４のＤさんであると判定される。
【００６５】
なお、分析結果については、判定した分類区分のみを画面表示するのではなく、各分類区分の評価値を画面表示してもよい。特に、評価値を正規化することにより、評価結果を確率値分布として画面表示することも可能である。
【００６６】
［第２の実施の形態の効果］
このように、本実施の形態は、記憶部１４の確率分布ＤＢ１４Ａで、予め分類対象として登録した登録者と対応する分類区分ごとに、当該分類区分の登録者の足音から得た各歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶するようにしたので、対象者が登録者のうちのいずれであるかを判定することができ、結果として、対象者に対する個人識別や認証を行うことが可能となる。
【００６７】
［第３の実施の形態］
次に、本発明の第３の実施の形態にかかる歩行音分析装置１０について説明する。
第１の実施の形態では、歩行音信号２２を音響信号処理して得られた各足音の音発生位置および音発生時刻から、歩行状態パラメータ値として、平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを算出する場合を例として説明した。
本実施の形態では、歩行音信号２２を周波数スペクトル分析することにより、歩行状態パラメータ値に加え、足音信号に関する音響的特徴を示す特徴値として足音パラメータ値を算出し、これら歩行状態パラメータ値および足音パラメータ値により、対象者の分類区分を判定する場合について説明する。
【００６８】
本実施の形態において、歩行音処理部１５Ａは、歩行音信号２２から抽出した足音を示す足音信号について周波数スペクトル分析することにより、当該足音信号に関する音響的特徴を示す特徴値としてスペクトログラムをそれぞれ算出する機能を有している。
パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各特徴値、すなわちスペクトログラムから、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄからなる統計値を、対象者の足音パラメータ値としてそれぞれ算出する機能を有している。
【００６９】
確率分布ＤＢ１４Ａには、分類区分ごとに、当該分類区分に属する人の足音から得た各足音パラメータ値の頻度分布を示す確率分布特性が登録されている。
区分判定部１５Ｃは、分類区分ごとに評価値を算出する際、対象者の各足音パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得する機能と、取得した確率値を対応する分類区分の評価値へそれぞれ統合する機能とを有している。
なお、本実施の形態にかかる歩行音分析装置１０におけるその他の構成については、第１の実施の形態と同様であり、ここでの詳細な説明は省略する。
【００７０】
図９は、足音信号の切り出しを示す説明図である。人の足音は、通常、１００〜３００ｍｓ程度の継続時間を有しており、歩行音信号２２には、足音だけでなくその前後の区間も含まれている。このため、足音に関する音響的特徴を取得するために、歩行音信号２２から、その振幅などに基づいて、足音の継続時間Ｔａの全範囲、あるいは継続時間Ｔａの中で必要な一部の範囲だけを足音信号として切り出せばよい。
【００７１】
本実施の形態では、足音信号に関する音響的特徴として、特定周波数におけるスペクトル強度値に関する統計量を用いる。したがって、まず、足音信号を例えば５０ｍｓ程度の時間長Ｔｆの複数のフレーム信号を、例えば１０ｍｓ程度の時間長Ｔｓだけ順に開始時刻をシフトさせながら切り出し、これらフレーム信号ごとに短時間フーリエ変換することにより、周波数スペクトル分析を行う。これにより、足音信号の特徴値として、フレーム信号ごとの周波数スペクトル分布とその時間変化、すなわちスペクトログラムが得られる。
【００７２】
図１０Ａは、足音信号の振幅波形図であり、横軸は歩行における経過時間（単位は[sec]）を示し、縦軸は足音信号の振幅値（任意単位[a.u.]）を示している。ここでは、５歩分の足音信号が示されており、各足音は約０．５４[sec]程度の間隔で連続している。
【００７３】
図１０Ｂは、足音信号のスペクトログラムであり、横軸は歩行における経過時間（単位は[sec]）を示し、縦軸は周波数（単位は[kHz]）を示し、色の濃淡が周波数成分におけるスペクトル強度（単位は[dB]）を示している。ここでは、図１０Ａの足音信号と時間的に対応して、５歩分のそれぞれの足音信号から得られた周波数スペクトル分布が示されており、足音には２０ｋＨ程度までの周波数成分の音が、ある程度のスペクトル強度で含まれていることがわかる。
【００７４】
このようにして得られた各フレーム信号のスペクトログラムから、必要に応じて例えば歩行音の存在しない時間のデータから評価したノイズ成分スペクトルを除去した後、予め設定しておいた特定周波数ｆにおけるスペクトル強度値をフレーム信号ごとに取得する。そして、これらスペクトル強度値の平均値、すなわち平均スペクトル強度値Ｓ（ｆ）を足音パラメータ値として算出すればよい。また、この平均値に対するフレーム信号ごとのスペクトル強度値のばらつきを示す標準偏差、すなわちスペクトル強度値標準偏差Ｓｓｄ（ｆ）を足音パラメータ値として算出すればよい。
【００７５】
また、足音一歩の中での特定周波数ｆのスペクトル強度を、各フレーム信号の値について平均して評価するばかりではなく、更に詳細には足音一歩の時間範囲における時間変化Ｓｔ（ｆ、ｔ）を抽出し、これを足音パラメータとして用いることもできる。また、足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報、すなわち平均スペクトル強度値Ｓ（ｆ）、スペクトル強度値標準偏差Ｓｓｄ（ｆ）、時間変化Ｓｔ（ｆ，ｔ）を任意に組み合わせて１つの足音パラメータとして用いるようにしてもよい。また、この時間変化Ｓｔ（ｆ，ｔ）については、他の実施の形態において、平均スペクトル強度値Ｓ（ｆ）やスペクトル強度値標準偏差Ｓｓｄ（ｆ）と同様に、足音パラメータ値として用いるようにしてもよく、これらを任意に組み合わせて１つの足音パラメータとして用いるようにしてもよい。
【００７６】
これら、平均スペクトル強度値Ｓ（ｆ）、スペクトル強度値標準偏差Ｓｓｄ（ｆ）、およびスペクトル強度の時間変化Ｓｔ（ｆ、ｔ）については、必要に応じて足音が発生した音発生位置の変化分に起因する音の強度の変動分を補正してデータを正規化した後に、足音信号ごとに求めたものを複数の足音信号でさらに平均値を求め、この平均値に対する標準偏差を求めてもよい。あるいは、各足音信号のデータを正規化した後に、各足音信号に含まれるフレーム信号のすべてについて、一括して平均スペクトル強度値Ｓ（ｆ）およびスペクトル強度値標準偏差Ｓｓｄ（ｆ）を算出してもよい。
また、特定周波数ｆとして複数の周波数を設定し、これら特定周波数ごとに、平均スペクトル強度値Ｓ（ｆ）、スペクトル強度値標準偏差Ｓｓｄ（ｆ）、およびスペクトル強度の時間変化Ｓｔ（ｆ、ｔ）を算出して、それぞれ独立した足音パラメータ値として用いてもよく、さらにはこれらの足音パラメータを任意に組合せたものを１つの足音パラメータ値として用いてもよい。また、このことは他の実施の形態においても同様に適用できる。
【００７７】
［第３の実施の形態の動作］
次に、図１１を参照して、本実施の形態にかかる歩行音分析装置１０の動作について説明する。図１１は、第３の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートであり、前述の図３と同じまたは同等部分には同一符号を付してある。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図７の歩行音分析処理の実行を開始する。
【００７８】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
また、歩行音処理部１５Ａは、前述のようにして、歩行音信号２２から各足音を示す足音信号をそれぞれ抽出して周波数スペクトル分析することにより、当該足音信号に関する音響的特徴を示す特徴値としてスペクトログラムを算出する（ステップ３００）。
【００７９】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【００８０】
また、パラメータ算出部１５Ｂは、前述のようにして、歩行音処理部１５Ａで得られたスペクトログラムに基づいて、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄを、足音パラメータ値として算出する（ステップ１０２）。
【００８１】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値と、各足音パラメータ値に対応する確率値とを、分類区分ごとに確率分布ＤＢ１４Ａから取得し（ステップ１０３）、各歩行状態パラメータ値に対応する確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出するとともに、各足音パラメータ値に対応する確率値を、対応する分類区分の評価値に統合する（ステップ１０４）。
この後、区分判定部１５Ｃは、これら評価値が登録者ごとに事前に設定されたしきい値を越えた場合に、当該登録者が対象者であると判定し（ステップ１０５）、判定した登録者を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。この際、評価値が登録者ごとに事前に設定されたしきい値を越える登録者、あるいは、しきい値と評価値との差や比が最も高い値となる登録者が、複数存在する場合には、その中で最も高い評価値が得られた登録者を対象者と判定すればよい。また、しきい値を越える登録者がいない場合には、該当なしあるいは評価不能と判定すればよい。
【００８２】
［第３の実施の形態の効果］
このように、本実施の形態は、歩行音処理部１５Ａで、歩行音信号２２から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出部１５Ｂにより、歩行音処理部１５Ａで得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、区分判定部１５Ｃで、分類区分ごとに評価値を算出する際、対象者の各足音パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して、対応する分類区分の評価値へそれぞれ統合するようにしたものである。
【００８３】
これにより、対象者が持つ特徴が、その特徴に対して予め設定した分類区分のいずれに属するかを判定する際、対象者の歩行状態パラメータ値だけでなく、対象者の足音に含まれる音響的特徴を示す足音パラメータ値をも考慮することができ、より詳細に対象者の分類区分を判定することができる。
【００８４】
［第４の実施の形態］
次に、図１２を参照して、本発明の第４の実施の形態にかかる歩行音分析装置１０について説明する。図１２は、第４の実施の形態にかかる歩行音分析装置を示すブロック図であり、前述の図１と同じまたは同等部分には同一符号を付してある。
【００８５】
第３の実施の形態では、対象者の足音に含まれる音響的特徴を示す足音パラメータ値を考慮して、対象者の分類区分を判定する場合について説明した。ここで、足音パラメータ値には、対象者の身体的特徴あるいは運動機能的特徴だけでなく、対象者が履く履物の種類が反映されている。本実施の形態では、このことに着目して、足音パラメータ値から対象者が履いている履物の履物種別、例えば革靴、ハイヒール、サンダル、スニーカー、草履などの履物種別を判定し、この履物種別を考慮して、対象者の分類区分を判定するようにしたものである。
【００８６】
本実施の形態において、歩行音処理部１５Ａは、歩行音信号２２から抽出した足音を示す足音信号について周波数スペクトル分析することにより、当該足音信号に関する音響的特徴を示す特徴値としてスペクトログラムをそれぞれ算出する機能を有している。
パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各特徴値、すなわちスペクトログラムから、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄからなる統計値を、対象者の足音パラメータ値としてそれぞれ算出する機能を有している。
【００８７】
また、記憶部１４には、図１２に示すように、新たな処理情報として、人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た各足音パラメータ値との対応関係を示す履物種別データベース（以下、履物種別ＤＢという）１４Ｂが記憶されている。
また、記憶部１４の確率分布ＤＢ１４Ａには、分類区分ごとに、当該分類区分に属する人が履く履物に関する、履物種別ごとの頻度分布を示す確率分布特性が登録されている。この履物種別に関する確率分布特性については、例えば、前述した図４のように連続性のある特性ではなく、分類区分と履物種別との組合せごとにそれぞれ個別の確率値が登録されている。
【００８８】
また、演算処理部１５には、図１２に示すように、新たな処理部として、記憶部１４の履物種別ＤＢ１４Ｂを参照して、パラメータ算出部１５Ｂで得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定する履物種別判定部１５Ｄが設けられている。
区分判定部１５Ｃは、分類区分ごとに評価値を算出する際、履物種別判定部１５Ｄで得られた対象者の履物種別に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得する機能と、取得した確率値を対応する分類区分の評価値へそれぞれ統合する機能とを有している。
【００８９】
なお、前述した歩行音処理部１５Ａ、パラメータ算出部１５Ｂ、確率分布ＤＢ１４Ａの詳細については、第３の実施の形態と同様である。また、本実施の形態にかかる歩行音分析装置１０におけるその他の構成については、第１の実施の形態と同様であり、ここでの詳細な説明は省略する。
【００９０】
［第４の実施の形態の動作］
次に、図１３を参照して、本発明の第４の実施の形態にかかる歩行音分析装置１０の動作について説明する。図１３は、第４の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートであり、前述の図１１と同じまたは同等部分には同一符号を付してある。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図１３の歩行音分析処理の実行を開始する。
【００９１】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
また、歩行音処理部１５Ａは、前述のようにして、歩行音信号２２から各足音を示す足音信号をそれぞれ抽出して周波数スペクトル分析することにより、当該足音信号に関する音響的特徴を示す特徴値としてスペクトログラムを算出する（ステップ３００）。
【００９２】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【００９３】
また、パラメータ算出部１５Ｂは、前述のようにして、歩行音処理部１５Ａで得られたスペクトログラムに基づいて、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄを、足音パラメータ値として算出する（ステップ１０２）。
この後、履物種別判定部１５Ｄは、記憶部１４の履物種別ＤＢ１４Ｂを参照して、パラメータ算出部１５Ｂで得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定する（ステップ４００）。
【００９４】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値と、履物種別判定部１５Ｄで判定された対象者の履物種別に対応する確率値とを、分類区分ごとに確率分布ＤＢ１４Ａから取得し（ステップ１０３）、各歩行状態パラメータ値に対応する確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出するとともに、履物種別に対応する確率値を、対応する分類区分の評価値に統合する（ステップ１０４）。
【００９５】
この後、区分判定部１５Ｃは、これら評価値のうち最も高い評価値が得られた登録者が対象者であると判定し（ステップ１０５）、判定した登録者を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。
【００９６】
［第４の実施の形態の効果］
このように、本実施の形態は、歩行音処理部１５Ａで、歩行音信号２２から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出部１５Ｂにより、歩行音処理部１５Ａで得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、履物種別判定部１５Ｄで、履物種別ＤＢ１４Ｂを参照して、パラメータ算出部１５Ｂで得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定し、区分判定部１５Ｃで、分類区分ごとに評価値を算出する際、履物種別判定部１５Ｄで得られた対象者の履物種別に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して、対応する分類区分の評価値へそれぞれ統合するようにしたものである。
【００９７】
これにより、対象者が持つ特徴が、その特徴に対して予め設定した分類区分のいずれに属するかを判定する際、対象者の歩行状態パラメータ値だけでなく、対象者の足音に含まれる音響的特徴を示す足音パラメータ値から判定した対象者の履物種別をも考慮することができ、より詳細に対象者の分類区分を判定することができる。
【００９８】
また、本実施の形態において、履物種別に対応する確率値を、対応する分類区分の評価値に統合する際、実際には、前述した式（１）で説明したような、各歩行状態パラメータ値に対応する確率値および履物種別に対応する確率値と、これら歩行状態パラメータ値および履物種別ごとに予め設定しておいた重みとの積和計算を行うことになる。この場合、履物種別に対応する重みとして共通する１つの重みを用いてもよいが、履物種別の判定結果に応じて異なる重みを用いてもよい。
【００９９】
例えば、履物種別の判定結果が「ハイヒール」の場合、対象者の性別に対する分類区分については、女性である確率が極めて高い。一方、履物種別の判定結果が「運動靴」の場合、男性／女性の確率にあまり差は見られない。このため、このような場合には、予め履物種別ＤＢ１４Ｂに登録しておいた、履物種別の判定結果に応じた重みを用いて評価値を算出すればよい。これにより、より詳細に対象者の分類区分を判定することができる。
【０１００】
［第５の実施の形態］
次に、図１４を参照して、本発明の第５の実施の形態にかかる歩行音分析装置１０について説明する。図１４は、第５の実施の形態にかかる歩行音分析装置を示すブロック図であり、前述の図１と同じまたは同等部分には同一符号を付してある。
【０１０１】
第４の実施の形態では、対象者の足音に含まれる音響的特徴を示す足音パラメータ値から判定した対象者の履物種別を考慮して、対象者の分類区分を判定する場合について説明した。ここで、対象者の歩行に伴って発生する歩行音は、対象者の足音だけでなく、対象者が身につけている衣服や鞄等の付帯物からも発生している。本実施の形態では、このことに着目し、対象者の周囲に設けた観測点で発生した音に関する音響的特徴を示す観測点パラメータ値から判定した対象者の付帯物を考慮して、対象者の分類区分を判定するようにしたものである。
【０１０２】
本実施の形態において、歩行音処理部１５Ａは、歩行音信号２２を収音処理することにより、対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成する機能と、これら観測点信号ごとに周波数スペクトル分析することにより、当該観測点信号に関する音響的特徴を示す観測点特徴値としてスペクトログラムをそれぞれ算出する機能とを有している。
パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各観測点特徴値、すなわちスペクトログラムから、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄからなる統計値を、観測点ごとに対象者の観測点パラメータ値としてそれぞれ算出する機能を有している。
【０１０３】
図１５は、対象者の観測領域を示す説明図である。ここでは、対象者を囲む観測領域として、前後左右の方向にそれぞれ０．６ｍの幅を持ち、高さ方向に床面から２．０ｍの高さを持つ領域が設定されている。実際には、この観測領域を０．２ｍ間隔で格子状に区切って、１７６個の観測点を設定し、これら観測点で発生した音を示す観測点信号を生成する。これにより、対象者の服装や所持品などの付帯物から発生する歩行音を示す観測点信号を得ることができ、その音響的特徴を示す観測点特徴値から得られる観測点パラメータ値に基づき付帯物を判定することができる。
【０１０４】
各観測点における観測点信号については、前述した公知の収音処理／強調処理を用いればよい（例えば、非特許文献３等参照）。これにより、対象者の体の前後左右、足の各部分、腰付近、腕付近、頭付近など、各部分で発生した、衣服の摩擦音や所持品のゆれや体にぶつかるときに発生する音などの歩行音をそれぞれ個別に得ることができる。
なお、観測領域については、連続する足音の音発生位置および音発生時刻から歩行速度を求めることにより、各時刻における対象者の体の中心位置を推定できるので、この中心位置に対して観測領域を設定すればよい。また、これら観測領域や観測点の間隔の寸法については、これに限定されるものではない。
【０１０５】
また、記憶部１４には、図１４に示すように、新たな処理情報として、人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の観測点信号から得た各観測点パラメータ値との対応関係を示す付帯物種別データベース（以下、付帯物種別ＤＢという）１４Ｃが記憶されている。付帯物種別としては、ズボン、スカート、コートなどの衣服やその生地素材、バッグ、鞄などの所持品、さらにはその形状や大きさなどがある。
【０１０６】
また、記憶部１４の確率分布ＤＢ１４Ａには、分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、付帯物種別ごとの頻度分布を示す確率分布特性が登録されている。この付帯物種別に関する確率分布特性については、例えば、前述した図４のように連続性のある特性ではなく、分類区分と付帯物種別との組合せごとにそれぞれ個別の確率値が登録されている。
【０１０７】
また、演算処理部１５には、図１２に示すように、新たな処理部として、付帯物種別ＤＢ１４Ｃを参照して、パラメータ算出部１５Ｂで得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定する付帯物種別判定部１５Ｅが設けられている。
区分判定部１５Ｃは、分類区分ごとに評価値を算出する際、付帯物種別判定部１５Ｅで得られた対象者の付帯物種別に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得する機能と、取得した確率値を対応する分類区分の評価値へそれぞれ統合する機能とを有している。
【０１０８】
［第５の実施の形態の動作］
次に、図１６を参照して、本発明の第５の実施の形態にかかる歩行音分析装置１０の動作について説明する。図１６は、第５の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートであり、前述の図７と同じまたは同等部分には同一符号を付してある。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図１６の歩行音分析処理の実行を開始する。
【０１０９】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
また、歩行音処理部１５Ａは、前述のようにして、歩行音信号２２から各観測点における観測点信号をそれぞれ生成して周波数スペクトル分析することにより、これら観測点信号ごとに、当該観測点信号に関する音響的特徴を示す特徴値としてスペクトログラムを算出する（ステップ５００）。
【０１１０】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【０１１１】
また、パラメータ算出部１５Ｂは、前述のようにして、歩行音処理部１５Ａで得られたスペクトログラムに基づいて、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄを、観測点パラメータ値として算出する（ステップ１０２）。
この後、付帯物種別判定部１５Ｅは、記憶部１４の付帯物種別ＤＢ１４Ｃを参照して、パラメータ算出部１５Ｂで得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定する（ステップ５０１）。
【０１１２】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値と、付帯物種別判定部１５Ｅで判定された対象者の付帯物種別に対応する確率値とを、分類区分ごとに確率分布ＤＢ１４Ａから取得し（ステップ１０３）、各歩行状態パラメータ値に対応する確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出するとともに、付帯物種別に対応する確率値を、対応する分類区分の評価値に統合する（ステップ１０４）。
【０１１３】
この後、区分判定部１５Ｃは、これら評価値のうち最も高い評価値が得られた登録者が対象者であると判定し（ステップ１０５）、判定した登録者を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。
【０１１４】
［第５の実施の形態の効果］
このように、本実施の形態は、歩行音処理部１５Ａでは、歩行音信号２２を収音処理することにより、対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、パラメータ算出部１５Ｂにより、歩行音処理部１５Ａで得られた各観測点特徴値に関する統計値を、観測点ごとに対象者の観測点パラメータ値としてそれぞれ算出し、付帯物種別判定部１５Ｅで、付帯物種別ＤＢ１４Ｃを参照して、パラメータ算出部１５Ｂで得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定し、区分判定部１５Ｃで、分類区分ごとに評価値を算出する際、対象者の付帯物種別に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して、対応する分類区分の評価値へそれぞれ統合するようにしたものである。
【０１１５】
これにより、対象者が持つ特徴が、その特徴に対して予め設定した分類区分のいずれに属するかを判定する際、対象者の歩行状態パラメータ値だけでなく、対象者の周囲で発生した歩行音に含まれる音響的特徴を示す観測点パラメータ値から判定した対象者の付帯物種別をも考慮することができ、より詳細に対象者の分類区分を判定することができる。
【０１１６】
また、本実施の形態では、観測点パラメータ値として、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄからなる統計値を用いる場合について説明したが、当該観測点の位置を示す観測位置も観測点パラメータ値に含めてもよい。これにより、付帯物種別判定部１５Ｅにおいて付帯物種別を判定する際、対象者の観測領域のうち、それぞれの付帯物が存在する位置を考慮することができ、より詳細に付帯物の種別を判定することができる。
【０１１７】
また、本実施の形態において、付帯物種別に対応する確率値を、対応する分類区分の評価値に統合する際、実際には、前述した式（１）で説明したような、各歩行状態パラメータ値に対応する確率値および付帯物種別に対応する確率値と、これら歩行状態パラメータ値および付帯物種別ごとに予め設定しておいた重みとの積和計算を行うことになる。この場合、付帯物種別に対応する重みとして共通する１つの重みを用いてもよいが、付帯物種別の判定結果に応じて異なる重みを用いてもよい。
【０１１８】
例えば、付帯物種別の判定結果が「ハンドバック」の場合、対象者の性別に対する分類区分については、女性である確率が極めて高い。一方、付帯物種別の判定結果が「リュックサック」の場合、男性／女性の確率にあまり差は見られない。このため、このような場合には、予め付帯物種別ＤＢ１４Ｃに登録しておいた、付帯物種別の判定結果に応じた重みを用いて評価値を算出すればよい。これにより、より詳細に対象者の分類区分を判定することができる。
【０１１９】
［実施の形態の拡張］
以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をすることができる。また、各実施の形態は、それぞれ任意に組合せて実施してもよい。
【符号の説明】
【０１２０】
１０…歩行音分析装置、１１…信号入力部、１２…操作入力部、１３…画面表示部、１４…記憶部、１４Ａ…確率分布ＤＢ、１４Ｂ…履物種別ＤＢ、１４Ｃ…付帯物種別ＤＢ、１５…演算処理部、１５Ａ…歩行音処理部、１５Ｂ…パラメータ算出部、１５Ｃ…区分判定部、１５Ｄ…履物種別判定部、１５Ｅ…付帯物種別判定部、２０…集音装置、２１…マイクロホン、２２…歩行音信号。
【技術分野】
【０００１】
本発明は、歩行に伴って発生する種々の音を分析することにより、対象者が持つ特徴の推定や、対象者の個人の識別・認証を行うための歩行音分析技術に関する。
【背景技術】
【０００２】
従来、マイクロホンアレーで検出した歩行音を分析して、足音が発生した音発生位置や音発生時刻を抽出する技術が提案されている（例えば、非特許文献１や非特許文献２等参照）。これは、マイクロホンペアに対する音の到達時間差を利用して音源位置を推定する技術に基づいている。これにより、歩行者の歩幅や歩行速度などを算出することができる。
【先行技術文献】
【非特許文献】
【０００３】
【非特許文献１】Masanari Shoji, 「Passive Acoustic Sensing of Walking」,In Proceedings of the International Conference on Intelligent Sensors, Sensor Networks and Information Processing (ISSNIP '09), pp. 219-224, 2009.
【非特許文献２】庄司，「マイクロホンアレーによる足音位置推定、追跡の検討」，日本音響学会2010年春季研究発表会, 予稿集 pp.727-730，2010．
【非特許文献３】野村他，「近接音場型マイクロホンアレー」，日本音響学会誌53巻2号，pp.110-116，1997
【発明の概要】
【発明が解決しようとする課題】
【０００４】
一般に、人の歩行に伴って生じる足音を含む歩行音には、歩き方の癖に起因する歩行音の差異、各人の服装や持ち物などの付帯物に関する特徴など、各人固有の特徴が含まれていることは、日常経験上知られている。また、人の足音を聞いて、その人が誰かを直感的に判別できる場合もある。
しかしながら、前述した従来技術では、歩行者の歩幅や歩行速度については定量的に評価できるものの、例えば身長、体重、性別、年齢などの身体的特徴、歩行障害や特定の疾病などの運動機能的特徴、あるいは歩き方における各人固有の特徴など、歩行音から人が持つ特徴を判定することはできない。
【０００５】
本発明はこのような課題を解決するためのものであり、歩行音に基づいて人の特徴を判定することができる歩行音分析技術を提供することを目的としている。
【課題を解決するための手段】
【０００６】
このような目的を達成するために、本発明にかかる歩行音分析装置は、対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する歩行音処理部と、歩行音処理部で得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出するパラメータ算出部と、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶する確率分布データベースと、パラメータ算出部で得られた対象者の歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定する区分判定部とを備えている。
【０００７】
この際、歩行音処理部で、歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出部で、歩行音処理部で得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、確率分布データベースで、分類区分ごとに、当該分類区分に属する人の足音から得た各足音パラメータ値の頻度分布を示す確率分布特性を記憶し、区分判定部で、分類区分ごとに評価値を算出する際、対象者の各足音パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【０００８】
また、歩行音処理部で、歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出部で、歩行音処理部で得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た各足音パラメータ値との対応関係を示す履物種別データベースをさらに備え、履物種別データベースを参照して、パラメータ算出部で得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定する履物種別判定部をさらに備え、確率分布データベースで、分類区分ごとに、当該分類区分に属する人が履く履物に関する、履物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、区分判定部で、分類区分ごとに評価値を算出する際、履物種別判定部で得られた対象者の履物種別に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【０００９】
また、歩行音処理部で、歩行音信号を収音処理することにより、対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、パラメータ算出部で、歩行音処理部で得られた各観測点特徴値に関する統計値を、観測点ごとに対象者の観測点パラメータ値としてそれぞれ算出し、人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の観測点信号から得た各観測点パラメータ値との対応関係を示す付帯物種別データベースをさらに備え、付帯物種別データベースを参照して、パラメータ算出部で得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定する付帯物種別判定部をさらに備え、確率分布データベースで、分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、付帯物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、区分判定部で、分類区分ごとに評価値を算出する際、対象者の付帯物種別に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【００１０】
また、パラメータ算出部で、歩行状態パラメータ値として、少なくとも対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のうちのいずれか１つまたは複数に関する統計量、あるいは足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報を算出するようにしてもよい。
【００１１】
また、区分判定部で、分類区分ごとに算出した評価値のうち、分類区分ごとに予め設定されているしきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値としきい値との差または比が最も大きい分類区分を対象者に関する分類区分として判定するようにしてもよい。
【００１２】
また、本発明にかかる歩行音分析方法は、対象者の歩行に伴って生じる足音を含む歩行音信号を分析して、対象者の特徴を判定する歩行音分析装置で用いられる歩行音分析方法であって、歩行音処理部が、対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する歩行音処理ステップと、パラメータ算出部が、歩行音処理部で得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出するパラメータ算出ステップと、記憶部が、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た歩行状態パラメータ値の頻度分布を示す確率分布特性を確率分布データベースとして記憶するステップと、区分判定部が、パラメータ算出部で得られた対象者の歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定する区分判定ステップとを備えている。
【００１３】
この際、歩行音処理ステップで、歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出ステップで、歩行音処理部で得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、確率分布データベースで、分類区分ごとに、当該分類区分に属する人の足音から得た各足音パラメータ値の頻度分布を示す確率分布特性を記憶し、区分判定ステップで、分類区分ごとに評価値を算出する際、対象者の各足音パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【００１４】
また、歩行音処理ステップで、歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出ステップは、歩行音処理部で得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、記憶部が、人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た各足音パラメータ値との対応関係を示す履物種別データベースを記憶するステップをさらに備え、履物種別判定部が、履物種別データベースを参照して、パラメータ算出部で得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定する履物種別判定ステップをさらに備え、確率分布データベースで、分類区分ごとに、当該分類区分に属する人が履く履物に関する、履物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、区分判定ステップで、分類区分ごとに評価値を算出する際、履物種別判定部で得られた対象者の履物種別に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【００１５】
また、歩行音処理ステップで、歩行音信号を収音処理することにより、対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、パラメータ算出ステップで、歩行音処理部で得られた各観測点特徴値に関する統計値を、観測点ごとに対象者の観測点パラメータ値としてそれぞれ算出し、記憶部が、人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の観測点信号から得た各観測点パラメータ値との対応関係を示す付帯物種別データベースを記憶するステップをさらに備え、付帯物種別判定部が、付帯物種別データベースを参照して、パラメータ算出部で得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定する付帯物種別判定ステップをさらに備え、確率分布データベースで、分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、付帯物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、区分判定ステップで、分類区分ごとに評価値を算出する際、対象者の付帯物種別に対応する確率値を、分類区分ごとに確率分布データベースから取得して、対応する分類区分の評価値へそれぞれ統合するようにしてもよい。
【００１６】
また、パラメータ算出ステップで、歩行状態パラメータ値として、少なくとも対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のうちのいずれか１つまたは複数に関する統計量、あるいは足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報を算出するようにしてもよい。
【００１７】
また、区分判定ステップで、分類区分ごとに算出した評価値のうち、分類区分ごとに予め設定されているしきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値としきい値との差または比が最も大きい分類区分を対象者に関する分類区分として判定するようにしてもよい。
【００１８】
また、本発明にかかるプログラムは、コンピュータを、前述したいずれか１つに記載の歩行音分析装置を構成する各部として機能させるためのプログラムである。
【発明の効果】
【００１９】
本発明によれば、歩行に伴う足音を含む歩行音に基づいて、対象者が持つ特徴、例えば身長、体重、体重、性別、年齢などの身体的特徴や、歩行障害や特定の疾病などの運動機能的特徴について、これら特徴に対して予め設定した分類区分のいずれに属するかを判定することができる。
【図面の簡単な説明】
【００２０】
【図１】第１の実施の形態にかかる歩行音分析装置の構成を示すブロック図である。
【図２】歩行の歩幅および歩行速度を示す説明図である。
【図３】第１の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【図４】歩幅と身長に関する確率分布特性例である。
【図５】評価値の算出例である。
【図６】歩幅と登録者に関する確率分布特性例である。
【図７】第２の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【図８】評価値の算出例である。
【図９】足音信号の切り出しを示す説明図である。
【図１０Ａ】足音信号の振幅波形図である。
【図１０Ｂ】足音信号のスペクトログラムである。
【図１１】第３の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【図１２】第４の実施の形態にかかる歩行音分析装置を示すブロック図である。
【図１３】第４の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【図１４】第５の実施の形態にかかる歩行音分析装置を示すブロック図である。
【図１５】対象者の観測領域を示す説明図である。
【図１６】第５の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
【発明を実施するための形態】
【００２１】
次に、本発明の実施の形態について図面を参照して説明する。
［第１の実施の形態］
まず、図１を参照して、本発明の第１の実施の形態にかかる歩行音分析装置について説明する。図１は、第１の実施の形態にかかる歩行音分析装置の構成を示すブロック図である。
【００２２】
この歩行音分析装置１０は、全体としてパーソナルコンピュータやサーバ装置などの情報処理装置からなり、対象者の歩行に伴って生じる足音を含む歩行音信号２２を入力として、人が持つ特徴に応じて予め設定した人の分類区分のうちから、対象者が属する分類区分を判定する機能を有している。
図１において、集音装置２０は、マイクロホンアレーを構成する複数のマイクロホン２１からの出力信号を集めてＡ／Ｄ変換処理し、歩行音信号２２として歩行音分析装置１０へ出力する機能を有している。
【００２３】
本実施の形態は、対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出し、得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出し、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶しておき、得られた対象者の歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布データベースから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定するようにしたものである。
【００２４】
次に、図１を参照して、本実施の形態にかかる歩行音分析装置１０の構成について詳細に説明する。
歩行音分析装置１０には、主な機能部として、信号入力部１１、操作入力部１２、画面表示部１３、記憶部１４、および演算処理部１５が設けられている。
【００２５】
信号入力部１１は、専用の入出力インターフェース回路からなり、集音装置２０からの歩行音信号２２を取得して演算処理部１５へ出力する機能を有している。
操作入力部１２は、キーボードやマウスなどの操作入力装置からなり、オペレータの操作を検出して演算処理部１５へ出力する機能を有している。
画面表示部１３は、ＬＣＤなどの画面表示装置からなり、演算処理部１５から出力された操作メニューや分析結果などの各種データを画面表示する機能を有している。
【００２６】
記憶部１４は、ハードディスクや半導体メモリなどの記憶装置からなり、演算処理部１５での各種処理動作に用いる処理情報やプログラム１４Ｐを記憶する機能を有している。プログラムについては、記録媒体に記録することも、ネットワークを通じて提供することも可能である。
記憶部１４で記憶する主な処理情報として、確率分布データベース（以下、確率分布ＤＢという）１４Ａがある。確率分布ＤＢ１４Ａには、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た、当該歩行の特徴を示す任意のパラメータ値の頻度分布を示す確率分布特性が登録されている。
【００２７】
例えば、身長の分類区分の１つとして１６０ｃｍ−１８０ｃｍという分類区分を設定した場合、この分類区分に属する複数の人の足音から、それぞれパラメータ値を抽出できる。このパラメータ値の具体例としては、例えば歩幅や歩行速度など、それぞれの人に固有の値である。したがって、同一分類区分に属する人であっても、歩幅や歩行速度は異なるが、両者はある程度の相関を持つ。例えば、身長の高い人は比較的歩幅も大きい。したがって、同一分類区分に属する複数の人の足音から抽出したパラメータ値は、あるピークをもって分布する。
【００２８】
このような頻度分布を正規化して、パラメータ値に設定した区間ごとに積分することにより、同一分類区分に属する全人数のうち、パラメータ値が当該区間に属する人の割合、すなわち確率値として表現できる。したがって、対象者の足音から算出したパラメータ値の確率値を分類区分ごとに取得して比較すれば、対象者が属する尤もらしい分類区分を判定することができる。本実施の形態では、複数のパラメータ値に関する確率値を統合して、対象者の部類区分を判定している。これら処理の詳細について後述する。
【００２９】
演算処理部１５は、ＣＰＵなどのマイクロプロセッサとその周辺回路を有し、記憶部１４のプログラム１４Ｐを読み込んで実行することにより、各種処理部を実現する機能を有している。
演算処理部１５で実現される主な機能部として、歩行音処理部１５Ａ、パラメータ算出部１５Ｂ、および区分判定部１５Ｃがある。
【００３０】
歩行音処理部１５Ａは、対象者の歩行に伴って生じる足音を含む歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する機能を有している。この歩行音処理部１５Ａで用いる音発生位置および音発生時刻の抽出技術については、公知の技術を用いればよい（例えば、非特許文献１や非特許文献２等参照）。
【００３１】
また、音響信号処理において、前述の音発生位置および音発生時刻を基に歩行音信号２２を収音処理／強調処理することにより、歩行音信号２２のうちから足音に関する足音信号を抽出してもよい。これら収音処理／強調処理については、公知の技術を用いればよい（例えば、非特許文献３等参照）。
なお、これら音響信号処理や収音処理／強調処理については、原理的に、歩行者の人数によらず適用可能である。
【００３２】
パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出する機能を有している。
本実施の形態では、歩行状態パラメータ値として、歩幅Ｌ、歩行速度Ｖ、移動中心線から左右方向への開き幅Ｂ、および１歩の時間間隔Ｔに関する統計値を用いている。
【００３３】
図２は、歩行の歩幅および歩行速度を示す説明図である。ここでは、時刻Ｔ０に右足をステップ（接地）して、その後の時刻Ｔ１に左足をステップした例が示されている。このうち、右足と左足の距離間隔が歩幅Ｌとなり、この歩幅Ｌを右足と左足の時間間隔Ｔ（＝Ｔ１−Ｔ０）で除算したものが歩行速度Ｖ（＝Ｌ／Ｔ）となる。また、移動方向に沿った右足と左足の移動中心線から左右の足の中心までの距離を開き幅Ｂとして定義している。
【００３４】
これら歩幅Ｌ、歩行速度Ｖ、開き幅Ｂ、および時間間隔Ｔは、左右のステップごとに得られるため、本実施の形態では、歩行音信号２２のうちから切り出した所定長の観測区間に含まれる複数のステップに対して得られる値の平均値を、実際の歩幅Ｌ、歩行速度Ｖ、開き幅Ｂ、および時間間隔Ｔとして算出している。また、この平均値に対するステップごとに得られた値のばらつきを示す標準偏差、すなわち歩幅標準偏差Ｌｓｄ、歩行速度標準偏差Ｖｓｄ、開き幅標準偏差Ｂｓｄ、および時間間隔標準偏差Ｔｓｄについても歩行状態パラメータとして算出している。
【００３５】
歩行に関する歩幅Ｌ、歩行速度Ｖ、開き幅Ｂ、および時間間隔Ｔについては、歩行状態の特徴が最もよく現れる値である。本実施の形態では、これら４種類の値に関する合計８個の統計量を歩行状態パラメータとして組み合わせて用いる場合を例として説明する。なお、歩行状態パラメータについては、これら８個すべてを用いる必要はなく、これらのうち少なくとも１つまたは複数の歩行状態パラメータを組み合わせて用いればよい。なお、歩行状態に関するこれら４種類以外の値を歩行状態パラメータとして用いてもよい。
【００３６】
区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得する機能と、取得した各確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出する機能と、これら評価値のうち最も高い評価値が得られた分類区分を対象者に関する分類区分として判定する機能とを有している。
【００３７】
［第１の実施の形態の動作］
次に、図３を参照して、本実施の形態にかかる歩行音分析装置１０の動作について説明する。図３は、第１の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートである。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図３の歩行音分析処理の実行を開始する。
【００３８】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
【００３９】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【００４０】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得し（ステップ１０３）、取得した各確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出する（ステップ１０４）。
この後、区分判定部１５Ｃは、これら評価値のうち最も高い評価値が得られた分類区分を対象者に関する分類区分として判定し（ステップ１０５）、判定した分類区分を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。
【００４１】
図４は、歩幅と身長に関する確率分布特性例であり、横軸が平均歩幅Ｌを示し、縦軸が平均歩幅Ｌに対する確率値Ｐ（Ｌ）を示している。ここでは、身長についてＨ１〜Ｈ９までの分類区分が設定されており、確率分布ＤＢ１４Ａには、これら分類区分Ｈ１〜Ｈ９ごとに確率分布特性が予め登録されている。
【００４２】
分類区分の具体例としては、Ｈ１＝「８０ｃｍ以下」、Ｈ２＝「８０−１００ｃｍ」、Ｈ３＝「１００−１２０ｃｍ」、Ｈ４＝「１２０−１４０ｃｍ」、Ｈ５＝「１４０−１６０ｃｍ」、Ｈ６＝「１６０−１８０ｃｍ」、Ｈ７＝「１８０−２００ｃｍ」、Ｈ８＝「２００−２２０ｃｍ」、Ｈ９＝「２２０ｃｍ以上」である。例えば、平均歩幅Ｌ＝５０ｃｍの場合、Ｈ３が最も高い確率値を示している。ここでは、各分類区分に関する確率分布が、正規分布に類似する釣り鐘型の特性例で示されているが、これはあくまでも模式図であり、確率分布特性が常にこのような形状となる訳ではない。
【００４３】
図５は、評価値の算出例である。パラメータ算出部１５Ｂで対象者の歩行状態パラメータ値として、平均歩幅Ｌが算出された場合、図４に示した確率分布特性から、分類区分Ｈ１〜Ｈ９ごとに確率値Ｐ（Ｌ）が得られる。図５の例では、Ｈ４登録者で「１．２％」、Ｈ５で「１５．８％」、Ｈ６で「２５．６％」、Ｈ７で「０．６％」、これら以外のＨ１，Ｈ２，Ｈ３，Ｈ８，Ｈ９はすべて「０％」という確率値がそれぞれ得られている。このようにして、分類区分ごとに、歩行状態パラメータに対応する確率値が得られ、これら確率値が分類区分ごとに統合されて評価値Ｅが算出される。
【００４４】
評価値Ｅを算出する際、歩行状態パラメータに対する重み付けが行われる。一般的に数式で表記すると、分類区分ｈにおける、歩行状態パラメータｉの値ｊに関する確率値をＰｉ(ｊ,ｈ)とし、歩行状態パラメータｉに対する重みをｗ(ｉ)とすると、分類区分ｈに関する評価値Ｅ(ｈ)は、次の式（１）で求められる。
Ｅ(ｈ)＝Σiｗ(ｉ)Ｐｉ(ｊ,ｈ) …（１）
【００４５】
このようにして、各分類区分ｈに関する評価値Ｅ(ｈ)が算出される。図５の例では、Ｅ(Ｈ４)が「０．４」、Ｅ(Ｈ５)が「１３．２」、Ｅ(Ｈ６)が「２６．１」、Ｅ(Ｈ７)が「０．１」、これら以外のＥ(Ｈ１)，Ｅ(Ｈ２)，Ｅ(Ｈ３)，Ｅ(Ｈ８)，Ｅ(Ｈ９)はすべて「０」である。したがって、これら評価値のうち最も高いものはＥ(Ｈ６)であるから、対象者の身長に関する分類区分は、Ｈ６、すなわち１６０−１８０ｃｍであると判定される。
【００４６】
これら図４および図５では、人が持つ特徴として身長を例に説明したが、体重、体重、性別、年齢などの身体的特徴、さらには、歩行障害や特定の疾病などの運動機能的特徴についても同様にして適用することができる。このうち、歩行障害や特定の疾病などの運動機能的特徴については、予め設定したしきい値と評価値とを比較することにより、障害や疾病の有無を判定して、画面表示するようにしてもよい。
また、分析結果については、判定した分類区分のみを画面表示するのではなく、各分類区分の評価値を画面表示してもよい。特に、評価値を正規化することにより、評価結果を確率値分布として画面表示することも可能である。
【００４７】
［第１の実施の形態の効果］
このように、本実施の形態は、歩行音処理部１５Ａで、歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出し、パラメータ算出部１５Ｂで、各足音の音発生位置および音発生時刻に基づいて、対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出し、区分判定部１５Ｃで、対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して統合することにより、分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定するようにしたものである。
【００４８】
これにより、歩行に伴う足音を含む歩行音に基づいて、対象者が持つ特徴、例えば身長、体重、体重、性別、年齢などの身体的特徴や、歩行障害や特定の疾病などの運動機能的特徴について、これら特徴に対して予め設定した分類区分のいずれに属するかを判定することができる。
【００４９】
また、本実施の形態では、対象者の歩行状態パラメータ値として、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のいずれかを用いるようにしたので、極めて正確に歩行の特徴をパラメータとして捉えることができる。これにより、高い精度で分類区分を判定することができる。
【００５０】
また、本実施の形態では、人が持つ１つの特徴に関する分類区分を判定する際、複数の歩行状態パラメータに関する確率値を統合して評価値を算出するようにしたので、１つの歩行状態パラメータのみで評価値を算出する場合と比較して、大きな偏りを生じることなく、分類区分を判定することができる。
【００５１】
また、本実施の形態では、対象者が１人の場合を例として説明したが、原理的には対象者の人数に制限はない。このため、大型の店舗や展示会などの設備で、多くの人の１次元的あるいは２次元的な流れや、各位置における滞留状況を、各人の特徴情報を含めて評価することができる。これにより、設備内の店舗、会場、通路の配置・形状や商品自体の配置についての適正化を行う際、極めて有効な情報を提供することが可能となる。
【００５２】
また、本実施の形態では、図３のステップ１０５において、区分判定部１５Ｃが、分類区分ごとに算出した評価値に基づいて対象者の分類区分を判定する際、これら分類区分ごとに算出した評価値と分類区分ごとに予め設定されているしきい値とを比較し、これら評価値のうち、しきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値としきい値との差や比が最も大きい分類区分を対象者に関する分類区分として判定するようにしてもよい。また、しきい値を越える評価値がない場合には、該当なしあるいは評価不能と判定してもよい。これにより、対象者の分類区分判定について、より高い判定精度を得ることができる。
【００５３】
また、評価値に基づいて分類区分を判定する場合、最も高い評価値とその次に高い２番目の評価値との差分や比を、予め設定されている相対しきい値（動的しきい値）と比較し、差分や比が相対しきい値を越えた場合には、最も高い評価値が得られた分類区分を対象者に関する分類区分として判定するようにしてもよい。また、差分や比が相対しきい値を越えない場合には、該当なしあるいは評価不能と判定してもよい。これにより、最も高い評価値とその次に高い２番目の評価値とにあまり差がない場合でも、対象者の分類区分判定について、より高い判定精度を得ることができる。
【００５４】
なお、上記相対しきい値は、必ずしも定数である必要はなく、最も高い評価値、次に高い評価値、これらの差や比の関数として定義される動的なしきい値であってもよい。
また、評価値に基づく分類区分判定処理において、しきい値あるいは相対しきい値を導入する構成については、本実施の形態に限定されるものではなく、これ以降で説明する他の実施の形態にも同様に適用可能である。
【００５５】
［第２の実施の形態］
次に、本発明の第２の実施の形態にかかる歩行音分析装置１０について説明する。
第１の実施の形態では、分類区分が人の身体的特徴あるいは運動機能的特徴である場合を例として説明した。本実施の形態では、分類区分が個人である場合、すなわち対象者が誰かを認識する場合を例として説明する。
【００５６】
本実施の形態において、記憶部１４の確率分布ＤＢ１４Ａは、予め分類対象として登録した登録者と対応する分類区分ごとに、当該分類区分の登録者の足音から得た各歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶する。
【００５７】
図６は、歩幅と登録者に関する確率分布特性例であり、横軸が平均歩幅Ｌを示し、縦軸が平均歩幅Ｌに対する確率値Ｐ（Ｌ）を示している。ここでは、登録者としてＭ１〜Ｍ５の分類区分が設定されており、確率分布ＤＢ１４Ａには、これら分類区分Ｍ１〜Ｍ５ごとに確率分布特性が予め登録されている。
【００５８】
分類区分の具体例としては、Ｍ１＝「Ａさん」、Ｍ２＝「Ｂさん」、Ｍ３＝「Ｃさん」、Ｍ４＝「Ｄさん」、Ｍ５＝「Ｅさん」である。例えば、平均歩幅Ｌ＝８０ｃｍの場合、Ｍ５の「Ｅさん」が最も高い確率値を示している。ここでは、各分類区分に関する確率分布が、正規分布に類似する釣り鐘型の特性例で示されているが、これはあくまでも模式図であり、確率分布特性が常にこのような形状となる訳ではない。
なお、本実施の形態にかかる歩行音分析装置１０におけるその他の構成については、第１の実施の形態と同様であり、ここでの詳細な説明は省略する。
【００５９】
［第２の実施の形態の動作］
次に、図７を参照して、本発明の第２の実施の形態にかかる歩行音分析装置１０の動作について説明する。図７は、第２の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートであり、前述の図３と同じまたは同等部分には同一符号を付してある。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図７の歩行音分析処理の実行を開始する。
【００６０】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
【００６１】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【００６２】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値を、分類区分ごと、ここでは登録者ごとに確率分布ＤＢ１４Ａから取得し（ステップ２００）、取得した各確率値を登録者ごとに統合することにより、登録者ごとの評価値を算出する（ステップ２０１）。
この後、区分判定部１５Ｃは、これら評価値のうち最も高い評価値が得られた登録者が対象者であると判定し（ステップ１０５）、判定した登録者を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。
【００６３】
図８は、評価値の算出例である。パラメータ算出部１５Ｂで対象者の歩行状態パラメータ値として、平均歩幅Ｌが算出された場合、図６に示した確率分布特性から、分類区分Ｍ１〜Ｍ５ごとに確率値Ｐ（Ｌ）が得られる。図８の例では、Ｍ２で「４．９％」、Ｍ３で「１３．８％」、Ｍ４で「２６．２％」、これら以外のＭ１，Ｍ５はすべて「０％」という確率値がそれぞれ得られている。このようにして、分類区分ごとに、歩行状態パラメータに対応する確率値が得られ、これら確率値が分類区分ごとに統合されて評価値Ｅが算出される。
【００６４】
この際、評価値Ｅについては、歩行状態パラメータｉに対する重みをｗ(ｉ)を考慮して、前述した式（１）を用いて算出すればよい。
このようにして、各分類区分ｈに関する評価値Ｅ(ｈ)が算出される。図８の例では、Ｅ(Ｍ１)が「１．６」、Ｅ(Ｍ２)が「５．９」、Ｅ(Ｍ３)が「１３．８」、Ｅ(Ｍ４)が「２５．９」、Ｅ(Ｍ５)が「３．４」である。したがって、これら評価値のうち最も高いものはＥ(Ｍ４)であるから、対象者はＭ４のＤさんであると判定される。
【００６５】
なお、分析結果については、判定した分類区分のみを画面表示するのではなく、各分類区分の評価値を画面表示してもよい。特に、評価値を正規化することにより、評価結果を確率値分布として画面表示することも可能である。
【００６６】
［第２の実施の形態の効果］
このように、本実施の形態は、記憶部１４の確率分布ＤＢ１４Ａで、予め分類対象として登録した登録者と対応する分類区分ごとに、当該分類区分の登録者の足音から得た各歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶するようにしたので、対象者が登録者のうちのいずれであるかを判定することができ、結果として、対象者に対する個人識別や認証を行うことが可能となる。
【００６７】
［第３の実施の形態］
次に、本発明の第３の実施の形態にかかる歩行音分析装置１０について説明する。
第１の実施の形態では、歩行音信号２２を音響信号処理して得られた各足音の音発生位置および音発生時刻から、歩行状態パラメータ値として、平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを算出する場合を例として説明した。
本実施の形態では、歩行音信号２２を周波数スペクトル分析することにより、歩行状態パラメータ値に加え、足音信号に関する音響的特徴を示す特徴値として足音パラメータ値を算出し、これら歩行状態パラメータ値および足音パラメータ値により、対象者の分類区分を判定する場合について説明する。
【００６８】
本実施の形態において、歩行音処理部１５Ａは、歩行音信号２２から抽出した足音を示す足音信号について周波数スペクトル分析することにより、当該足音信号に関する音響的特徴を示す特徴値としてスペクトログラムをそれぞれ算出する機能を有している。
パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各特徴値、すなわちスペクトログラムから、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄからなる統計値を、対象者の足音パラメータ値としてそれぞれ算出する機能を有している。
【００６９】
確率分布ＤＢ１４Ａには、分類区分ごとに、当該分類区分に属する人の足音から得た各足音パラメータ値の頻度分布を示す確率分布特性が登録されている。
区分判定部１５Ｃは、分類区分ごとに評価値を算出する際、対象者の各足音パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得する機能と、取得した確率値を対応する分類区分の評価値へそれぞれ統合する機能とを有している。
なお、本実施の形態にかかる歩行音分析装置１０におけるその他の構成については、第１の実施の形態と同様であり、ここでの詳細な説明は省略する。
【００７０】
図９は、足音信号の切り出しを示す説明図である。人の足音は、通常、１００〜３００ｍｓ程度の継続時間を有しており、歩行音信号２２には、足音だけでなくその前後の区間も含まれている。このため、足音に関する音響的特徴を取得するために、歩行音信号２２から、その振幅などに基づいて、足音の継続時間Ｔａの全範囲、あるいは継続時間Ｔａの中で必要な一部の範囲だけを足音信号として切り出せばよい。
【００７１】
本実施の形態では、足音信号に関する音響的特徴として、特定周波数におけるスペクトル強度値に関する統計量を用いる。したがって、まず、足音信号を例えば５０ｍｓ程度の時間長Ｔｆの複数のフレーム信号を、例えば１０ｍｓ程度の時間長Ｔｓだけ順に開始時刻をシフトさせながら切り出し、これらフレーム信号ごとに短時間フーリエ変換することにより、周波数スペクトル分析を行う。これにより、足音信号の特徴値として、フレーム信号ごとの周波数スペクトル分布とその時間変化、すなわちスペクトログラムが得られる。
【００７２】
図１０Ａは、足音信号の振幅波形図であり、横軸は歩行における経過時間（単位は[sec]）を示し、縦軸は足音信号の振幅値（任意単位[a.u.]）を示している。ここでは、５歩分の足音信号が示されており、各足音は約０．５４[sec]程度の間隔で連続している。
【００７３】
図１０Ｂは、足音信号のスペクトログラムであり、横軸は歩行における経過時間（単位は[sec]）を示し、縦軸は周波数（単位は[kHz]）を示し、色の濃淡が周波数成分におけるスペクトル強度（単位は[dB]）を示している。ここでは、図１０Ａの足音信号と時間的に対応して、５歩分のそれぞれの足音信号から得られた周波数スペクトル分布が示されており、足音には２０ｋＨ程度までの周波数成分の音が、ある程度のスペクトル強度で含まれていることがわかる。
【００７４】
このようにして得られた各フレーム信号のスペクトログラムから、必要に応じて例えば歩行音の存在しない時間のデータから評価したノイズ成分スペクトルを除去した後、予め設定しておいた特定周波数ｆにおけるスペクトル強度値をフレーム信号ごとに取得する。そして、これらスペクトル強度値の平均値、すなわち平均スペクトル強度値Ｓ（ｆ）を足音パラメータ値として算出すればよい。また、この平均値に対するフレーム信号ごとのスペクトル強度値のばらつきを示す標準偏差、すなわちスペクトル強度値標準偏差Ｓｓｄ（ｆ）を足音パラメータ値として算出すればよい。
【００７５】
また、足音一歩の中での特定周波数ｆのスペクトル強度を、各フレーム信号の値について平均して評価するばかりではなく、更に詳細には足音一歩の時間範囲における時間変化Ｓｔ（ｆ、ｔ）を抽出し、これを足音パラメータとして用いることもできる。また、足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報、すなわち平均スペクトル強度値Ｓ（ｆ）、スペクトル強度値標準偏差Ｓｓｄ（ｆ）、時間変化Ｓｔ（ｆ，ｔ）を任意に組み合わせて１つの足音パラメータとして用いるようにしてもよい。また、この時間変化Ｓｔ（ｆ，ｔ）については、他の実施の形態において、平均スペクトル強度値Ｓ（ｆ）やスペクトル強度値標準偏差Ｓｓｄ（ｆ）と同様に、足音パラメータ値として用いるようにしてもよく、これらを任意に組み合わせて１つの足音パラメータとして用いるようにしてもよい。
【００７６】
これら、平均スペクトル強度値Ｓ（ｆ）、スペクトル強度値標準偏差Ｓｓｄ（ｆ）、およびスペクトル強度の時間変化Ｓｔ（ｆ、ｔ）については、必要に応じて足音が発生した音発生位置の変化分に起因する音の強度の変動分を補正してデータを正規化した後に、足音信号ごとに求めたものを複数の足音信号でさらに平均値を求め、この平均値に対する標準偏差を求めてもよい。あるいは、各足音信号のデータを正規化した後に、各足音信号に含まれるフレーム信号のすべてについて、一括して平均スペクトル強度値Ｓ（ｆ）およびスペクトル強度値標準偏差Ｓｓｄ（ｆ）を算出してもよい。
また、特定周波数ｆとして複数の周波数を設定し、これら特定周波数ごとに、平均スペクトル強度値Ｓ（ｆ）、スペクトル強度値標準偏差Ｓｓｄ（ｆ）、およびスペクトル強度の時間変化Ｓｔ（ｆ、ｔ）を算出して、それぞれ独立した足音パラメータ値として用いてもよく、さらにはこれらの足音パラメータを任意に組合せたものを１つの足音パラメータ値として用いてもよい。また、このことは他の実施の形態においても同様に適用できる。
【００７７】
［第３の実施の形態の動作］
次に、図１１を参照して、本実施の形態にかかる歩行音分析装置１０の動作について説明する。図１１は、第３の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートであり、前述の図３と同じまたは同等部分には同一符号を付してある。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図７の歩行音分析処理の実行を開始する。
【００７８】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
また、歩行音処理部１５Ａは、前述のようにして、歩行音信号２２から各足音を示す足音信号をそれぞれ抽出して周波数スペクトル分析することにより、当該足音信号に関する音響的特徴を示す特徴値としてスペクトログラムを算出する（ステップ３００）。
【００７９】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【００８０】
また、パラメータ算出部１５Ｂは、前述のようにして、歩行音処理部１５Ａで得られたスペクトログラムに基づいて、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄを、足音パラメータ値として算出する（ステップ１０２）。
【００８１】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値と、各足音パラメータ値に対応する確率値とを、分類区分ごとに確率分布ＤＢ１４Ａから取得し（ステップ１０３）、各歩行状態パラメータ値に対応する確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出するとともに、各足音パラメータ値に対応する確率値を、対応する分類区分の評価値に統合する（ステップ１０４）。
この後、区分判定部１５Ｃは、これら評価値が登録者ごとに事前に設定されたしきい値を越えた場合に、当該登録者が対象者であると判定し（ステップ１０５）、判定した登録者を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。この際、評価値が登録者ごとに事前に設定されたしきい値を越える登録者、あるいは、しきい値と評価値との差や比が最も高い値となる登録者が、複数存在する場合には、その中で最も高い評価値が得られた登録者を対象者と判定すればよい。また、しきい値を越える登録者がいない場合には、該当なしあるいは評価不能と判定すればよい。
【００８２】
［第３の実施の形態の効果］
このように、本実施の形態は、歩行音処理部１５Ａで、歩行音信号２２から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出部１５Ｂにより、歩行音処理部１５Ａで得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、区分判定部１５Ｃで、分類区分ごとに評価値を算出する際、対象者の各足音パラメータ値に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して、対応する分類区分の評価値へそれぞれ統合するようにしたものである。
【００８３】
これにより、対象者が持つ特徴が、その特徴に対して予め設定した分類区分のいずれに属するかを判定する際、対象者の歩行状態パラメータ値だけでなく、対象者の足音に含まれる音響的特徴を示す足音パラメータ値をも考慮することができ、より詳細に対象者の分類区分を判定することができる。
【００８４】
［第４の実施の形態］
次に、図１２を参照して、本発明の第４の実施の形態にかかる歩行音分析装置１０について説明する。図１２は、第４の実施の形態にかかる歩行音分析装置を示すブロック図であり、前述の図１と同じまたは同等部分には同一符号を付してある。
【００８５】
第３の実施の形態では、対象者の足音に含まれる音響的特徴を示す足音パラメータ値を考慮して、対象者の分類区分を判定する場合について説明した。ここで、足音パラメータ値には、対象者の身体的特徴あるいは運動機能的特徴だけでなく、対象者が履く履物の種類が反映されている。本実施の形態では、このことに着目して、足音パラメータ値から対象者が履いている履物の履物種別、例えば革靴、ハイヒール、サンダル、スニーカー、草履などの履物種別を判定し、この履物種別を考慮して、対象者の分類区分を判定するようにしたものである。
【００８６】
本実施の形態において、歩行音処理部１５Ａは、歩行音信号２２から抽出した足音を示す足音信号について周波数スペクトル分析することにより、当該足音信号に関する音響的特徴を示す特徴値としてスペクトログラムをそれぞれ算出する機能を有している。
パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各特徴値、すなわちスペクトログラムから、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄからなる統計値を、対象者の足音パラメータ値としてそれぞれ算出する機能を有している。
【００８７】
また、記憶部１４には、図１２に示すように、新たな処理情報として、人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た各足音パラメータ値との対応関係を示す履物種別データベース（以下、履物種別ＤＢという）１４Ｂが記憶されている。
また、記憶部１４の確率分布ＤＢ１４Ａには、分類区分ごとに、当該分類区分に属する人が履く履物に関する、履物種別ごとの頻度分布を示す確率分布特性が登録されている。この履物種別に関する確率分布特性については、例えば、前述した図４のように連続性のある特性ではなく、分類区分と履物種別との組合せごとにそれぞれ個別の確率値が登録されている。
【００８８】
また、演算処理部１５には、図１２に示すように、新たな処理部として、記憶部１４の履物種別ＤＢ１４Ｂを参照して、パラメータ算出部１５Ｂで得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定する履物種別判定部１５Ｄが設けられている。
区分判定部１５Ｃは、分類区分ごとに評価値を算出する際、履物種別判定部１５Ｄで得られた対象者の履物種別に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得する機能と、取得した確率値を対応する分類区分の評価値へそれぞれ統合する機能とを有している。
【００８９】
なお、前述した歩行音処理部１５Ａ、パラメータ算出部１５Ｂ、確率分布ＤＢ１４Ａの詳細については、第３の実施の形態と同様である。また、本実施の形態にかかる歩行音分析装置１０におけるその他の構成については、第１の実施の形態と同様であり、ここでの詳細な説明は省略する。
【００９０】
［第４の実施の形態の動作］
次に、図１３を参照して、本発明の第４の実施の形態にかかる歩行音分析装置１０の動作について説明する。図１３は、第４の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートであり、前述の図１１と同じまたは同等部分には同一符号を付してある。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図１３の歩行音分析処理の実行を開始する。
【００９１】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
また、歩行音処理部１５Ａは、前述のようにして、歩行音信号２２から各足音を示す足音信号をそれぞれ抽出して周波数スペクトル分析することにより、当該足音信号に関する音響的特徴を示す特徴値としてスペクトログラムを算出する（ステップ３００）。
【００９２】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【００９３】
また、パラメータ算出部１５Ｂは、前述のようにして、歩行音処理部１５Ａで得られたスペクトログラムに基づいて、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄを、足音パラメータ値として算出する（ステップ１０２）。
この後、履物種別判定部１５Ｄは、記憶部１４の履物種別ＤＢ１４Ｂを参照して、パラメータ算出部１５Ｂで得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定する（ステップ４００）。
【００９４】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値と、履物種別判定部１５Ｄで判定された対象者の履物種別に対応する確率値とを、分類区分ごとに確率分布ＤＢ１４Ａから取得し（ステップ１０３）、各歩行状態パラメータ値に対応する確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出するとともに、履物種別に対応する確率値を、対応する分類区分の評価値に統合する（ステップ１０４）。
【００９５】
この後、区分判定部１５Ｃは、これら評価値のうち最も高い評価値が得られた登録者が対象者であると判定し（ステップ１０５）、判定した登録者を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。
【００９６】
［第４の実施の形態の効果］
このように、本実施の形態は、歩行音処理部１５Ａで、歩行音信号２２から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、パラメータ算出部１５Ｂにより、歩行音処理部１５Ａで得られた各特徴値に関する統計値を、対象者の足音パラメータ値としてそれぞれ算出し、履物種別判定部１５Ｄで、履物種別ＤＢ１４Ｂを参照して、パラメータ算出部１５Ｂで得られた対象者の足音パラメータ値に対応する履物種別を対象者の履物種別として判定し、区分判定部１５Ｃで、分類区分ごとに評価値を算出する際、履物種別判定部１５Ｄで得られた対象者の履物種別に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して、対応する分類区分の評価値へそれぞれ統合するようにしたものである。
【００９７】
これにより、対象者が持つ特徴が、その特徴に対して予め設定した分類区分のいずれに属するかを判定する際、対象者の歩行状態パラメータ値だけでなく、対象者の足音に含まれる音響的特徴を示す足音パラメータ値から判定した対象者の履物種別をも考慮することができ、より詳細に対象者の分類区分を判定することができる。
【００９８】
また、本実施の形態において、履物種別に対応する確率値を、対応する分類区分の評価値に統合する際、実際には、前述した式（１）で説明したような、各歩行状態パラメータ値に対応する確率値および履物種別に対応する確率値と、これら歩行状態パラメータ値および履物種別ごとに予め設定しておいた重みとの積和計算を行うことになる。この場合、履物種別に対応する重みとして共通する１つの重みを用いてもよいが、履物種別の判定結果に応じて異なる重みを用いてもよい。
【００９９】
例えば、履物種別の判定結果が「ハイヒール」の場合、対象者の性別に対する分類区分については、女性である確率が極めて高い。一方、履物種別の判定結果が「運動靴」の場合、男性／女性の確率にあまり差は見られない。このため、このような場合には、予め履物種別ＤＢ１４Ｂに登録しておいた、履物種別の判定結果に応じた重みを用いて評価値を算出すればよい。これにより、より詳細に対象者の分類区分を判定することができる。
【０１００】
［第５の実施の形態］
次に、図１４を参照して、本発明の第５の実施の形態にかかる歩行音分析装置１０について説明する。図１４は、第５の実施の形態にかかる歩行音分析装置を示すブロック図であり、前述の図１と同じまたは同等部分には同一符号を付してある。
【０１０１】
第４の実施の形態では、対象者の足音に含まれる音響的特徴を示す足音パラメータ値から判定した対象者の履物種別を考慮して、対象者の分類区分を判定する場合について説明した。ここで、対象者の歩行に伴って発生する歩行音は、対象者の足音だけでなく、対象者が身につけている衣服や鞄等の付帯物からも発生している。本実施の形態では、このことに着目し、対象者の周囲に設けた観測点で発生した音に関する音響的特徴を示す観測点パラメータ値から判定した対象者の付帯物を考慮して、対象者の分類区分を判定するようにしたものである。
【０１０２】
本実施の形態において、歩行音処理部１５Ａは、歩行音信号２２を収音処理することにより、対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成する機能と、これら観測点信号ごとに周波数スペクトル分析することにより、当該観測点信号に関する音響的特徴を示す観測点特徴値としてスペクトログラムをそれぞれ算出する機能とを有している。
パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各観測点特徴値、すなわちスペクトログラムから、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄからなる統計値を、観測点ごとに対象者の観測点パラメータ値としてそれぞれ算出する機能を有している。
【０１０３】
図１５は、対象者の観測領域を示す説明図である。ここでは、対象者を囲む観測領域として、前後左右の方向にそれぞれ０．６ｍの幅を持ち、高さ方向に床面から２．０ｍの高さを持つ領域が設定されている。実際には、この観測領域を０．２ｍ間隔で格子状に区切って、１７６個の観測点を設定し、これら観測点で発生した音を示す観測点信号を生成する。これにより、対象者の服装や所持品などの付帯物から発生する歩行音を示す観測点信号を得ることができ、その音響的特徴を示す観測点特徴値から得られる観測点パラメータ値に基づき付帯物を判定することができる。
【０１０４】
各観測点における観測点信号については、前述した公知の収音処理／強調処理を用いればよい（例えば、非特許文献３等参照）。これにより、対象者の体の前後左右、足の各部分、腰付近、腕付近、頭付近など、各部分で発生した、衣服の摩擦音や所持品のゆれや体にぶつかるときに発生する音などの歩行音をそれぞれ個別に得ることができる。
なお、観測領域については、連続する足音の音発生位置および音発生時刻から歩行速度を求めることにより、各時刻における対象者の体の中心位置を推定できるので、この中心位置に対して観測領域を設定すればよい。また、これら観測領域や観測点の間隔の寸法については、これに限定されるものではない。
【０１０５】
また、記憶部１４には、図１４に示すように、新たな処理情報として、人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の観測点信号から得た各観測点パラメータ値との対応関係を示す付帯物種別データベース（以下、付帯物種別ＤＢという）１４Ｃが記憶されている。付帯物種別としては、ズボン、スカート、コートなどの衣服やその生地素材、バッグ、鞄などの所持品、さらにはその形状や大きさなどがある。
【０１０６】
また、記憶部１４の確率分布ＤＢ１４Ａには、分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、付帯物種別ごとの頻度分布を示す確率分布特性が登録されている。この付帯物種別に関する確率分布特性については、例えば、前述した図４のように連続性のある特性ではなく、分類区分と付帯物種別との組合せごとにそれぞれ個別の確率値が登録されている。
【０１０７】
また、演算処理部１５には、図１２に示すように、新たな処理部として、付帯物種別ＤＢ１４Ｃを参照して、パラメータ算出部１５Ｂで得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定する付帯物種別判定部１５Ｅが設けられている。
区分判定部１５Ｃは、分類区分ごとに評価値を算出する際、付帯物種別判定部１５Ｅで得られた対象者の付帯物種別に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得する機能と、取得した確率値を対応する分類区分の評価値へそれぞれ統合する機能とを有している。
【０１０８】
［第５の実施の形態の動作］
次に、図１６を参照して、本発明の第５の実施の形態にかかる歩行音分析装置１０の動作について説明する。図１６は、第５の実施の形態にかかる歩行音分析装置の歩行音分析処理を示すフローチャートであり、前述の図７と同じまたは同等部分には同一符号を付してある。
演算処理部１５は、操作入力部１２で検出されたオペレータによる実行開始指示に応じて、図１６の歩行音分析処理の実行を開始する。
【０１０９】
まず、歩行音処理部１５Ａは、信号入力部１１を介して歩行音信号２２を取得し（ステップ１００）、この歩行音信号２２を音響信号処理することにより、各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する（ステップ１０１）。
また、歩行音処理部１５Ａは、前述のようにして、歩行音信号２２から各観測点における観測点信号をそれぞれ生成して周波数スペクトル分析することにより、これら観測点信号ごとに、当該観測点信号に関する音響的特徴を示す特徴値としてスペクトログラムを算出する（ステップ５００）。
【０１１０】
続いて、パラメータ算出部１５Ｂは、歩行音処理部１５Ａで得られた各足音の音発生位置および音発生時刻に基づいて、対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔に関する統計量、すなわち平均歩幅Ｌ、歩幅標準偏差Ｌｓｄ、平均歩行速度Ｖ、歩行速度標準偏差Ｖｓｄ、平均開き幅Ｂ、開き幅標準偏差Ｂｓｄ、平均時間間隔Ｔ、および時間間隔標準偏差Ｔｓｄを、対象者の歩行状態パラメータ値としてそれぞれ算出する（ステップ１０２）。
【０１１１】
また、パラメータ算出部１５Ｂは、前述のようにして、歩行音処理部１５Ａで得られたスペクトログラムに基づいて、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄを、観測点パラメータ値として算出する（ステップ１０２）。
この後、付帯物種別判定部１５Ｅは、記憶部１４の付帯物種別ＤＢ１４Ｃを参照して、パラメータ算出部１５Ｂで得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定する（ステップ５０１）。
【０１１２】
次に、区分判定部１５Ｃは、パラメータ算出部１５Ｂで得られた対象者の各歩行状態パラメータ値に対応する確率値と、付帯物種別判定部１５Ｅで判定された対象者の付帯物種別に対応する確率値とを、分類区分ごとに確率分布ＤＢ１４Ａから取得し（ステップ１０３）、各歩行状態パラメータ値に対応する確率値を分類区分ごとに統合することにより、分類区分ごとの評価値を算出するとともに、付帯物種別に対応する確率値を、対応する分類区分の評価値に統合する（ステップ１０４）。
【０１１３】
この後、区分判定部１５Ｃは、これら評価値のうち最も高い評価値が得られた登録者が対象者であると判定し（ステップ１０５）、判定した登録者を、入力された歩行音信号２２の分析結果として、画面表示部１３で画面表示し、一連の歩行音分析処理を終了する。
【０１１４】
［第５の実施の形態の効果］
このように、本実施の形態は、歩行音処理部１５Ａでは、歩行音信号２２を収音処理することにより、対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、パラメータ算出部１５Ｂにより、歩行音処理部１５Ａで得られた各観測点特徴値に関する統計値を、観測点ごとに対象者の観測点パラメータ値としてそれぞれ算出し、付帯物種別判定部１５Ｅで、付帯物種別ＤＢ１４Ｃを参照して、パラメータ算出部１５Ｂで得られた対象者の観測点パラメータ値に対応する付帯物種別を対象者の付帯物種別として判定し、区分判定部１５Ｃで、分類区分ごとに評価値を算出する際、対象者の付帯物種別に対応する確率値を、分類区分ごとに確率分布ＤＢ１４Ａから取得して、対応する分類区分の評価値へそれぞれ統合するようにしたものである。
【０１１５】
これにより、対象者が持つ特徴が、その特徴に対して予め設定した分類区分のいずれに属するかを判定する際、対象者の歩行状態パラメータ値だけでなく、対象者の周囲で発生した歩行音に含まれる音響的特徴を示す観測点パラメータ値から判定した対象者の付帯物種別をも考慮することができ、より詳細に対象者の分類区分を判定することができる。
【０１１６】
また、本実施の形態では、観測点パラメータ値として、特定周波数におけるスペクトル強度値に関する平均スペクトル強度値Ｓおよびスペクトル強度値標準偏差Ｓｓｄからなる統計値を用いる場合について説明したが、当該観測点の位置を示す観測位置も観測点パラメータ値に含めてもよい。これにより、付帯物種別判定部１５Ｅにおいて付帯物種別を判定する際、対象者の観測領域のうち、それぞれの付帯物が存在する位置を考慮することができ、より詳細に付帯物の種別を判定することができる。
【０１１７】
また、本実施の形態において、付帯物種別に対応する確率値を、対応する分類区分の評価値に統合する際、実際には、前述した式（１）で説明したような、各歩行状態パラメータ値に対応する確率値および付帯物種別に対応する確率値と、これら歩行状態パラメータ値および付帯物種別ごとに予め設定しておいた重みとの積和計算を行うことになる。この場合、付帯物種別に対応する重みとして共通する１つの重みを用いてもよいが、付帯物種別の判定結果に応じて異なる重みを用いてもよい。
【０１１８】
例えば、付帯物種別の判定結果が「ハンドバック」の場合、対象者の性別に対する分類区分については、女性である確率が極めて高い。一方、付帯物種別の判定結果が「リュックサック」の場合、男性／女性の確率にあまり差は見られない。このため、このような場合には、予め付帯物種別ＤＢ１４Ｃに登録しておいた、付帯物種別の判定結果に応じた重みを用いて評価値を算出すればよい。これにより、より詳細に対象者の分類区分を判定することができる。
【０１１９】
［実施の形態の拡張］
以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をすることができる。また、各実施の形態は、それぞれ任意に組合せて実施してもよい。
【符号の説明】
【０１２０】
１０…歩行音分析装置、１１…信号入力部、１２…操作入力部、１３…画面表示部、１４…記憶部、１４Ａ…確率分布ＤＢ、１４Ｂ…履物種別ＤＢ、１４Ｃ…付帯物種別ＤＢ、１５…演算処理部、１５Ａ…歩行音処理部、１５Ｂ…パラメータ算出部、１５Ｃ…区分判定部、１５Ｄ…履物種別判定部、１５Ｅ…付帯物種別判定部、２０…集音装置、２１…マイクロホン、２２…歩行音信号。
【特許請求の範囲】
【請求項１】
対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、前記各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する歩行音処理部と、
前記歩行音処理部で得られた各足音の音発生位置および音発生時刻に基づいて、前記対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出するパラメータ算出部と、
人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た前記歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶する確率分布データベースと、
前記パラメータ算出部で得られた前記対象者の歩行状態パラメータ値に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して統合することにより、前記分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を前記対象者に関する分類区分として判定する区分判定部と
を備えることを特徴とする歩行音分析装置。
【請求項２】
請求項１に記載の歩行音分析装置において、
前記歩行音処理部は、前記歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、
前記パラメータ算出部は、前記歩行音処理部で得られた各特徴値に関する統計値を、前記対象者の足音パラメータ値としてそれぞれ算出し、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人の足音から得た前記各足音パラメータ値の頻度分布を示す確率分布特性を記憶し、
前記区分判定部は、前記分類区分ごとに前記評価値を算出する際、前記対象者の各足音パラメータ値に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析装置。
【請求項３】
請求項１または請求項２に記載の歩行音分析装置において、
前記歩行音処理部は、前記歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、
前記パラメータ算出部は、前記歩行音処理部で得られた前記各特徴値に関する統計値を、前記対象者の足音パラメータ値としてそれぞれ算出し、
人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た前記各足音パラメータ値との対応関係を示す履物種別データベースをさらに備え、
前記履物種別データベースを参照して、前記パラメータ算出部で得られた前記対象者の足音パラメータ値に対応する履物種別を前記対象者の履物種別として判定する履物種別判定部をさらに備え、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人が履く履物に関する、前記履物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、
前記区分判定部は、前記分類区分ごとに前記評価値を算出する際、前記履物種別判定部で得られた前記対象者の履物種別に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析装置。
【請求項４】
請求項１〜請求項３のいずれか１つに記載の歩行音分析装置において、
前記歩行音処理部は、前記歩行音信号を収音処理することにより、前記対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、
前記パラメータ算出部は、前記歩行音処理部で得られた前記各観測点特徴値に関する統計値を、前記観測点ごとに前記対象者の観測点パラメータ値としてそれぞれ算出し、
人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の前記観測点信号から得た前記各観測点パラメータ値との対応関係を示す付帯物種別データベースをさらに備え、
前記付帯物種別データベースを参照して、前記パラメータ算出部で得られた前記対象者の観測点パラメータ値に対応する付帯物種別を前記対象者の付帯物種別として判定する付帯物種別判定部をさらに備え、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、前記付帯物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、
前記区分判定部は、前記分類区分ごとに前記評価値を算出する際、前記対象者の付帯物種別に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析装置。
【請求項５】
請求項１〜請求項４のいずれか１つに記載の歩行音分析装置において、
前記パラメータ算出部は、前記歩行状態パラメータ値として、少なくとも前記対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のうちのいずれか１つまたは複数に関する統計量、あるいは前記足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報を算出することを特徴とする歩行音分析装置。
【請求項６】
請求項１〜請求項５のいずれか１つに記載の歩行音分析装置において、
前記区分判定部は、前記分類区分ごとに算出した前記評価値のうち、前記分類区分ごとに予め設定されているしきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値と前記しきい値との差または比が最も大きい分類区分を前記対象者に関する分類区分として判定することを特徴とする歩行音分析装置。
【請求項７】
対象者の歩行に伴って生じる足音を含む歩行音信号を分析して、対象者の特徴を判定する歩行音分析装置で用いられる歩行音分析方法であって、
歩行音処理部が、対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、前記各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する歩行音処理ステップと、
パラメータ算出部が、前記歩行音処理部で得られた各足音の音発生位置および音発生時刻に基づいて、前記対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出するパラメータ算出ステップと、
記憶部が、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た前記歩行状態パラメータ値の頻度分布を示す確率分布特性を確率分布データベースとして記憶するステップと、
区分判定部が、前記パラメータ算出部で得られた前記対象者の歩行状態パラメータ値に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して統合することにより、前記分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を前記対象者に関する分類区分として判定する区分判定ステップと
を備えることを特徴とする歩行音分析方法。
【請求項８】
請求項７に記載の歩行音分析方法において、
前記歩行音処理ステップは、前記歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、
前記パラメータ算出ステップは、前記歩行音処理部で得られた各特徴値に関する統計値を、前記対象者の足音パラメータ値としてそれぞれ算出し、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人の足音から得た前記各足音パラメータ値の頻度分布を示す確率分布特性を記憶し、
前記区分判定ステップは、前記分類区分ごとに前記評価値を算出する際、前記対象者の各足音パラメータ値に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析方法。
【請求項９】
請求項７または請求項８に記載の歩行音分析方法において、
前記歩行音処理ステップは、前記歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、
前記パラメータ算出ステップは、前記歩行音処理部で得られた前記各特徴値に関する統計値を、前記対象者の足音パラメータ値としてそれぞれ算出し、
前記記憶部が、人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た前記各足音パラメータ値との対応関係を示す履物種別データベースを記憶するステップをさらに備え、
履物種別判定部が、前記履物種別データベースを参照して、前記パラメータ算出部で得られた前記対象者の足音パラメータ値に対応する履物種別を前記対象者の履物種別として判定する履物種別判定ステップをさらに備え、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人が履く履物に関する、前記履物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、
前記区分判定ステップは、前記分類区分ごとに前記評価値を算出する際、前記履物種別判定部で得られた前記対象者の履物種別に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析方法。
【請求項１０】
請求項７〜請求項９のいずれか１つに記載の歩行音分析方法において、
前記歩行音処理ステップは、前記歩行音信号を収音処理することにより、前記対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、
前記パラメータ算出ステップは、前記歩行音処理部で得られた前記各観測点特徴値に関する統計値を、前記観測点ごとに前記対象者の観測点パラメータ値としてそれぞれ算出し、
前記記憶部が、人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の前記観測点信号から得た前記各観測点パラメータ値との対応関係を示す付帯物種別データベースを記憶するステップをさらに備え、
付帯物種別判定部が、前記付帯物種別データベースを参照して、前記パラメータ算出部で得られた前記対象者の観測点パラメータ値に対応する付帯物種別を前記対象者の付帯物種別として判定する付帯物種別判定ステップをさらに備え、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、前記付帯物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、
前記区分判定ステップは、前記分類区分ごとに前記評価値を算出する際、前記対象者の付帯物種別に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析方法。
【請求項１１】
請求項７〜請求項１０のいずれか１つに記載の歩行音分析方法において、
前記パラメータ算出ステップは、前記歩行状態パラメータ値として、少なくとも前記対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のうちのいずれか１つまたは複数に関する統計量、あるいは前記足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報を算出することを特徴とする歩行音分析方法。
【請求項１２】
請求項７〜請求項１１のいずれか１つに記載の歩行音分析方法において、
前記区分判定ステップは、前記分類区分ごとに算出した前記評価値のうち、前記分類区分ごとに予め設定されているしきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値と前記しきい値との差または比が最も大きい分類区分を前記対象者に関する分類区分として判定することを特徴とする歩行音分析方法。
【請求項１３】
コンピュータを、請求項１〜請求項６のいずれか１つに記載の歩行音分析装置を構成する各部として機能させるためのプログラム。
【請求項１】
対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、前記各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する歩行音処理部と、
前記歩行音処理部で得られた各足音の音発生位置および音発生時刻に基づいて、前記対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出するパラメータ算出部と、
人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た前記歩行状態パラメータ値の頻度分布を示す確率分布特性を記憶する確率分布データベースと、
前記パラメータ算出部で得られた前記対象者の歩行状態パラメータ値に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して統合することにより、前記分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を前記対象者に関する分類区分として判定する区分判定部と
を備えることを特徴とする歩行音分析装置。
【請求項２】
請求項１に記載の歩行音分析装置において、
前記歩行音処理部は、前記歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、
前記パラメータ算出部は、前記歩行音処理部で得られた各特徴値に関する統計値を、前記対象者の足音パラメータ値としてそれぞれ算出し、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人の足音から得た前記各足音パラメータ値の頻度分布を示す確率分布特性を記憶し、
前記区分判定部は、前記分類区分ごとに前記評価値を算出する際、前記対象者の各足音パラメータ値に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析装置。
【請求項３】
請求項１または請求項２に記載の歩行音分析装置において、
前記歩行音処理部は、前記歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、
前記パラメータ算出部は、前記歩行音処理部で得られた前記各特徴値に関する統計値を、前記対象者の足音パラメータ値としてそれぞれ算出し、
人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た前記各足音パラメータ値との対応関係を示す履物種別データベースをさらに備え、
前記履物種別データベースを参照して、前記パラメータ算出部で得られた前記対象者の足音パラメータ値に対応する履物種別を前記対象者の履物種別として判定する履物種別判定部をさらに備え、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人が履く履物に関する、前記履物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、
前記区分判定部は、前記分類区分ごとに前記評価値を算出する際、前記履物種別判定部で得られた前記対象者の履物種別に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析装置。
【請求項４】
請求項１〜請求項３のいずれか１つに記載の歩行音分析装置において、
前記歩行音処理部は、前記歩行音信号を収音処理することにより、前記対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、
前記パラメータ算出部は、前記歩行音処理部で得られた前記各観測点特徴値に関する統計値を、前記観測点ごとに前記対象者の観測点パラメータ値としてそれぞれ算出し、
人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の前記観測点信号から得た前記各観測点パラメータ値との対応関係を示す付帯物種別データベースをさらに備え、
前記付帯物種別データベースを参照して、前記パラメータ算出部で得られた前記対象者の観測点パラメータ値に対応する付帯物種別を前記対象者の付帯物種別として判定する付帯物種別判定部をさらに備え、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、前記付帯物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、
前記区分判定部は、前記分類区分ごとに前記評価値を算出する際、前記対象者の付帯物種別に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析装置。
【請求項５】
請求項１〜請求項４のいずれか１つに記載の歩行音分析装置において、
前記パラメータ算出部は、前記歩行状態パラメータ値として、少なくとも前記対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のうちのいずれか１つまたは複数に関する統計量、あるいは前記足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報を算出することを特徴とする歩行音分析装置。
【請求項６】
請求項１〜請求項５のいずれか１つに記載の歩行音分析装置において、
前記区分判定部は、前記分類区分ごとに算出した前記評価値のうち、前記分類区分ごとに予め設定されているしきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値と前記しきい値との差または比が最も大きい分類区分を前記対象者に関する分類区分として判定することを特徴とする歩行音分析装置。
【請求項７】
対象者の歩行に伴って生じる足音を含む歩行音信号を分析して、対象者の特徴を判定する歩行音分析装置で用いられる歩行音分析方法であって、
歩行音処理部が、対象者の歩行に伴って生じる足音を含む歩行音信号を音響信号処理することにより、前記各足音が発生した音発生位置および音発生時刻をそれぞれ抽出する歩行音処理ステップと、
パラメータ算出部が、前記歩行音処理部で得られた各足音の音発生位置および音発生時刻に基づいて、前記対象者の歩行状態に関する特徴を示す歩行状態パラメータ値を算出するパラメータ算出ステップと、
記憶部が、人が持つ特徴に応じて予め設定した人の分類区分ごとに、当該分類区分に属する人の足音から得た前記歩行状態パラメータ値の頻度分布を示す確率分布特性を確率分布データベースとして記憶するステップと、
区分判定部が、前記パラメータ算出部で得られた前記対象者の歩行状態パラメータ値に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して統合することにより、前記分類区分ごとに評価値を算出し、最も高い評価値が得られた分類区分を前記対象者に関する分類区分として判定する区分判定ステップと
を備えることを特徴とする歩行音分析方法。
【請求項８】
請求項７に記載の歩行音分析方法において、
前記歩行音処理ステップは、前記歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、
前記パラメータ算出ステップは、前記歩行音処理部で得られた各特徴値に関する統計値を、前記対象者の足音パラメータ値としてそれぞれ算出し、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人の足音から得た前記各足音パラメータ値の頻度分布を示す確率分布特性を記憶し、
前記区分判定ステップは、前記分類区分ごとに前記評価値を算出する際、前記対象者の各足音パラメータ値に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析方法。
【請求項９】
請求項７または請求項８に記載の歩行音分析方法において、
前記歩行音処理ステップは、前記歩行音信号から抽出した足音を示す足音信号について、当該足音信号に関する音響的特徴を示す特徴値をそれぞれ算出し、
前記パラメータ算出ステップは、前記歩行音処理部で得られた前記各特徴値に関する統計値を、前記対象者の足音パラメータ値としてそれぞれ算出し、
前記記憶部が、人が履く履物に関する履物種別と、当該履物種別の履物を履いた人の足音から得た前記各足音パラメータ値との対応関係を示す履物種別データベースを記憶するステップをさらに備え、
履物種別判定部が、前記履物種別データベースを参照して、前記パラメータ算出部で得られた前記対象者の足音パラメータ値に対応する履物種別を前記対象者の履物種別として判定する履物種別判定ステップをさらに備え、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人が履く履物に関する、前記履物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、
前記区分判定ステップは、前記分類区分ごとに前記評価値を算出する際、前記履物種別判定部で得られた前記対象者の履物種別に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析方法。
【請求項１０】
請求項７〜請求項９のいずれか１つに記載の歩行音分析方法において、
前記歩行音処理ステップは、前記歩行音信号を収音処理することにより、前記対象者の周囲に設けた観測点ごとに、当該観測点で発生した音を示す観測点信号を生成して、これら観測点信号ごとに当該観測点信号に関する音響的特徴を示す観測点特徴値をそれぞれ算出し、
前記パラメータ算出ステップは、前記歩行音処理部で得られた前記各観測点特徴値に関する統計値を、前記観測点ごとに前記対象者の観測点パラメータ値としてそれぞれ算出し、
前記記憶部が、人に付帯する付帯物に関する付帯物種別と、当該付帯物種別の付帯物を付帯した人の前記観測点信号から得た前記各観測点パラメータ値との対応関係を示す付帯物種別データベースを記憶するステップをさらに備え、
付帯物種別判定部が、前記付帯物種別データベースを参照して、前記パラメータ算出部で得られた前記対象者の観測点パラメータ値に対応する付帯物種別を前記対象者の付帯物種別として判定する付帯物種別判定ステップをさらに備え、
前記確率分布データベースは、前記分類区分ごとに、当該分類区分に属する人が付帯する付帯物に関する、前記付帯物種別ごとの頻度分布を示す確率分布特性をさらに記憶し、
前記区分判定ステップは、前記分類区分ごとに前記評価値を算出する際、前記対象者の付帯物種別に対応する確率値を、前記分類区分ごとに前記確率分布データベースから取得して、対応する分類区分の前記評価値へそれぞれ統合する
ことを特徴とする歩行音分析方法。
【請求項１１】
請求項７〜請求項１０のいずれか１つに記載の歩行音分析方法において、
前記パラメータ算出ステップは、前記歩行状態パラメータ値として、少なくとも前記対象者の歩幅、歩行速度、移動中心線から左右方向への開き幅、および１歩の時間間隔のうちのいずれか１つまたは複数に関する統計量、あるいは前記足音信号のスペクトログラムから抽出した当該足音信号の音響的特徴を示す特徴情報を算出することを特徴とする歩行音分析方法。
【請求項１２】
請求項７〜請求項１１のいずれか１つに記載の歩行音分析方法において、
前記区分判定ステップは、前記分類区分ごとに算出した前記評価値のうち、前記分類区分ごとに予め設定されているしきい値を越える評価値のうちから、最も高い評価値が得られた分類区分、あるいは当該評価値と前記しきい値との差または比が最も大きい分類区分を前記対象者に関する分類区分として判定することを特徴とする歩行音分析方法。
【請求項１３】
コンピュータを、請求項１〜請求項６のいずれか１つに記載の歩行音分析装置を構成する各部として機能させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０Ａ】
【図１０Ｂ】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０Ａ】
【図１０Ｂ】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【公開番号】特開２０１２−１６８６４７（Ｐ２０１２−１６８６４７Ａ）
【公開日】平成２４年９月６日（２０１２．９．６）
【国際特許分類】
【出願番号】特願２０１１−２７６６０（Ｐ２０１１−２７６６０）
【出願日】平成２３年２月１０日（２０１１．２．１０）
【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２４年９月６日（２０１２．９．６）
【国際特許分類】
【出願日】平成２３年２月１０日（２０１１．２．１０）
【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 ]