特開 2022-69956 疲労改善方法、学習モデル生成方法、疲労改善システム、疲労改善装置、及びコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022069956

(43)【公開日】2022-05-12

(54)【発明の名称】疲労改善方法、学習モデル生成方法、疲労改善システム、疲労改善装置、及びコンピュータプログラム

(51)【国際特許分類】

   G16H 50/20 20180101AFI20220502BHJP

   A61B 5/11 20060101ALI20220502BHJP

   A61B 5/389 20210101ALI20220502BHJP

   A61B 5/16 20060101ALI20220502BHJP

   G16Y 10/60 20200101ALI20220502BHJP

【ＦＩ】

G16H50/20

A61B5/11 200

A61B5/04 330

A61B5/16 200

G16Y10/60

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2020178928

(22)【出願日】2020-10-26

(71)【出願人】

【識別番号】520417986

【氏名又は名称】株式会社Ｃｏｎｄｉｓｅｎｓｅ

(74)【代理人】

【識別番号】100114557

【弁理士】

【氏名又は名称】河野 英仁

(74)【代理人】

【識別番号】100078868

【弁理士】

【氏名又は名称】河野 登夫

(72)【発明者】

【氏名】清野 佑介

【テーマコード（参考）】

4C038

4C127

5L099

【Ｆターム（参考）】

4C038PP01

4C038PS01

4C038VA04

4C038VA18

4C038VA20

4C038VB14

4C038VB31

4C038VB34

4C038VC20

4C127AA04

4C127BB03

4C127GG13

4C127KK03

4C127KK05

5L099AA15

(57)【要約】

【課題】疲労の改善のための活動を人に効果的に行わせることができる疲労改善方法、学習モデル生成方法、疲労改善システム、疲労改善装置、及びコンピュータプログラムを提供する。
【解決手段】人の足に装着されたセンサにより、歩行中の加速度、角速度及び地磁気を繰り返し測定し、人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルへ、前記センサにより測定された加速度、角速度及び地磁気の履歴を入力し、前記学習モデルが出力した前記疲労情報に応じて、疲労を改善するための特定の活動を行うことを勧める活動勧告を出力する。
【選択図】図１

【特許請求の範囲】

【請求項1】

人の足に装着されたセンサにより、歩行中の加速度、角速度及び地磁気を繰り返し測定し、
人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルへ、前記センサにより測定された加速度、角速度及び地磁気の履歴を入力し、
前記学習モデルが出力した前記疲労情報に応じて、疲労を改善するための特定の活動を行うことを勧める活動勧告を出力すること
を特徴とする疲労改善方法。

【請求項2】

前記学習モデルは、
人の歩行中の加速度、角速度及び地磁気の履歴と、前記人の足から得られる筋電位に基づいて計算され、筋活動量に応じた特徴量とを含んだ訓練データを用いて、前記特徴量が入力されず、前記人の歩行中の加速度、角速度及び地磁気の履歴が入力された場合に前記疲労情報を出力するように、学習されていること
を特徴とする請求項１に記載の疲労改善方法。

【請求項3】

前記センサを足に装着する装着者を含む複数の人のグループに関する情報を記憶し、
前記活動勧告を、前記装着者宛に出力し、
前記活動勧告を出力した場合に、前記装着者以外の前記グループに含まれた人宛に、当該人から前記装着者へメッセージを送ることの依頼を出力すること
を特徴とする請求項１又は２に記載の疲労改善方法。

【請求項4】

ポイントの数値を表すポイント情報を記憶し、
前記依頼に応じて前記装着者以外の前記グループに含まれた人から前記装着者へメッセージが送信されたことを検出し、
前記メッセージが送信されたことを検出した場合に、前記ポイントを加算すべく前記ポイント情報を更新すること
を特徴とする請求項３に記載の疲労改善方法。

【請求項5】

ポイントの数値を表すポイント情報を記憶し、
前記センサを足に装着する装着者が前記特定の活動を行ったことを判定し、
前記装着者が前記特定の活動を行った場合に、前記ポイントを加算すべく前記ポイント情報を更新すること
を特徴とする請求項１乃至４のいずれか一つに記載の疲労改善方法。

【請求項6】

前記装着者を含む複数の人のグループに関連付けて前記ポイント情報を記憶し、
前記グループに含まれるいずれかの人からのサービスの要求に応じて、前記ポイント情報が表すポイントを減算すること
を特徴とする請求項４又は５に記載の疲労改善方法。

【請求項7】

疲労する前又は疲労が改善された後の人の足に装着されたセンサにより測定された加速度、角速度及び地磁気の履歴と、前記人の足から得られた筋電位に基づいて計算され、筋活動量に応じた特徴量とを含む第１データを作成し、
疲労した後の人の足に装着されたセンサにより測定された加速度、角速度及び地磁気の履歴と、前記人の足から得られた筋電位に基づいて計算され、筋活動量に応じた特徴量とを含む第２データを作成し、
前記第１データ、前記第２データ、及び人の疲労度を表す疲労情報を含んだ訓練データを用いて、人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に疲労情報を出力する学習モデルを、生成すること
を特徴とする学習モデル生成方法。

【請求項8】

人の足に装着された筋電計により筋電位を測定し、
測定した筋電位の移動二乗平均平方根を計算し、
筋電位を測定した日の最大随意収縮（ＭＶＣ;maximal voluntary contraction）で除することにより、筋電位の移動二乗平均平方根を正規化し、
正規化した筋電位の移動二乗平均平方根の所定期間の積算値を、筋活動量に応じた特徴量として、計算すること
を特徴とする請求項７に記載の学習モデル生成方法。

【請求項9】

人の足に装着され、前記人の歩行中の加速度、角速度及び地磁気を繰り返し測定するセンサと、
前記センサを足に装着した人の疲労を改善させるための処理を行う疲労改善装置とを備え、
前記疲労改善装置は、
人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルを有し、
前記センサが測定した加速度、角速度及び地磁気を取得し、
取得した加速度、角速度及び地磁気の履歴を前記学習モデルへ入力した場合に前記学習モデルが出力する前記疲労情報に応じて、特定の活動を行うことを勧める活動勧告を出力すること
を特徴とする疲労改善システム。

【請求項10】

人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルを備え、
人の足に装着されたセンサにより測定された歩行中の加速度、角速度及び地磁気を取得し、
取得した加速度、角速度及び地磁気の履歴を前記学習モデルへ入力した場合に前記学習モデルが出力する前記疲労情報に応じて、特定の活動を行うことを勧める活動勧告を出力すること
を特徴とする疲労改善装置。

【請求項11】

人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルへ、人の足に装着されたセンサにより測定された歩行中の加速度、角速度及び地磁気の履歴を入力し、
前記学習モデルが出力する前記疲労情報に応じて、特定の活動を行うことを勧める活動勧告を出力する
処理をコンピュータに実行させることを特徴とするコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、人の疲労を改善するための疲労改善方法、学習モデル生成方法、疲労改善システム、疲労改善装置、及びコンピュータプログラムに関する。

【背景技術】

【0002】

疲労は健康に悪影響を及ぼし、事故又は疾患の原因となり得る。しかし、人が疲労を正確に自覚することは困難である。そこで、客観的に人の疲労を判定する技術が求められる。例えば、筋電計で測定される筋電位を利用して、筋肉の疲労を判定する方法が知られている。特許文献１には、筋電計で筋電位を測定し、筋電位に基づいて筋肉の疲労を判定する技術の例が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１７－２２１６４７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

疲労を判定するために筋電計を常時装着することは、人体に負担をもたらす。そこで、より容易に疲労を判定する技術が求められる。また、高い疲労が判定された場合には、疲労を改善させることが望ましい。例えば、ストレッチ運動を行うことで疲労を改善できることが知られている。事故又は疾患を防止するためには、疲労を改善させるための活動を人に効果的に行わせる技術が必要となる。

【0005】

本発明は、斯かる事情に鑑みてなされたものであって、その目的とするところは、人の疲労を容易に判定し、疲労の改善のための活動を人に効果的に行わせることができる疲労改善方法、学習モデル生成方法、疲労改善システム、疲労改善装置、及びコンピュータプログラムを提供することにある。

【課題を解決するための手段】

【0006】

本発明に係る疲労改善方法は、人の足に装着されたセンサにより、歩行中の加速度、角速度及び地磁気を繰り返し測定し、人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルへ、前記センサにより測定された加速度、角速度及び地磁気の履歴を入力し、前記学習モデルが出力した前記疲労情報に応じて、疲労を改善するための特定の活動を行うことを勧める活動勧告を出力することを特徴とする。

【0007】

本発明に係る疲労改善方法では、前記学習モデルは、人の歩行中の加速度、角速度及び地磁気の履歴と、前記人の足から得られる筋電位に基づいて計算され、筋活動量に応じた特徴量とを含んだ訓練データを用いて、前記特徴量が入力されず、前記人の歩行中の加速度、角速度及び地磁気の履歴が入力された場合に前記疲労情報を出力するように、学習されていることを特徴とする。

【0008】

本発明に係る疲労改善方法は、前記センサを足に装着する装着者を含む複数の人のグループに関する情報を記憶し、前記活動勧告を、前記装着者宛に出力し、前記活動勧告を出力した場合に、前記装着者以外の前記グループに含まれた人宛に、当該人から前記装着者へメッセージを送ることの依頼を出力することを特徴とする。

【0009】

本発明に係る疲労改善方法は、ポイントの数値を表すポイント情報を記憶し、前記依頼に応じて前記装着者以外の前記グループに含まれた人から前記装着者へメッセージが送信されたことを検出し、前記メッセージが送信されたことを検出した場合に、前記ポイントを加算すべく前記ポイント情報を更新することを特徴とする。

【0010】

本発明に係る疲労改善方法は、ポイントの数値を表すポイント情報を記憶し、前記センサを足に装着する装着者が前記特定の活動を行ったことを判定し、前記装着者が前記特定の活動を行った場合に、前記ポイントを加算すべく前記ポイント情報を更新することを特徴とする。

【0011】

本発明に係る疲労改善方法は、前記装着者を含む複数の人のグループに関連付けて前記ポイント情報を記憶し、前記グループに含まれるいずれかの人からのサービスの要求に応じて、前記ポイント情報が表すポイントを減算することを特徴とする。

【0012】

本発明に係る学習モデル生成方法は、疲労する前又は疲労が改善された後の人の足に装着されたセンサにより測定された加速度、角速度及び地磁気の履歴と、前記人の足から得られた筋電位に基づいて計算され、筋活動量に応じた特徴量とを含む第１データを作成し、疲労した後の人の足に装着されたセンサにより測定された加速度、角速度及び地磁気の履歴と、前記人の足から得られた筋電位に基づいて計算され、筋活動量に応じた特徴量とを含む第２データを作成し、前記第１データ、前記第２データ、及び人の疲労度を表す疲労情報を含んだ訓練データを用いて、人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に疲労情報を出力する学習モデルを、生成することを特徴とする。

【0013】

本発明に係る学習モデル生成方法は、人の足に装着された筋電計により筋電位を測定し、測定した筋電位の移動二乗平均平方根を計算し、筋電位を測定した日の最大随意収縮（ＭＶＣ;maximal voluntary contraction）で除することにより、筋電位の移動二乗平均平方根を正規化し、正規化した筋電位の移動二乗平均平方根の所定期間の積算値を、筋活動量に応じた特徴量として、計算することを特徴とする。

【0014】

本発明に係る疲労改善システムは、人の足に装着され、前記人の歩行中の加速度、角速度及び地磁気を繰り返し測定するセンサと、前記センサを足に装着した人の疲労を改善させるための処理を行う疲労改善装置とを備え、前記疲労改善装置は、人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルを有し、前記センサが測定した加速度、角速度及び地磁気を取得し、取得した加速度、角速度及び地磁気の履歴を前記学習モデルへ入力した場合に前記学習モデルが出力する前記疲労情報に応じて、特定の活動を行うことを勧める活動勧告を出力することを特徴とする。

【0015】

本発明に係る疲労改善装置は、人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルを備え、人の足に装着されたセンサにより測定された歩行中の加速度、角速度及び地磁気を取得し、取得した加速度、角速度及び地磁気の履歴を前記学習モデルへ入力した場合に前記学習モデルが出力する前記疲労情報に応じて、特定の活動を行うことを勧める活動勧告を出力することを特徴とする。

【0016】

本発明に係るコンピュータプログラムは、人の歩行中の加速度、角速度及び地磁気の履歴を入力した場合に前記人の疲労度を表す疲労情報を出力する学習モデルへ、人の足に装着されたセンサにより測定された歩行中の加速度、角速度及び地磁気の履歴を入力し、前記学習モデルが出力する前記疲労情報に応じて、特定の活動を行うことを勧める活動勧告を出力する処理をコンピュータに実行させることを特徴とする。

【0017】

本発明の一形態においては、人に装着されたセンサで測定された加速度、角速度及び地磁気の履歴から、学習モデルを用いて、人の疲労度を表す疲労情報が得られる。疲労度が大きい状態では、疲労度が小さい状態に比べて、歩行の動作が変化し、センサで測定される加速度、角速度及び地磁気が変化する。従って、適切な学習モデルを利用することにより、疲労情報を得ることができる。また、疲労情報に応じて、疲労を改善するための特定の活動を行うことを勧める活動勧告が出力される。例えば、疲労度が大きい場合に、活動勧告が出力される。センサを装着した装着者は、活動勧告に従って、ストレッチ運動等、疲労を改善するための特定の活動を行うことにより、自己の疲労を改善させることができる。

【0018】

本発明の一形態においては、学習モデルは、人から得られる加速度、角速度及び地磁気の履歴と、筋電位に基づいて計算され、筋活動量に応じた特徴量とを含んだ訓練データを用いて、特徴量が入力されず、加速度、角速度及び地磁気の履歴が入力された場合に疲労情報を出力するように、学習される。学習時には、筋活動量に応じた特徴量に関わるノードを確率的に不活性化することにより、筋活動量に応じた特徴量が入力されない場合にも適切な判定を行うことができるように、学習が行われる。疲労情報を得る際には、学習モデルは、筋活動量に応じた特徴量が入力されず、加速度、角速度及び地磁気の履歴が入力された場合に、疲労情報を出力する。筋電位から得られた筋活動量に応じた特徴量をも利用した学習により、学習モデルが適切に学習される。疲労情報を得る際には、筋活動量に応じた特徴量を用いずに判定を行うことにより、人の疲労度を表す疲労情報が簡便に得られる。

【0019】

本発明の一形態においては、センサを装着する装着者を含む複数の人からなるグループが設定され、装着者へ活動勧告が出力される。活動勧告が出力される場合には、グループに属する他の人から装着者へ応援のメッセージを送るように、依頼がされる。グループに含まれる人は、例えば、家族である。メッセージが送信され、装着者は、メッセージを確認し、特定の活動を行うことに対する意欲を向上させることができる。

【0020】

本発明の一形態においては、グループに属する人から装着者へメッセージが送られたことが検出され、メッセージの送信が検出された場合に、ポイントが加算される。ポイントの加算を目的として、グループに含まれる人が装着者へ応援のメッセージを送ることに対する意欲が向上する。

【0021】

本発明の一形態においては、装着者が特定の活動を行ったことが判定され、装着者が特定の活動を行った場合に、ポイントが加算される。ポイントの加算を目的として、装着者が特定の活動を行うことに対する意欲が向上する。

【0022】

本発明の一形態においては、グループに関連付けて、ポイントの数値を表すポイント情報が記憶される。また、ポイント情報が表すポイントを消費して、サービスの提供を受けることができる。装着者を含むグループに属する人は、だれでもサービスの提供を受けることができる。サービスの提供に利用できるポイントを目的として、装着者が特定の活動を行うこと、又はグループに属する人が装着者へメッセージを送ることに対する意欲が向上する。

【0023】

本発明の一形態においては、疲労する前又は疲労が改善された後に得られた加速度、角速度及び地磁気の履歴、並びに筋電位に基づいて計算され、筋活動量に応じた特徴量を含む第１データと、疲労した後に得られた加速度、角速度及び地磁気の履歴並びに筋活動量に応じた特徴量を含む第２データとを含む訓練データを用いて、学習モデルを生成する。加速度、角速度及び地磁気に加えて、筋電位から得られた筋活動量に応じた特徴量を利用して学習モデルの学習を行うことにより、正確な判定が可能であるように学習モデルを学習することができる。

【0024】

本発明の一形態においては、筋活動量に応じた特徴量は、測定された筋電位から計算される。まず、測定された筋電位の移動二乗平均平方根が計算される。移動二乗平均平方根を計算することで、ノイズが除去され、正の値が得られ、値を比較しやすくなる。次に、筋電位の移動二乗平均平方根の夫々の値をＭＶＣの値で除することによって、正規化が行われる。正規化を行うことにより、異なる日における同一人物の状態の比較、及び異なる人物の状態の比較が可能となる。次に、正規化した筋電位の移動二乗平均平方根の所定期間の積算値が、筋活動量に応じた特徴量として、計算される。特徴量は、筋活動量が小さいときに小さくなり、筋活動量が大きいときに大きくなる。このため、特徴量は、人の疲労度が大きい場合は小さくなり、人の疲労度が小さい場合は大きくなる。従って、筋電位に基づいて計算した筋活動量に応じた特徴量を利用して学習モデルの学習を行うことにより、疲労度を正確に判定できるように、学習モデルを学習することができる。

【発明の効果】

【0025】

人は、健康状態に応じて、疲労を改善するための特定の活動を活動勧告に従って実行することにより、疲労を効果的に改善させることができる等、本発明は優れた効果を奏する。

【図面の簡単な説明】

【0026】

【図1】疲労改善システムの構成例を示す模式図である。

【図2】センサ装置の内部の構成例を示すブロック図である。

【図3】端末装置の内部の構成例を示すブロック図である。

【図4】疲労改善装置の内部の機能構成例を示すブロック図である。

【図5】グループデータの内容例を示す概念図である。

【図6】歩行中の加速度及び角速度の時間変化の例を示すグラフである。

【図7】学習モデルの機能を示す概念図である。

【図8】学習モデルの構成例を示す概念図である。

【図9】学習モデルの学習を行う学習装置の構成例を示すブロック図である。

【図10】筋活動量に応じた特徴量を計算する処理の手順を示すフローチャートである。

【図11】学習モデルを生成する処理の手順を示すフローチャートである。

【図12】疲労改善システムが加速度、角速度及び地磁気を取得する処理の手順を示すフローチャートである。

【図13】装着者の健康状態を判定する処理の手順を示すフローチャートである。

【図14】健康スコアの表示例を示す模式図である。

【図15】活動勧告の表示例を示す模式図である。

【図16】応援メッセージを送ることの依頼の表示例を示す模式図である。

【図17】メンバーから装着者へ応援メッセージを送る処理の手順を示すフローチャートである。

【図18】応援メッセージの表示例を示す模式図である。

【図19】特定の活動を装着者が行うことを確認する処理の手順を示すフローチャートである。

【図20】ポイント情報を利用したサービスを提供する処理の手順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】

【0027】

以下本発明をその実施の形態を示す図面に基づき具体的に説明する。
図１は、疲労改善システム１００の構成例を示す模式図である。疲労改善システム１００は、疲労改善方法を実行する。疲労改善システム１００は、センサ装置３と、端末装置２及び５と、疲労改善装置１とを備えている。センサ装置３は、装着者４の足に装着され、装着者４の歩行時の物理量を測定する。センサ装置３は、データを端末装置２へ送信する。端末装置２は、センサ装置３から送信されたデータを受信し、インターネット等の通信ネットワークＮを介して疲労改善装置１と通信を行う。疲労改善装置１は、通信ネットワークＮに接続されている。疲労改善装置１は、センサ装置３での測定結果に基づいて、装着者４の健康状態を判定し、健康状態に応じて、疲労を改善させるための特定の活動を装着者４に勧める処理を行う。

【0028】

装着者４を含む複数の人からなるグループが構成されている。グループには、装着者４以外に、一又は複数のメンバー４１が含まれている。例えば、一つのグループに含まれる装着者４及びメンバー４１は、近親者である。例えば、一人のメンバー４１は、疲労改善方法を提供するサービスの契約者であり、装着者４は契約者の家族の中の高齢者であり、他のメンバー４１は他の家族である。端末装置５は、夫々のメンバー４１に使用される。

【0029】

図２は、センサ装置３の内部の構成例を示すブロック図である。センサ装置３は、制御部３１と、加速度を測定する加速度センサ３２と、角速度を測定する角速度センサ３３と、地磁気を測定する地磁気センサ３４と、通信部３５とを備える。制御部３１は、センサ装置３の各部分を制御する。加速度センサ３２、角速度センサ３３及び地磁気センサ３４は、いずれも三軸センサである。即ち、加速度センサ３２、角速度センサ３３及び地磁気センサ３４は、加速度、角速度及び地磁気について、センサ装置３に対して固定された互いに直交する三つの軸の夫々に沿った方向の成分を測定する。加速度センサ３２、角速度センサ３３及び地磁気センサ３４は、三軸が一致していることが望ましい。

【0030】

通信部３５は、加速度センサ３２、角速度センサ３３及び地磁気センサ３４が測定した加速度、角速度及び地磁気の値を含むデータを、無線通信により、センサ装置３の外部へ送信する。制御部３１は、加速度、角速度及び地磁気の値を含むデータを、通信部３５に、端末装置２へ送信させる。加速度センサ３２、角速度センサ３３及び地磁気センサ３４は、加速度、角速度及び地磁気を繰り返し測定する。

【0031】

センサ装置３は、ベルトが取り付けられ、ベルトが装着者４の足に巻回され、ベルトに設けられた面ファスナによりベルトが固定されることによって、装着者４の足に装着される。又は、センサ装置３は、面ファスナが設けられており、面ファスナによって装着者４の衣服に固定されてもよい。センサ装置３は、袋に収納され、ベルト、面ファスナ又はボタン等の固定具によって袋が装着者４の足に固定されることによって、装着者４の足に装着されてもよい。センサ装置３は、装着者４の衣服のポケット等の収納部に収納されることによって、装着者４の足に装着されてもよい。センサ装置３は、装着者４の靴下又は靴に取り付けられてもよい。

【0032】

図３は、端末装置２の内部の構成例を示すブロック図である。端末装置２は、スマートフォン又はタブレット型コンピュータ等、携帯型のコンピュータである。例えば、端末装置２は、装着者４の所有物である。端末装置２は、演算部２１と、メモリ２２と、記憶部２３と、操作部２４と、表示部２５と、通信部２６とを備えている。演算部２１は、例えばＣＰＵ（Central Processing Unit ）、ＧＰＵ（Graphics Processing Unit）、又はマルチコアＣＰＵを用いて構成されている。演算部２１は、量子コンピュータを用いて構成されていてもよい。メモリ２２は、演算に伴って発生する一時的なデータを記憶する。メモリ２２は、例えばＲＡＭ（Random Access Memory）である。記憶部２３は、不揮発性であり、例えばハードディスク又は不揮発性半導体メモリである。操作部２４は、装着者４からの操作を受け付けることにより、テキスト等の情報の入力を受け付ける。操作部２４は、例えばタッチパネルである。表示部２５は、画像を表示する。表示部２５は、例えば液晶ディスプレイ又はＥＬディスプレイ（Electroluminescent Display）である。操作部２４及び表示部２５は、一体になっていてもよい。通信部２６は、無線通信により、センサ装置３から送信されたデータを受信する。また、通信部２６は、無線通信により、通信ネットワークＮを介して疲労改善装置１と通信を行う。

【0033】

記憶部２３は、コンピュータプログラム２３１を記憶する。コンピュータプログラム２３１は、通信部２６を用いてダウンロードされ、記憶部２３に記憶される。例えば、コンピュータプログラム２３１は、疲労改善装置１からダウンロードされる。コンピュータプログラム２３１は、予め記憶部２３に記憶されていてもよい。或は、コンピュータプログラム２３１は、記憶部２３ではなく、メモリ２２に記憶されてもよい。例えば、コンピュータプログラム２３１は、疲労改善システム１００に関する処理を実行する際にダウンロードされ、メモリ２２に記憶され、疲労改善システム１００に関する処理が終了する際にメモリ２２から消去されてもよい。演算部２１は、コンピュータプログラム２３１に従って必要な処理を実行する。

【0034】

端末装置５の内部の構成及び機能は、端末装置２と同様である。図３には、端末装置２の各部分の符号に、対応する端末装置５の各部分の符号をカッコ付で付している。即ち、端末装置５は、演算部５１と、メモリ５２と、記憶部５３と、操作部５４と、表示部５５と、通信部５６とを備えている。通信部５６は、無線通信により、通信ネットワークＮを介して疲労改善装置１と通信を行う。また、通信部５６は、センサ装置３との通信は行わない。記憶部５３は、コンピュータプログラム５３１を記憶する。コンピュータプログラム５３１は、通信部５６を用いてダウンロードされ、記憶部５３に記憶される。コンピュータプログラム５３１は、記憶部５３ではなく、メモリ５２に記憶されてもよい。演算部５１は、コンピュータプログラム５３１に従って必要な処理を実行する。

【0035】

図４は、疲労改善装置１の内部の機能構成例を示すブロック図である。疲労改善装置１は、サーバ装置等のコンピュータを用いて構成されている。疲労改善装置１は、演算部１１と、演算に伴って発生する一時的なデータを記憶するメモリ１２と、記憶部１３と、光ディスク等の記録媒体１０から情報を読み取るドライブ部１４と、通信部１５とを備えている。演算部１１は、例えばＣＰＵ、ＧＰＵ、又はマルチコアＣＰＵを用いて構成されている。演算部１１は、量子コンピュータを用いて構成されていてもよい。メモリ１２は、例えばＲＡＭである。記憶部１３は、不揮発性であり、例えばハードディスクである。通信部１５は、通信ネットワークＮに接続される。通信部１５は、通信ネットワークＮを介して、端末装置２及び５と通信を行う。

【0036】

演算部１１は、記録媒体１０に記録されたコンピュータプログラム１３１をドライブ部１４に読み取らせ、読み取ったコンピュータプログラム１３１を記憶部１３に記憶させる。演算部１１は、コンピュータプログラム１３１に従って、疲労改善装置１に必要な処理を実行する。なお、コンピュータプログラム１３１は、通信部１５により疲労改善装置１の外部からダウンロードされてもよい。この場合は、疲労改善装置１はドライブ部１４を備えていなくてもよい。

【0037】

記憶部１３は、装着者４を含むグループに関する情報を記録したグループデータ１３２を記憶している。図５は、グループデータ１３２の内容例を示す概念図である。グループデータ１３２には、複数のグループに関する情報が記録されている。一つのグループに関する情報には、グループ名が含まれている。例えば、一つのグループには、一つの家族に属する複数の人が含まれる。図５に示す例では、グループ名として、家族の名称「○○家」が記録されている。また、一つのグループに関する情報には、提供されるサービスの対価として利用することができるポイントの数値を表すポイント情報が含まれている。図５に示す例では、ポイントの数値として「１０００」を表すポイント情報が記録されている。

【0038】

また、一つのグループに関する情報には、グループに含まれる人に関する情報が含まれている。図５に示す例では、装着者４、契約者、及びその他の家族の名前が記録されている。契約者及び家族という属性が名前に関連付けられている人は、グループのメンバー４１に対応する。装着者４に関連付けて、端末装置２を特定するための端末装置２に固有の端末情報が記録されている。また、メンバー４１の夫々に関連付けて、端末装置５を特定するための端末装置５に固有の端末情報が記録されている。端末情報は、例えば、端末装置２又は５と通信を行う際に利用される端末装置２又は５のアドレスである。また、一つのグループに関する情報には、ポイント情報が表すポイントの数値が増減した経緯を表すポイント履歴が含まれている。ポイント履歴には、ポイントの数値が増減した日付と、増減した数値と、ポイントの数値が増減した理由とが含まれている。

【0039】

疲労改善装置１は、センサ装置３での測定結果に基づいて、装着者４の健康状態を判定するために用いられる学習モデル１６を備えている。学習モデル１６は、加速度、角速度及び地磁気の履歴と、人の足から得られる筋電位に基づいて計算され、筋活動量に応じた特徴量とを入力された場合に、人の疲労度を表す疲労情報を出力するように、学習されている。疲労度は、人が疲労している度合である。また、学習モデル１６は、筋活動量に応じた特徴量に関わるノードを確率的に不活性化しながら学習されることによって、筋活動量に応じた特徴量が入力されず、加速度、角速度及び地磁気の履歴が入力された場合に疲労情報を出力するように、構成されている。疲労改善装置１は、複数の装置で構成されていてもよい。例えば、疲労改善装置１が行う処理の内、装着者４の健康状態を判定する処理と、ポイント情報を管理する処理とは、別々の装置で実行されてもよい。

【0040】

学習モデル１６は、コンピュータプログラム１３１に従って演算部１１が情報処理を実行することにより実現される。記憶部１３は、学習モデル１６を実現するために必要なデータを記憶している。なお、学習モデル１６は、ハードウェアを用いて構成されていてもよい。例えば、学習モデル１６は、プロセッサと、必要なプログラムおよびデータを記憶するメモリとを含んだハードウェアにより構成されていてもよい。又は、学習モデル１６は、量子コンピュータを用いて実現されてもよい。或は、学習モデル１６は疲労改善装置１の外部に設けられており、疲労改善装置１は、外部の学習モデル１６を利用して処理を実行する形態であってもよい。

【0041】

センサ装置３の測定結果に基づいて装着者４の健康状態を判定する方法を説明する。センサ装置３は、足にセンサ装置３を装着した装着者４が歩行することにより発生する加速度及び角速度を測定し、装着者４が歩行するときの地磁気を測定する。疲労度が大きい状態では、疲労度が小さい状態に比べて、歩行の動作が変化する。例えば、足を振り上げる高さ、足の向き、又は足を動かす速度等が変化する。このため、足に装着されたセンサ装置３が測定する加速度、角速度及び地磁気は、装着者４の疲労度に応じて変化する。従って、センサ装置３の測定結果に基づいて装着者４の疲労度を判定することができる。

【0042】

図６は、歩行中の加速度及び角速度の時間変化の例を示すグラフである。図６の横軸は時間を示し、縦軸は加速度及び角速度を示す。加速度及び角速度は、向きに応じて正又は負の値を有する。図６中の太線はＺ方向の加速度を示し、細線はＸ方向の角速度を示す。Ｚ方向は上下方向である。Ｘ方向は、Ｚ方向に直交する平面に含まれる互いに直交するＸ方向及びＹ方向の一方である。例えば、Ｘ方向、Ｙ方向及びＺ方向は、地面に対して固定された互いに直交するＸ軸、Ｙ軸及びＺ軸の夫々に沿った方向である。図６に示す例では、Ｘ方向の角速度は、装着者４の足の前後方向の揺れに対応する。なお、Ｙ方向の角速度が装着者４の足の前後方向の揺れに対応するように、Ｘ方向及びＹ方向を設定してもよい。

【0043】

図６には、片足に装着されたセンサ装置３が測定した加速度及び角速度の例を示している。歩行時には、足は周期的に運動し、加速度及び角速度は周期的に変化する。足が接地する直前には、足は下向きに移動し、直後には上向きに移動する。このため、Ｚ方向の加速度は、接地の前後で下向きから上向きへ大きく変化する。また、足が接地する直前には、踏み出すために足は前向きに揺れ、直後には地面を後ろへ蹴るために足は後ろ向きに揺れる。このため、Ｘ方向の角速度は、接地の前後で向きが変わり、大きく変化する。従って、Ｚ方向の加速度及びＸ方向の加速度の時間に対する変化に基づいて、足が接地した時点を特定することができる。例えば、Ｚ方向の加速度が正の第１の閾値を超過し、直前の所定期間内にＸ方向の角速度が負の第２の閾値を下回っている場合に、Ｚ方向の加速度が第１の閾値を超過した時点を接地の時点と特定する。

【0044】

本実施形態では、同じ足が接地した時点から次に接地する時点までの期間を、片足による一歩行の期間とする。片足による一歩行の期間は、両足による二歩の期間に相当する。足が接地した時点を特定することができるので、一歩行の期間を特定することができる。また、繰り返し測定された加速度、角速度及び地磁気の測定結果から、一歩行の期間に複数回測定された加速度、角速度及び地磁気の履歴を抽出することができる。図６には、足が接地した時点を破線で示し、夫々の一歩行の期間を示す。一歩行の期間は一定ではない。このため、一歩行の期間における加速度、角速度及び地磁気の測定回数も一定ではない。

【0045】

本実施形態では、一歩行の期間における加速度、角速度及び地磁気の履歴に基づいて、判定を行う。一歩行の期間には、片足による周期的な動作の中の一周期に相当する動作が行われ、加速度、角速度及び地磁気は周期的な変化の中の一周期に相当する変化を起こす。このため、一歩行の期間における加速度、角速度及び地磁気の履歴は、装着者４の歩行の特徴を反映し、装着者４の状態を判定するための情報となり得る。

【0046】

本実施形態では、学習モデル１６の学習に筋電位をも利用する。筋電位は、筋肉が活動するときに出される活動電位であり、筋電計により測定される。継続して測定された筋電位は、正負の値を有する波として得られる。筋電位の振幅は、筋活動量に関係する。例えば、筋活動量が大きいときは筋電位の振幅が増大し、筋活動量が小さいときは筋電位の振幅が減少する。人の疲労度が大きい場合は、筋活動量は小さくなり、筋電位の振幅は減少する。例えば、長時間の運動を行った後は、筋活動量が小さくなり、筋電位の振幅が減衰する。休息により疲労が改善された場合は、筋活動量が大きくなり、筋電位の振幅が増加する。このため、筋電位の振幅に応じた特徴量を計算した場合、この特徴量は筋活動量に応じた特徴量であり、疲労度に応じて増減する。特に、略２０Ｈｚで振動する筋電位の振幅に応じた特徴量は、疲労度に応じて増減し易い。従って、筋電位に基づいて計算した筋活動量に応じた特徴量を利用して学習モデル１６の学習を行うことにより、装着者４の疲労度を正確に判定できるように、学習モデル１６を学習することができる。

【0047】

筋活動量に応じた特徴量は、測定された筋電位から計算される。まず、測定された筋電位の移動二乗平均平方根（Moving Root Mean Square ）が計算される。時間窓は５０ミリ秒である。即ち、５０ミリ秒間測定された筋電位の夫々を二乗し、平均を計算し、計算した平均の平方根を計算することが行われ、５０ミリ秒毎の筋電位に対して計算が行われる。時間窓を５０ミリ秒とすることで、略２０Ｈｚで振動する筋電位の特徴が表される。移動二乗平均平方根を計算することで、ノイズが除去され、正の値が得られ、値を比較しやすくなる。

【0048】

次に、筋電位の移動二乗平均平方根の正規化が行われる。正規化は、筋電位を測定した日の最大随意収縮（ＭＶＣ;maximal voluntary contraction）の値で筋電位の移動二乗平均平方根の夫々の値を除することによって、行われる。ＭＶＣは、一日の中で最大の負荷が筋肉にかけられた場合に得られた筋電位である。最大の負荷が発生するアイソメトリック運動等の特定の運動が行われ、その際に得られた筋電位の最大値を、ＭＶＣの値とする。正規化を行うことにより、異なる日における同一人物の状態の比較、及び異なる人物の状態の比較が可能となる。次に、正規化した筋電位の移動二乗平均平方根の所定期間の積算値が、筋活動量に応じた特徴量として、計算される。特徴量は、正規化した筋電位の移動二乗平均平方根の積分値に相当し、筋活動量が小さいときに小さくなり、筋活動量が大きいときに大きくなる。このため、特徴量は、人の疲労度が大きい場合は小さくなり、人の疲労度が小さい場合は大きくなる。なお、正規化は、ＭＶＣの値で除する方法以外の方法で行われてもよい。

【0049】

図７は、学習モデル１６の機能を示す概念図である。学習モデル１６には、一歩行の期間におけるＸ方向、Ｙ方向及びＺ方向の加速度の履歴と、一歩行の期間におけるＸ方向、Ｙ方向及びＺ方向の角速度の履歴と、一歩行の期間におけるＸ方向、Ｙ方向及びＺ方向の地磁気の履歴とが入力される。一歩行の期間における加速度の履歴とは、一歩行の期間に順次的に測定された複数の加速度の値である。Ｘ方向、Ｙ方向及びＺ方向の加速度とは、Ｘ方向、Ｙ方向及びＺ方向の夫々の加速度である。角速度及び地磁気についても同様である。更に、学習モデル１６には、筋電位から計算される、筋活動量に応じた特徴量が入力される。学習モデル１６は、一歩行の期間における加速度、角速度及び地磁気の履歴、並びに筋活動量に応じた特徴量が入力された場合に、装着者４の疲労度を表す疲労情報を出力するように学習されている。更に、学習モデル１６は、筋活動量に応じた特徴量に関わるノードを確率的に不活性化しながら学習されることによって、筋活動量に応じた特徴量が入力されず、一歩行の期間における加速度、角速度及び地磁気の履歴が入力された場合に、疲労情報を出力するように、構成されている。

【0050】

図８は、学習モデル１６の構成例を示す概念図である。図８には、入力層１６１、複数の中間層１６２１,１６２２，…，１６２ｎ及び出力層１６３を備えた全結合のニューラルネットワークを用いて学習モデル１６を構成した例を示す。ｎは中間層の数である。図８中の円はノードを示す。入力層１６１は、一歩行の期間におけるＸ方向の加速度の複数の値を夫々に入力される複数のノードを有する。また、入力層１６１は、Ｙ方向の加速度の複数の値、及びＺ方向の加速度の複数の値を夫々に入力される複数のノードを有する。また、入力層１６１は、Ｘ方向、Ｙ方向及びＺ方向の角速度の複数の値、及びＸ方向、Ｙ方向及びＺ方向の地磁気の複数の値を夫々に入力される複数のノードを有する。更に、入力層１６１は、筋電位から計算される、筋活動量に応じた特徴量を入力されるノードを有する。例えば、一歩行の期間において加速度、角速度及び地磁気はｍ（ｍは自然数）回測定され、入力層１６１へは（９ｍ＋１）個の値が入力される。

【0051】

学習モデル１６はｎ層の中間層を有している。第１の中間層１６２１は、複数のノードを有する。入力層１６１の夫々のノードは、第１の中間層１６２１の複数のノードへ信号値を出力する。各ノードは、入力層１６１のノードから信号値を受け付け、信号値にパラメータを用いて演算し、第２の中間層１６２２に含まれる複数のノードへ演算結果のデータを出力する。各中間層に含まれるノードは、前の中間層の複数のノードからデータを受け付け、受け付けたデータにパラメータを用いて演算し、後の中間層のノードへデータを出力する。例えば、ノードは、前の層の各ノードから受け付けたデータの値をｘ、各ノードに対応する重みをｗ、バイアス値をｂ、活性化関数をｆ（）として、ｆ（Σ（ｗ＊ｘ）＋ｂ）の演算を行い、演算結果のデータを後の層の複数のノードへ出力する。

【0052】

学習モデル１６の出力層１６３は、単一のノードを有する。第ｎの中間層１６２ｎに含まれる複数のノードは、出力層１６３に含まれるノードへデータを出力する。出力層１６３のノードは、複数のノードからデータを受け付け、受け付けたデータにパラメータを用いて演算し、疲労情報を出力する。例えば、疲労情報は、０以上１以下の値であり、数値が大きいほど疲労度が大きいことを示す情報である。疲労情報は、０以上１以下の範囲とは異なる範囲に含まれる値であってもよい。或は、疲労情報は、０又は１の値であり、０の値は装着者４が疲労していないことを示し、１の値は装着者４が疲労していることを示してもよい。０又は１の値と装着者４の状態との対応関係は逆であってもよい。出力層１６３は複数の疲労度に対応する複数のノードを有し、各ノードは、複数の疲労度の夫々に装着者４の疲労度が分類される確率を、疲労情報として出力してもよい。

【0053】

学習モデル１６は、ニューラルネットワークとして、畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）、又は再帰型ニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）を用いてもよい。学習モデル１６は、一歩行の期間における加速度、角速度及び地磁気の履歴として、画像データを入力される形態であってもよい。画像データは、例えば、一歩行の期間におけるＸ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気の値の時間変化を表したグラフの画像データである。

【0054】

学習モデル１６の学習は、コンピュータを用いて行われる。図９は、学習モデル１６の学習を行う学習装置６の構成例を示すブロック図である。学習装置６は学習モデル生成方法を実行する。学習装置６は、サーバ装置等のコンピュータである。学習装置６は、演算部６１と、メモリ６２と、記憶部６３と、操作部６４と、表示部６５と、入力部６６とを備えている。演算部６１は、例えばＣＰＵ、ＧＰＵ又はマルチコアＣＰＵを用いて構成されている。演算部６１は、量子コンピュータを用いて構成されていてもよい。メモリ６２は例えばＲＡＭである。記憶部６３は、不揮発性であり、例えばハードディスクである。記憶部６３は、コンピュータプログラム６３１を記憶している。演算部６１は、コンピュータプログラム６３１に従って処理を実行する。操作部６４は、使用者からの操作を受け付けることにより、テキスト等の情報の入力を受け付ける。操作部６４は、例えばキーボード又はタッチパネルである。表示部６５は、例えば液晶ディスプレイ又はＥＬディスプレイである。入力部６６は、外部からのデータの入力を受け付けるインタフェースである。

【0055】

被験者７の足には、センサ装置３と、筋電計７１とが装着されている。筋電計７１は、被験者７の下肢の筋肉に発生する筋電位を測定する。また、被験者７は、アイソメトリック運動等、最大の負荷が発生する特定の運動を行い、筋電計７１は、特定の運動が行われた間に筋電位を測定することにより、筋電位の最大値であるＭＶＣを測定する。センサ装置３は、測定した加速度、角速度及び地磁気の値を含むデータを、無線通信により、センサ装置３の外部へ送信する。筋電計７１は、測定した筋電位の値及びＭＶＣを含むデータを、無線通信により、筋電計７１の外部へ送信する。ＭＶＣを含むデータは、その他の筋電位の値を含むデータとは別に送信されてもよい。センサ装置３及び筋電計７１から送信されたデータは、直接に、又は他の装置を介して、入力部６６へ入力される。センサ装置３及び筋電計７１から送信されたデータは、通信ネットワークを介して入力部６６へ入力されてもよい。センサ装置３で測定された加速度、角速度及び地磁気の値を含むデータ、並びに筋電計７１で測定された筋電位の値を含むデータは、記憶部６３に記憶される。

【0056】

学習装置６は、筋電計７１が測定した筋電位から、被験者７の筋活動量に応じた特徴量を計算する。図１０は、筋活動量に応じた特徴量を計算する処理の手順を示すフローチャートである。以下、ステップをＳと略す。演算部６１は、コンピュータプログラム６３１に従って以下の処理を実行する。演算部６１は、記憶部６３に記憶されたデータから、所定期間継続的に測定された筋電位と、筋電位が測定された日のＭＶＣとを取得する（Ｓ１１）。Ｓ１１では、演算部６１は、該当する値を記憶部６３に記憶されたデータから抽出することにより、必要な筋電位及びＭＶＣの値を取得する。演算部６１は、次に、時間窓を５０ミリ秒として、所定期間継続的に測定された筋電位の移動二乗平均平方根を計算する（Ｓ１２）。なお、演算部６１は、５０ミリ秒以外の長さの時間窓を用いて筋電位の移動二乗平均平方根を計算してもよい。

【0057】

演算部６１は、次に、筋電位の移動二乗平均平方根をＭＶＣで除することにより、筋電位の移動二乗平均平方根を正規化する（Ｓ１３）。演算部６１は、次に、所定期間における正規化した筋電位の移動二乗平均平方根を積算することにより、筋活動量に応じた特徴量として、正規化した筋電位の移動二乗平均平方根の積算値を計算する（Ｓ１４）。以上で、筋活動量に応じた特徴量を計算する処理は終了する。筋活動量に応じた特徴量は、記憶部６３に記憶される。複数の互いに異なる期間において測定された筋電位の夫々について、また、複数の被験者７において測定された筋電位の夫々について、Ｓ１１～Ｓ１４の処理は実行される。なお、Ｓ１１～Ｓ１４の処理は学習装置６では実行されず、筋活動量に応じた特徴量は、学習装置６以外の装置で計算され、学習装置６へ入力されてもよい。

【0058】

図１１は、学習モデル１６を生成する処理の手順を示すフローチャートである。演算部６１は、コンピュータプログラム６３１に従って以下の処理を実行する。演算部６１は、被験者７が疲労する前にセンサ装置３により一歩行の期間に測定された加速度、角速度及び地磁気の履歴と、被験者７が疲労する前に筋電計７１により測定された筋電位から計算された、筋活動量に応じた特徴量とを含む疲労前データを生成する（Ｓ２１）。Ｓ２１では、演算部６１は、被験者７が疲労する前に測定された加速度、角速度及び地磁気の履歴と、被験者７が疲労する前に測定された筋電位から計算された特徴量とを、記憶部６３に記憶されたデータから抽出し、まとめることにより、疲労前データを生成する。例えば、被験者７が起床した直後に測定された加速度、角速度、地磁気及び筋電位から、疲労前データが生成される。Ｓ２１では、演算部６１は、被験者７が疲労する前に測定された筋電位を用いて、Ｓ１１～Ｓ１４の処理を実行してもよい。

【0059】

演算部６１は、複数の疲労前データを生成する。演算部６１は、一人の被験者７による複数回の歩行に応じた複数の疲労前データを生成してもよい。演算部６１は、複数の被験者７について測定された加速度、角速度、地磁気及び筋電位から、複数の疲労前データを生成してもよい。演算部６１は、シミュレーションによって複数の疲労前データの一部を生成してもよい。演算部６１は、複数の疲労前データを記憶部６３に記憶する。

【0060】

演算部６１は、次に、被験者７が疲労した後にセンサ装置３により一歩行の期間に測定された加速度、角速度及び地磁気の履歴と、被験者７が疲労した後に筋電計７１により測定された筋電位から計算された、筋活動量に応じた特徴量とを含む疲労後データを生成する（Ｓ２２）。Ｓ２２では、演算部６１は、被験者７が疲労した後に測定された加速度、角速度及び地磁気の履歴と、被験者７が疲労した後に測定された筋電位から計算された特徴量とを、記憶部６３に記憶されたデータから抽出し、まとめることにより、疲労後データを生成する。被験者７が日常生活を想定した歩行を行った後の状態を、被験者７が疲労した後の状態とする。例えば、被験者７が属する年代における一日の平均歩行数の歩行を被験者７が日中帯に８時間以内に行い、当該歩行を行った後の状態を、被験者７が疲労した後の状態とする。Ｓ２２では、演算部６１は、被験者７が疲労した後に測定された筋電位を用いて、Ｓ１１～Ｓ１４の処理を実行してもよい。

【0061】

演算部６１は、複数の疲労後データを生成する。演算部６１は、一人の被験者７による複数回の歩行に応じた複数の疲労後データを生成してもよい。演算部６１は、複数の被験者７について測定された加速度、角速度、地磁気及び筋電位から、複数の疲労後データを生成してもよい。演算部６１は、シミュレーションによって複数の疲労後データの一部を生成してもよい。演算部６１は、複数の疲労後データを記憶部６３に記憶する。

【0062】

演算部６１は、次に、被験者７の疲労が改善された後にセンサ装置３により一歩行の期間に測定された加速度、角速度及び地磁気の履歴と、被験者７の疲労が改善された後に筋電計７１により測定された筋電位から計算された、筋活動量に応じた特徴量とを含む疲労改善後データを生成する（Ｓ２３）。Ｓ２３では、演算部６１は、被験者７の疲労が改善された後に測定された加速度、角速度及び地磁気の履歴と、被験者７の疲労が改善された後に測定された筋電位から計算された特徴量とを、記憶部６３に記憶されたデータから抽出し、まとめることにより、疲労改善後データを生成する。

【0063】

ストレッチ運動等、特定の活動を行うことにより、疲労は改善される。被験者７は、疲労した後に、疲労を改善するための特定の活動を行う。演算部６１は、特定の活動を行うことにより疲労が改善された後に測定された加速度、角速度、地磁気及び筋電位から、疲労改善後データを生成する。Ｓ２３では、演算部６１は、疲労が改善された後に測定された筋電位を用いて、Ｓ１１～Ｓ１４の処理を実行してもよい。

【0064】

演算部６１は、複数の疲労改善後データを生成する。演算部６１は、一人の被験者７による複数回の歩行に応じた複数の疲労改善後データを生成してもよい。演算部６１は、複数の被験者７について測定された加速度、角速度、地磁気及び筋電位から、複数の疲労改善後データを生成してもよい。演算部６１は、シミュレーションによって複数の疲労改善後データの一部を生成してもよい。演算部６１は、複数の疲労改善後データを記憶部６３に記憶する。疲労前データ、疲労後データ及び疲労改善後データに含まれる加速度、角速度及び地磁気の値は、後述するように、センサ装置３に対して固定された軸に沿った方向の加速度、角速度及び地磁気を、Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気へ変換した後の値である。疲労前データ又は疲労改善後データは第１データに対応し、疲労後データは第２データに対応する。

【0065】

演算部６１は、次に、疲労前データ、疲労後データ及び疲労改善後データ、並びに夫々のデータに関する被験者７の疲労度を表す疲労情報を訓練データとして、学習モデル１６を生成するための処理を行う（Ｓ２４）。Ｓ１３では、演算部６１は、疲労前データ及び疲労改善後データには、０等の小さい疲労度を表す疲労情報を関連付け、疲労後データには、１等の大きい疲労度を表す疲労情報を関連付ける。演算部６１は、疲労前データ、疲労後データ及び疲労改善後データに含まれる加速度、角速度及び地磁気の履歴並びに筋活動量に応じた特徴量を、学習モデル１６の入力層へ入力する。

【0066】

学習モデル１６によって、出力層１６３のノードから疲労情報が出力される。演算部６１は、入力された疲労前データ、疲労後データ及び疲労改善後データに関連付けられた疲労情報と出力層１６３のノードから出力された疲労情報とを変数とする誤差関数により疲労情報の誤差を計算し、誤差が最小となるように、学習モデル１６の各ノードの演算のパラメータを調整する。即ち、疲労前データ又は疲労改善後データが入力されたときには小さい疲労度を表す疲労情報が出力され、疲労後データが入力されたときには大きい疲労度を表す疲労情報が出力されるように、パラメータが調整される。例えば、演算部６１は、誤差逆伝播法によってパラメータを調整する。演算部６１は、誤差逆伝播法以外の学習アルゴリズムによってパラメータを調整してもよい。

【0067】

演算部６１は、複数の疲労前データ、疲労後データ及び疲労改善後データを用いて処理を繰り返して、学習モデル１６の各ノードのパラメータを調整することにより、学習モデル１６の機械学習を行う。機械学習を行うにあたって、演算部６１は、筋電位から計算された、筋活動量に応じた特徴量に関わるノードを、確率的に不活性化しながら、処理を繰り返して、各ノードのパラメータを調整する。例えば、演算部６１は、予め定められた所定の確率で、筋活動量に応じた特徴量に関わるノードを不活性化する。筋活動量に応じた特徴量に関わるノードとは、筋活動量に応じた特徴量が入力されるノード、又は筋活動量に応じた特徴量を用いて計算を行うノードである。ノードの不活性化とは、ノードを使用しないことであり、あるノードを不活性化した状態では、演算部６１は、そのノードを含んでいないニューラルネットワークを学習させる処理を行う。処理が繰り返される都度、不活性化されるノードは確率的に変更される。確率は固定されていなくてもよい。

【0068】

演算部６１は、調整された最終的なパラメータを記録した学習済みデータを記憶部６３に記憶する。このようにして、学習された学習モデル１６が生成される。疲労前データ、疲労後データ及び疲労改善後データを訓練データとして利用することによって、適切に学習された学習モデル１６を生成することができる。Ｓ２４が終了した後、演算部６１は処理を終了する。疲労改善装置１が備える学習モデル１６は、学習済みデータに基づいて製造される。例えば、学習済みデータに記録されたパラメータが記憶部１３に書き込まれることにより、学習モデル１６が製造される。

【0069】

なお、学習装置６は、疲労前データを用いずに、又は疲労改善後データを用いずに、学習モデル１６を生成してもよい。疲労前データを用いない場合は、Ｓ２１が省略され、学習装置６は、疲労後データ及び疲労改善後データを訓練データとして利用することによって、学習モデル１６を生成する。疲労改善後データを用いない場合は、Ｓ２３が省略され、学習装置６は、疲労前データ及び疲労後データを訓練データとして利用することによって、学習モデル１６を生成する。

【0070】

次に、疲労改善システム１００が実行する処理を説明する。図１２は、疲労改善システム１００が加速度、角速度及び地磁気を取得する処理の手順を示すフローチャートである。装着者４の足に装着されたセンサ装置３は、加速度センサ３２、角速度センサ３３及び地磁気センサ３４により、加速度、角速度及び地磁気を測定する（Ｓ３１）。加速度センサ３２、角速度センサ３３及び地磁気センサ３４は、センサ装置３に対して固定された互いに直交する三つの軸の夫々に沿った方向の加速度、角速度及び地磁気を測定する。センサ装置３に対して固定されたｘ軸、ｙ軸及びｚ軸の夫々に沿った方向を、ｘ方向、ｙ方向及びｚ方向とする。一般的に、ｘ方向、ｙ方向及びｚ方向はＸ方向、Ｙ方向及びＺ方向とは異なる。装着者４が歩行する際にセンサ装置３は移動するので、ｘ方向、ｙ方向及びｚ方向は地面に対して変化する。

【0071】

加速度、角速度及び地磁気の測定の都度、センサ装置３は、端末装置２を介して、加速度、角速度及び地磁気を疲労改善装置１へ送信する（Ｓ３２）。Ｓ３２では、制御部３１は、加速度、角速度及び地磁気の測定の都度、通信部３５に、加速度、角速度及び地磁気の値を含むデータを端末装置２へ送信させる。端末装置２は、通信部２６でデータを受信し、演算部２１は、通信部２６に、受信したデータを疲労改善装置１へ送信させる。疲労改善装置１は、データを通信部１５で受信し、演算部１１は、受信したデータに含まれる加速度、角速度及び地磁気の値を記憶部１３に記憶する（Ｓ３３）。記憶部１３には、繰り返し測定された加速度、角速度及び地磁気の値が記憶される。

【0072】

演算部１１は、次に、受信した加速度、角速度及び地磁気に関し、Ｘ軸、Ｙ軸及びＺ軸に対するｘ軸、ｙ軸及びｚ軸の姿勢角を計算する（Ｓ３４）。Ｚ軸は上下方向に沿った軸であり、Ｘ軸及びＹ軸はＺ軸に直交する平面に含まれる互いに直交する二軸である。Ｘ軸、Ｙ軸及びＺ軸は、地面に対して固定されている。例えば、Ｚ軸に沿ったＺ方向は鉛直方向であり、Ｘ軸に沿ったＸ方向は東西方向であり、Ｙ軸に沿ったＹ方向は南北方向である。或は、Ｘ軸及びＹ軸は装着者の身体に対して固定された方向であってもよい。例えば、Ｘ軸に沿ったＸ方向は装着者４に対する左右方向であり、Ｙ軸に沿ったＹ方向は装着者４に対する前後方向であってもよい。姿勢角は、Ｘ軸、Ｙ軸及びＺ軸に対してｘ軸、ｙ軸及びｚ軸がどの程度傾いているかを示す。姿勢角は三次元で表される。

【0073】

Ｓ３４では、演算部１１は、センサ装置３が静止しているか否かを判定する。例えば、記憶されている直近の所定数の加速度、角速度及び地磁気の値が変化していない場合に、演算部１１は、センサ装置３が静止していると判定する。センサ装置３が静止している場合、演算部１１は、測定された加速度の向きが重力の向きであるとして、Ｚ方向を特定し、Ｚ方向に直交する平面に含まれる互いに直交するＸ方向及びＹ方向を特定する。演算部１１は、Ｘ方向及びＹ方向を特定する際に、地磁気を利用してもよい。

【0074】

センサ装置３が静止していない場合は、演算部１１は、角速度の積分が角度であることを利用して、姿勢角を計算する。計算は、これまでに記憶された加速度、角速度及び地磁気の履歴に基づいて行われる。より具体的には、演算部１１は、加速度、角速度及び地磁気をＭａｄｇｗｉｃｋフィルタへ入力し、Ｍａｄｇｗｉｃｋフィルタの出力を取得する演算を行うことにより、姿勢角を計算する。なお、演算部１１は、Ｍａｄｇｗｉｃｋフィルタを用いる方法以外の方法で姿勢角を計算してもよい。演算部１１は、角速度の履歴に基づいて姿勢角を計算する等、加速度、角速度及び地磁気の中の一部の情報のみを利用して姿勢角を計算してもよい。

【0075】

演算部１１は、姿勢角に基づいて、加速度、角速度及び地磁気を、Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気へ変換する（Ｓ３５）。センサ装置３が測定した加速度、角速度及び地磁気は、ｘ方向、ｙ方向及びｚ方向の加速度、角速度及び地磁気である。Ｘ方向、Ｙ方向及びＺ方向に対するｘ方向、ｙ方向及びｚ方向の姿勢角が得られたので、姿勢角に基づいて、ｘ方向、ｙ方向及びｚ方向の加速度、角速度及び地磁気を、Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気へ変換することができる。Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気への変換によって、センサ装置３で測定された加速度、角速度及び地磁気が補正される。Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気が得られることにより、加速度、角速度及び地磁気からセンサ装置３が移動することによる影響が除去され、加速度、角速度及び地磁気に対する装着者４の歩行の影響が明確になる。

【0076】

演算部１１は、変換後の加速度、角速度及び地磁気を記憶部１３に記憶する（Ｓ３６）。Ｓ３６が終了した後、演算部１１は、加速度、角速度及び地磁気を取得する処理を終了する。記憶部１３には、Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気の履歴が記憶される。

【0077】

Ｓ３１～Ｓ３６の処理は、センサ装置３が加速度、角速度及び地磁気を測定する都度、繰り返し実行される。なお、センサ装置３は、Ｓ３２で、加速度、角速度及び地磁気の測定の都度、データを送信するのではなく、加速度、角速度及び地磁気を複数回測定した結果をまとめたデータを送信する形態であってもよい。この形態では、Ｓ３２～Ｓ３６の処理は、まとめて送信された加速度、角速度及び地磁気の複数回の測定結果に対して、実行される。

【0078】

疲労改善システム１００は、Ｓ３３～Ｓ３５の処理を端末装置２で実行する形態であってもよい。この形態では、端末装置２は、加速度、角速度及び地磁気の値を含むデータを通信部２６で受信し、演算部２１は、加速度、角速度及び地磁気の値を記憶部２３に記憶し、Ｓ３４及びＳ３５の処理を実行する。その後、演算部２１は、通信部２６に、Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気の値を含むデータを、疲労改善装置１へ送信させる。疲労改善装置１は、データを通信部１５で受信し、演算部１１は、Ｓ３６の処理を実行する。或は、疲労改善システム１００は、センサ装置３から端末装置２を経由せずに疲労改善装置１へデータを送信する形態であってもよい。

【0079】

疲労改善システム１００は、Ｓ３５までの処理をセンサ装置３で実行する形態であってもよい。この形態では、センサ装置３は、Ｓ３２の処理を実行せずに、Ｓ３１及びＳ３３～Ｓ３５の処理を自身で実行する。その後、センサ装置３は、端末装置２を経由せずに疲労改善装置１へデータを送信する。センサ装置３は、端末装置２を経由せずに疲労改善装置１へデータを送信してもよい。

【0080】

Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気の履歴が記憶部１３に記憶されている状態で、疲労改善装置１は、装着者４の健康状態を判定する。図１３は、装着者４の健康状態を判定する処理の手順を示すフローチャートである。演算部１１は、コンピュータプログラム１３１に従って以下の処理を実行する。演算部１１は、記憶部１３に記憶している加速度、角速度及び地磁気の履歴から、一歩行の期間における加速度、角速度及び地磁気の履歴を抽出する（Ｓ４０１）。

【0081】

図６を用いて前述したように、歩行中の装着者４の足に発生する加速度及び角速度の時間変化には、ある程度のパターンが存在する。このため、加速度、角速度及び地磁気のデータから、歩行中のデータを特定することができる。また、上下方向の加速度の時間変化と、装着者４の足の前後方向の揺れに対応する方向の角速度の時間変化とに基づいて、足が接地した時点を特定することができる。Ｓ４０１では、例えば、演算部１１は、加速度及び角速度の時間変化のパターンから歩行の期間を特定し、Ｚ方向の加速度及びＸ方向の角速度の時間変化に基づいて、装着者４の足が接地した時点を特定する。演算部１１は、記憶されている加速度、角速度及び地磁気の履歴の中から、足が接地した時点から次に接地する時点までの期間に含まれる加速度、角速度及び地磁気の履歴を、一歩行の期間に測定された加速度、角速度及び地磁気の履歴として抽出する。このとき、演算部１１は、Ｘ方向、Ｙ方向及びＺ方向の夫々について加速度、角速度及び地磁気の履歴を抽出する。演算部１１は、足が接地した時点を三個以上特定し、複数の一歩行の期間の夫々について、加速度、角速度及び地磁気の履歴を抽出してもよい。なお、接地の時点を特定する方法は、Ｚ方向の加速度及びＸ方向の角速度を用いる方法に限るものではない。演算部１１は、接地の時点を特定するために、その他の加速度又は角速度を用いてもよく、三個以上の加速度又は角速度を用いてもよい。

【0082】

演算部１１は、次に、一歩行の期間におけるＸ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気の履歴を、学習モデル１６へ入力する（Ｓ４０２）。Ｓ４０２では、演算部１１は、学習モデル１６へ、加速度、角速度及び地磁気の履歴を入力する一方で、筋電位から計算される、筋活動量に応じた特徴量を入力せずに、学習モデル１６に演算を行わせる。例えば、演算部１１は、学習モデル１６のノードの中で、筋活動量に応じた特徴量を入力されるノードと、加速度、角速度及び地磁気を用いずに筋活動量に応じた特徴量を用いて計算を行うノードとを不活性化する。これにより、学習モデル１６は、筋電位から計算される、筋活動量に応じた特徴量が入力されずに、加速度、角速度及び地磁気の履歴を入力された場合に疲労情報を出力するように機能する。加速度、角速度及び地磁気の履歴を入力された学習モデル１６は、前述したように、ニューラルネットワークの演算を行い、装着者４の疲労度を表す疲労情報を出力する。Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気には装着者４の歩行の影響が明確に現れるので、Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気を利用することにより、正確な疲労情報が得られる。

【0083】

演算部１１は、次に、学習モデル１６が出力した疲労情報に応じて、装着者４の健康状態を判定する（Ｓ４０３）。Ｓ４０３では、演算部１１は、疲労情報の値に応じて、健康状態を数値で示す健康スコアを計算することにより、判定を行う。健康スコアは、数値が大きいほど健康であることを示す。演算部１１は、疲労情報が表す装着者４の疲労度が大きいほど、健康スコアが小さくなるように、健康スコアを計算する。例えば、演算部１１は、０以上１以下の値である疲労情報の逆数を健康スコアとする。演算部１１は、疲労情報の時間変化に応じて健康スコアを計算してもよい。例えば、演算部１１は、疲労情報が以前に比べて増加している場合に健康スコアが小さくなるように、健康スコアを計算してもよい。

【0084】

或は、演算部１１は、複数の疲労情報を用いて、装着者４の健康状態を判定してもよい。Ｓ４０１では、演算部１１は、歩行中のデータから、複数の歩行の期間の夫々における加速度、角速度及び地磁気の履歴を抽出し、複数の歩行の期間の夫々についてＳ４０２を実行する。Ｓ４０３では、得られた複数の疲労情報を用いて判定を行う。例えば、演算部１１は、複数の疲労情報の平均値を計算し、平均値に応じて健康スコアを計算する。例えば、演算部１１は、複数の疲労情報から数値が最も大きい疲労情報を選択し、選択した疲労情報に応じて健康スコアを計算する。

【0085】

演算部１１は、次に、装着者４の健康状態が良好であるか否かを判定する（Ｓ４０４）。例えば、演算部１１は、健康スコアが所定の閾値以上、又は所定の閾値を超過する場合に、健康状態が良好であると判定する。例えば、疲労情報が表す疲労度が大きく、疲労情報の逆数である健康スコアが所定の閾値以下又は未満である場合に、演算部１１は、健康状態が良好でなないと判定する。演算部１１は、健康スコアの時間変化に応じて判定を行ってもよい。例えば、演算部１１は、健康スコアが減少傾向にある場合、又は健康スコアの減少量が大きい場合に、健康状態は良好ではないと判定してもよい。

【0086】

装着者４の健康状態が良好である場合は（Ｓ４０４：ＹＥＳ）、疲労改善装置１は、端末装置２及び５へ健康スコアを送信する（Ｓ４０５）。Ｓ４０５では、演算部１１は、グループデータ１３２に記録されている装着者４の端末装置２の端末情報を参照し、通信部１５に、通信ネットワークＮを介して端末装置２へ健康スコアを送信させる。このようにして、疲労改善装置１は、装着者４宛に健康スコアを出力する。また、演算部１１は、グループデータ１３２に記録されているメンバー４１の端末装置５を参照し、通信部１５に、通信ネットワークＮを介して端末装置５へ健康スコアを送信させる。このようにして、疲労改善装置１は、メンバー４１宛に健康スコアを出力する。疲労改善装置１は、健康スコアの履歴を送信してもよい。

【0087】

装着者４の端末装置２は、疲労改善装置１から送信された健康スコアを通信部２６で受信する。演算部２１は、表示部２５に健康スコアを表示する（Ｓ４０６）。図１４は、健康スコアの表示例を示す模式図である。健康スコアの数値が端末装置２の表示部２５に表示される。健康スコアの履歴が疲労改善装置１から送信された場合に、健康スコアの履歴がグラフで表示される。グラフの横軸は時間を示し、縦軸は健康スコアを示す。なお、端末装置２は、健康スコアの履歴を記憶部２３に記憶しておき、記憶している健康スコアの履歴を表示部２５に表示してもよい。装着者４は、端末装置２に表示された健康スコアを視認して、自己の健康状態を確認することができる。健康スコアの履歴を示すグラフは、後述する活動勧告が出力された時点、又は後述する疲労を改善するための特定の活動が行われた時点が付加して表示されてもよい。

【0088】

メンバー４１の端末装置５は、疲労改善装置１から送信された健康スコアを通信部５６で受信する。演算部５１は、表示部５５に健康スコアを表示する（Ｓ４０７）。端末装置５が表示する内容は、図１４に示す如き、端末装置２が表示する内容と同様である。メンバー４１は、端末装置５に表示された装着者４の健康スコアを視認して、装着者４の健康状態を確認することができる。なお、疲労改善装置１は、複数のメンバー４１の中の特定のメンバー４１宛に健康スコアを出力し、他のメンバー４１宛には健康スコアを出力しなくてもよい。また、疲労改善装置１は、装着者４のみに対して健康スコアを出力してもよい。

【0089】

装着者４の健康状態が良好でない場合は（Ｓ４０４：ＮＯ）、疲労改善装置１は、疲労を改善するための特定の活動を行うことを勧める活動勧告を端末装置２へ送信する（Ｓ４０８）。特定の活動は、疲労を改善することが知られている運動であり、例えばストレッチ運動である。Ｓ４０８では、演算部１１は、装着者４の端末装置２の端末情報を参照し、通信部１５に、通信ネットワークＮを介して端末装置２へ活動勧告を送信させる。疲労改善装置１は、活動勧告に、健康スコア、及び特定の活動の内容を説明する情報を含ませて、端末装置２へ送信してもよい。特定の活動の内容を説明する情報は、静止画又は動画を含んでいてもよい。このようにして、疲労改善装置１は、装着者４宛に活動勧告を出力する。

【0090】

装着者４の端末装置２は、疲労改善装置１から送信された活動勧告を通信部２６で受信する。演算部２１は、表示部２５に活動勧告を表示する（Ｓ４０９）。図１５は、活動勧告の表示例を示す模式図である。疲労度が上がる等、健康状態が良好でないことが示され、特定の活動を行うことを勧める表示がなされている。図１５に示される「改善アクション」は、疲労を改善するための特定の活動に対応する。図１５に示すように、健康スコアが表示されてもよい。演算部２１は、活動勧告に含まれる情報に従って、特定の活動の内容を説明する情報を表示部２５に表示してもよい。例えば、特定の活動の内容を説明するための静止画又は動画が表示されてもよい。装着者４は、端末装置２に表示された内容を視認して、疲労度が上がる等して自己の健康状態が良好でないことを確認することができる。また、装着者４は、活動勧告に従って、推奨される活動を行うことにより、自己の疲労度を改善して健康状態を向上させることができる。

【0091】

疲労改善装置１は、次に、メンバー４１から装着者４へ応援メッセージを送ることの依頼を端末装置５へ送信する（Ｓ４１０）。Ｓ４１０では、演算部１１は、メンバー４１の端末装置５の端末情報を参照し、通信部１５に、通信ネットワークＮを介して端末装置５へ依頼を送信させる。このとき、疲労改善装置１は、装着者４が特定の活動を実行することを促すような内容の応援メッセージを送ることの依頼を送信する。疲労改善装置１は、健康スコアを含ませた依頼を端末装置５へ送信してもよい。このようにして、疲労改善装置１は、メッセージを送ることの依頼をメンバー４１宛に出力する。

【0092】

メンバー４１の端末装置５は、応援メッセージを送ることの依頼を通信部５６で受信する。演算部５１は、表示部５５に、装着者４へ応援メッセージを送ることの依頼を表示する（Ｓ４１１）。図１６は、応援メッセージを送ることの依頼の表示例を示す模式図である。疲労度が上がる等、装着者４の健康状態が良好でないことが示され、特定の活動を行うことを勧めるために、装着者４へ応援メッセージを送ることを依頼する表示がなされている。更に、装着者４の健康スコアが表示されてもよい。メンバー４１は、端末装置５に表示された内容を視認して、装着者４の健康状態が良好でないことを確認することができる。また、メンバー４１は、依頼に従って、装着者４へ応援メッセージを送ることにより、疲労を改善するための特定の活動を装着者４に促すことができる。装着者４の健康状態を判定する処理は、以上で終了する。

【0093】

図１７は、メンバー４１から装着者４へ応援メッセージを送る処理の手順を示すフローチャートである。メンバー４１は、応援メッセージを送ることの依頼に従って、端末装置５の操作部５４を操作して、装着者４への応援メッセージを入力する。端末装置５は、メンバー４１が操作部５４を操作することによって、応援メッセージを受け付け（Ｓ５１）、受け付けた応援メッセージを疲労改善装置１へ送信する（Ｓ５２）。Ｓ５２では、演算部５１は、応援メッセージを通信部５６に通信ネットワークＮを介して疲労改善装置１へ送信させる。疲労改善装置１は、端末装置５から送信された応援メッセージを受信し、受信した応援メッセージを端末装置２へ送信することにより、応援メッセージを中継する（Ｓ５３）。疲労改善装置１は、応援メッセージを中継することにより、メンバー４１から装着者４へメッセージが送信されたことを検出する。

【0094】

装着者４の端末装置２は、応援メッセージを通信部２６で受信する。演算部２１は、表示部２５に応援メッセージを表示する（Ｓ５４）。図１８は、応援メッセージの表示例を示す模式図である。特定の活動を行うことを勧める活動勧告に加えて、メンバー４１からの応援メッセージが表示される。複数のメンバー４１から応援メッセージが送信された場合は、複数の応援メッセージが表示される。装着者４は、応援メッセージを確認し、特定の活動を行うことに対する意欲を向上させることができる。

【0095】

Ｓ５３の後、演算部１１は、応援メッセージが送信されたことに応じて、ポイントを加算すべく、ポイント情報を更新する（Ｓ５５）。応援メッセージの送信に対してどの程度ポイントを加算するのかは予め定まっている。Ｓ５５では、演算部１１は、応援メッセージの送信に応じたポイントを加算すべく、グループデータ１３２に記録されているポイント情報及びポイント履歴を更新する。疲労改善装置１は、次に、ポイント加算の報告を端末装置５へ送信する（Ｓ５６）。Ｓ５６では、演算部１１は、応援メッセージの送信に対してポイントを加算したことの報告を、通信部１５に端末装置５へ送信させる。報告には、この時点でのポイントの数値が含まれていてもよい。

【0096】

メンバー４１の端末装置５は、ポイント加算の報告を通信部５６で受信する。演算部５１は、表示部５５に、ポイント加算の報告を表示する（Ｓ５７）。応援メッセージの送信に対してどの程度のポイントが加算されたかが表示される。この時点でのポイントの数値が更に表示されてもよい。メンバー４１は、応援メッセージの送信によってどの程度のポイントが加算されたかを確認し、応援メッセージを送ることに対する意欲を向上させることができる。応援メッセージを送る処理は、以上で終了する。

【0097】

Ｓ５１～Ｓ５７の処理では、応援メッセージを疲労改善装置１で中継したが、端末装置５は、疲労改善装置１を中継せずに応援メッセージを端末装置２へ送信してもよい。例えば、端末装置５は、電子メール又はソーシャルネットワーキングサービスを利用して応援メッセージを端末装置２へ送信してもよい。この場合は、疲労改善装置１は、疲労改善装置１を中継しない応援メッセージの送信を検出する処理を行う。例えば、疲労改善装置１は、応援メッセージを送信したことの通知を端末装置５から受信することによって、応援メッセージの送信を検出してもよい。

【0098】

疲労改善装置１は、疲労を改善するための特定の活動を装着者４が行うことを確認する処理を行う。図１９は、特定の活動を装着者４が行うことを確認する処理の手順を示すフローチャートである。演算部１１は、記憶部１３から、活動勧告を送信した後にセンサ装置３が行った測定の結果に基づいた加速度及び角速度の履歴を取得する（Ｓ６１）。演算部１１は、次に、装着者４が特定の活動を行ったか否かを判定する（Ｓ６２）。ストレッチ運動等、疲労を改善するための特定の活動が行われた際には、装着者４の足に発生する加速度及び角速度の時間変化には、特定のパターンが発生する。Ｓ６２では、演算部１１は、加速度及び角速度の時間変化に特定のパターンが含まれているか否かを判定することにより、装着者４が特定の活動を行ったか否かを判定する。加速度及び角速度の時間変化に特定のパターンが含まれている場合に、演算部１１は、装着者４が特定の活動を行ったと判定する。

【0099】

なお、演算部１１は、疲労度の変化に応じて装着者４が特定の活動を行ったか否かを判定してもよい。例えば、演算部１１は、活動勧告を送信した後にセンサ装置３が行った測定の結果に基づいた加速度、角速度及び地磁気の履歴をＳ６１で取得し、学習モデル１６を用いて疲労情報を計算し、疲労情報に応じて判定を行ってもよい。演算部１１は、疲労度情報が表す疲労度が小さくなった場合に、装着者４が特定の活動を行ったと判定してもよい。装着者４が操作部２４を操作して特定の活動を行ったことの申告を端末装置２へ入力し、入力された申告を端末装置２が疲労改善装置１へ送信し、疲労改善装置１は、申告を受信することにより、装着者４が特定の活動を行ったことを判定してもよい。疲労改善装置１は、カメラ等のセンサ装置３以外の装置による測定結果に基づいて、装着者４が特定の活動を行ったことを判定してもよい。或は、演算部１１は、装着者４が特定の活動を行ったと判定した場合に、新たな健康スコアを計算する処理を行ってもよい。

【0100】

装着者４が特定の活動を行っていない場合は（Ｓ６２：ＮＯ）、演算部１１は、処理をＳ６１へ戻す。装着者４が特定の活動を行った場合は（Ｓ６２：ＹＥＳ）、演算部１１は、装着者４が特定の活動を行ったことに応じて、ポイントを加算すべく、ポイント情報を更新する（Ｓ６３）。装着者４が特定の活動を行ったことに応じてどの程度ポイントを加算するのかは予め定まっている。Ｓ６３では、演算部１１は、装着者４が特定の活動を行ったことに応じたポイントを加算すべく、グループデータ１３２に記録されているポイント情報及びポイント履歴を更新する。疲労改善装置１は、次に、ポイント加算の報告を端末装置２へ送信する（Ｓ６４）。Ｓ６４では、演算部１１は、装着者４が特定の活動を行ったことに応じてポイントを加算したことの報告を、通信部１５に端末装置５へ送信させる。報告には、この時点でのポイントの数値が含まれていてもよく、新たな健康スコアが含まれていてもよい。

【0101】

装着者４の端末装置２は、ポイント加算の報告を通信部２６で受信する。演算部２１は、表示部２５に、ポイント加算の報告を表示する（Ｓ６５）。装着者４が特定の活動を行ったことに応じてどの程度のポイントが加算されたかが表示される。この時点でのポイントの数値又は健康スコアが更に表示されてもよい。装着者４は、特定の活動を行ったことに応じてどの程度のポイントが加算されたかを確認し、疲労を改善するための特定の活動を行うことに対する意欲を向上させることができる。

【0102】

なお、疲労改善装置１は、ポイント加算の報告を更に端末装置５へ送信してもよい。メンバー４１の端末装置５は、装着者４が特定の活動を行ったことに応じてポイントが加算されたことを表示部５５に表示する。メンバー４１は、装着者４が特定の活動を行って疲労を改善させたことを確認することができる。特定の活動を装着者４が行うことを確認する処理は、以上で終了する。

【0103】

ポイント情報は、商品の購買等のサービスに利用することが可能である。図２０は、ポイント情報を利用したサービスを提供する処理の手順を示すフローチャートである。サービスの概要等、サービスの提供を受けるために必要な情報が表示部２５に表示された状態で、装着者４は、端末装置２の操作部２４を操作して、商品の購買又は動画の視聴等のサービスの要求を入力する。端末装置２は、装着者４が操作部２４を操作することによって、サービスの要求を受け付け（Ｓ７１）、受け付けたサービスの要求を疲労改善装置１へ送信する（Ｓ７２）。Ｓ７２では、演算部２１は、サービスの要求を通信部２６に疲労改善装置１へ送信させる。

【0104】

また、メンバー４１の端末装置５からも、サービスの要求を送信することが可能である。メンバー４１は、端末装置５の操作部５４を操作して、サービスの要求を入力する。Ｓ７１では、端末装置５は、メンバー４１が操作部５４を操作することによって、サービスの要求を受け付ける。Ｓ７２では、端末装置５は、受け付けたサービスの要求を疲労改善装置１へ送信する。

【0105】

疲労改善装置１は、端末装置２又は５から送信されたサービスの要求を受信し、演算部１１は、要求されたサービスの対価としてポイントを減算すべく、ポイント情報を更新する（Ｓ７３）。減算されるポイントは、サービスに応じて予め定まっている。Ｓ７３では、演算部１１は、サービスの対価としてポイントを減算すべく、グループデータ１３２に記録されているポイント情報及びポイント履歴を更新する。演算部１１は、次に、要求されたサービスを提供する処理を実行する（Ｓ７４）。例えば、商品の販売、又は動画の端末装置２若しくは５への送信等の処理が行われる。Ｓ７４は、演算部１１は、疲労改善装置１の外部の装置に、サービスを提供する処理を実行させてもよい。サービスを提供する処理は、以上で終了する。疲労改善装置１は、ポイント履歴を端末装置２又は５へ送信し、ポイント履歴を端末装置２又は５に表示させる処理を行ってもよい。

【0106】

装着者４及びメンバー４１のいずれもが、ポイント情報を利用したサービスの提供を受けることができる。装着者４は、サービスの提供を受けようとして、疲労を改善するための特定の活動を行うことに対する意欲を向上させることができる。メンバー４１は、サービスの提供を受けようとして、装着者４を応援する意欲を向上させることができる。

【0107】

以上詳述した如く、装着者４に装着されたセンサ装置３で測定された加速度、角速度及び地磁気の履歴から、学習モデル１６を用いて、装着者４の疲労度を表す疲労情報が得られる。疲労度が大きい状態では、疲労度が小さい状態に比べて、歩行の動作が変化し、センサ装置３が測定する加速度、角速度及び地磁気が変化する。従って、適切な学習モデル１６を利用することにより、センサ装置３での測定結果から、疲労情報を得ることができる。

【0108】

また、本実施形態では、疲労情報に基づいて装着者４の健康状態が判定され、健康状態に応じて、疲労を改善するための特定の活動を行うことを勧める活動勧告が出力される。例えば、装着者４の疲労度が大きく、装着者４の健康状態が良好ではない場合に、活動勧告が出力される。装着者４は、活動勧告に従って、ストレッチ運動等、疲労を改善するための特定の活動を行うことにより、自己の疲労を改善させることができる。このように、装着者４は、健康状態が悪化する都度、適切な活動を行って、疲労を効果的に改善させることができる。従って、装着者４の健康状態の更なる悪化を防止し、健康状態の維持又は向上を図ることができる。

【0109】

また、本実施形態では、装着者４を含む複数の人からなるグループが設定され、装着者４へ活動勧告が出力される場合に、グループに属するメンバー４１から装着者４へ応援のメッセージが送られるようにする。グループに含まれる人は、例えば、家族である。装着者４は、家族からの応援があれば、特定の活動を行う意欲が向上し、実際に装着者４が特定の活動を行って疲労を改善させる頻度が向上する。また、本実施形態では、装着者４が特定の活動を行った場合、及びメンバー４１が応援のメッセージが送った場合に、サービスの提供に利用できるポイントが加算される。ポイントの加算を目的として、装着者４が特定の活動を行うこと、及びメンバー４１が応援のメッセージを送ることに対する意欲が向上し、結果的に、装着者４の疲労が効果的に改善される。

【0110】

本実施形態においては、健康スコアを計算することによって装着者４の健康状態を判定する形態を示したが、疲労改善装置１は、疲労情報に基づいたその他の方法で健康状態を判定する形態であってもよい。例えば、疲労改善装置１は、健康スコアを計算することなく、疲労情報が表す疲労度に応じて健康状態が良好であるか否かを判定し、端末装置２及び５へ疲労情報を送信する形態であってもよい。例えば、疲労情報が表す疲労度が所定の閾値以上、又は所定の閾値を超過する場合に、疲労改善装置１は健康状態が良好ではないと判定してもよい。

【0111】

本実施形態においては、センサ装置３からのデータを端末装置２で中継する形態を示したが、センサ装置３からのデータを中継する装置と、活動勧告を受信する装置とは、異なる装置であってもよい。本実施形態では、学習モデル１６がニューラルネットワークである例を示したが、疲労改善システム１００は、学習モデル１６として、サポートベクターマシン又はランダムフォレスト等、ニューラルネットワーク以外のモデルを用いた形態であってもよい。

【0112】

本実施形態では、ｘ方向、ｙ方向及びｚ方向の加速度、角速度及び地磁気を、Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気へ変換し、Ｘ方向、Ｙ方向及びＺ方向の加速度、角速度及び地磁気を学習モデル１６へ入力する形態を示した。学習モデル１６は、ｘ方向、ｙ方向及びｚ方向の加速度、角速度及び地磁気の履歴と、Ｘ方向、Ｙ方向及びＺ方向に対するｘ方向、ｙ方向及びｚ方向の姿勢角とを入力され、疲労情報を出力する形態であってもよい。

【0113】

本実施形態では、ｘ方向、ｙ方向及びｚ方向と、Ｘ方向、Ｙ方向及びＺ方向とは、互いに直交する三つの方向であるとしたが、直角以外の角度で交差する二つの方向が含まれていてもよい。本実施形態では、装着者４の片足にセンサ装置３が装着される形態を示したが、疲労改善システム１００は、装着者４の両足の夫々にセンサ装置３が装着される形態であってもよい。疲労改善装置１は、装着者４の両足の夫々について装着者４の健康状態を判定してもよく、二つのセンサ装置３の測定結果の両方に基づいて装着者４の健康状態を判定してもよい。

【0114】

本発明は上述した実施の形態の内容に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。即ち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態も本発明の技術的範囲に含まれる。

【符号の説明】

【0115】

１ 疲労改善装置
１０ 記録媒体
１００ 疲労改善システム
１３１ コンピュータプログラム
１６ 学習モデル
２、５ 端末装置
３ センサ装置
４ 装着者
４１ メンバー
６ 学習装置
７ 被験者
７１ 筋電計
Ｎ 通信ネットワーク

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】