特開2023-179870腰部揺動推定装置、推定システム、腰部揺動推定方法、およびプログラム
(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】P2023179870
(43)【公開日】2023-12-20
(54)【発明の名称】腰部揺動推定装置、推定システム、腰部揺動推定方法、およびプログラム
(51)【国際特許分類】
A61B 5/11 20060101AFI20231213BHJP
【ＦＩ】
A61B5/11 230
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022092755
(22)【出願日】2022-06-08
(71)【出願人】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(74)【代理人】
【識別番号】100109313
【弁理士】
【氏名又は名称】机 昌彦
(74)【代理人】
【識別番号】100149618
【弁理士】
【氏名又は名称】北嶋 啓至
(72)【発明者】
【氏名】オウ シンイ
(72)【発明者】
【氏名】黄 晨暉
(72)【発明者】
【氏名】井原 和紀
(72)【発明者】
【氏名】福司 謙一郎
(72)【発明者】
【氏名】二瓶 史行
(72)【発明者】
【氏名】梶谷 浩司
(72)【発明者】
【氏名】野崎 善喬
(72)【発明者】
【氏名】中原 謙太郎
【テーマコード（参考）】
4C038
【Ｆターム（参考）】
4C038VA12
4C038VB14
4C038VC20
(57)【要約】
【課題】日常生活において、腰の動きに関する指標である腰部揺動を高精度かつ手軽に推定できる腰部揺動推定装置等を提供する。
【解決手段】被験者の足の動きに関するセンサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得する通信部と、特徴量データに含まれる特徴量の入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する記憶部と、取得された特徴量データに含まれる特徴量を推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する推定部と、被験者の腰部揺動に応じた情報を出力する出力部と、を備える腰部揺動推定装置とする。
【選択図】 図１
【解決手段】被験者の足の動きに関するセンサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得する通信部と、特徴量データに含まれる特徴量の入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する記憶部と、取得された特徴量データに含まれる特徴量を推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する推定部と、被験者の腰部揺動に応じた情報を出力する出力部と、を備える腰部揺動推定装置とする。
【選択図】 図１
【特許請求の範囲】
【請求項1】
被験者の足の動きに関するセンサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得する通信手段と、
前記特徴量データに含まれる特徴量の入力に応じて、前記腰部揺動に関する推定値を出力する推定モデルを記憶する記憶手段と、
取得された前記特徴量データに含まれる特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する推定手段と、
前記被験者の腰部揺動に応じた情報を出力する出力手段と、を備える腰部揺動推定装置。
前記特徴量データに含まれる特徴量の入力に応じて、前記腰部揺動に関する推定値を出力する推定モデルを記憶する記憶手段と、
取得された前記特徴量データに含まれる特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する推定手段と、
前記被験者の腰部揺動に応じた情報を出力する出力手段と、を備える腰部揺動推定装置。
【請求項2】
前記通信手段は、
前記センサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された歩容パラメータを含む前記特徴量データを取得し、
前記記憶手段は、
前記特徴量データに含まれる前記歩容パラメータの入力に応じて、前記腰部揺動に関する推定値を出力する前記推定モデルを記憶し、
前記推定手段は、
取得された前記特徴量データに含まれる前記歩容パラメータを前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する請求項１に記載の腰部揺動推定装置。
前記センサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された歩容パラメータを含む前記特徴量データを取得し、
前記記憶手段は、
前記特徴量データに含まれる前記歩容パラメータの入力に応じて、前記腰部揺動に関する推定値を出力する前記推定モデルを記憶し、
前記推定手段は、
取得された前記特徴量データに含まれる前記歩容パラメータを前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する請求項１に記載の腰部揺動推定装置。
【請求項3】
前記通信手段は、
前記センサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された歩行フェーズクラスターごとの第１特徴量を含む前記特徴量データを取得し、
前記記憶手段は、
前記特徴量データに含まれる前記第１特徴量の入力に応じて、前記腰部揺動に関する推定値を出力する前記推定モデルを記憶し、
前記推定手段は、
取得された前記特徴量データに含まれる前記第１特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する請求項２に記載の腰部揺動推定装置。
前記センサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された歩行フェーズクラスターごとの第１特徴量を含む前記特徴量データを取得し、
前記記憶手段は、
前記特徴量データに含まれる前記第１特徴量の入力に応じて、前記腰部揺動に関する推定値を出力する前記推定モデルを記憶し、
前記推定手段は、
取得された前記特徴量データに含まれる前記第１特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する請求項２に記載の腰部揺動推定装置。
【請求項4】
前記被験者の両足分の前記第１特徴量および前記歩容パラメータのうち、前記腰部揺動の推定に用いられる前記第１特徴量および前記歩容パラメータに関する平均値および差分を第２特徴量として計算する計算手段を備え、
前記記憶手段は、
前記第２特徴量の入力に応じて、前記腰部揺動に関する推定値を出力する前記推定モデルを記憶し、
前記推定手段は、
算出された前記第２特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する請求項３に記載の腰部揺動推定装置。
前記記憶手段は、
前記第２特徴量の入力に応じて、前記腰部揺動に関する推定値を出力する前記推定モデルを記憶し、
前記推定手段は、
算出された前記第２特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する請求項３に記載の腰部揺動推定装置。
【請求項5】
前記記憶手段は、
前記被験者の属性および前記第２特徴量の入力に応じて、前記腰部揺動に関する推定値を出力する前記推定モデルを記憶し、
前記推定手段は、
前記被験者の属性および前記第２特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する請求項４に記載の腰部揺動推定装置。
前記被験者の属性および前記第２特徴量の入力に応じて、前記腰部揺動に関する推定値を出力する前記推定モデルを記憶し、
前記推定手段は、
前記被験者の属性および前記第２特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する請求項４に記載の腰部揺動推定装置。
【請求項6】
前記記憶手段は、
前記特徴量データに含まれる特徴量の入力に応じて、一歩行周期における進行方向、左右方向、および垂直方向の３方向のうち少なくとも一つに関する前記腰部揺動の変動幅を、前記腰部揺動に関する推定値として出力する前記推定モデルを記憶し、
前記推定手段は、
取得された前記特徴量データに含まれる特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記進行方向、前記左右方向、および前記垂直方向の３方向のうち少なくとも一つに関する前記腰部揺動の変動幅に応じて、前記被験者の腰部揺動を推定する請求項１に記載の腰部揺動推定装置。
前記特徴量データに含まれる特徴量の入力に応じて、一歩行周期における進行方向、左右方向、および垂直方向の３方向のうち少なくとも一つに関する前記腰部揺動の変動幅を、前記腰部揺動に関する推定値として出力する前記推定モデルを記憶し、
前記推定手段は、
取得された前記特徴量データに含まれる特徴量を前記推定モデルに入力して、前記推定モデルから出力された前記進行方向、前記左右方向、および前記垂直方向の３方向のうち少なくとも一つに関する前記腰部揺動の変動幅に応じて、前記被験者の腰部揺動を推定する請求項１に記載の腰部揺動推定装置。
【請求項7】
請求項１乃至６のいずれか一項に記載の腰部揺動推定装置と、
腰の動きに関する指標である腰部揺動の推定対象である被験者の履物に設置される計測装置とを備え、
前記計測装置は、
空間加速度および空間角速度を計測し、計測した前記空間加速度および前記空間角速度を用いて足の動きに関するセンサデータを生成し、生成した前記センサデータを出力するセンサと、
歩容の特徴を含む前記センサデータの時系列データを取得し、前記センサデータの時系列データから一歩行周期分の歩行波形データを抽出し、抽出された前記歩行波形データを正規化し、正規化された前記歩行波形データから、前記腰部揺動の推定に用いられる特徴量を、時間的に連続する少なくとも一つの歩行フェーズによって構成される歩行フェーズクラスターから抽出し、抽出された特徴量を含む特徴量データを生成し、生成された前記特徴量データを前記腰部揺動推定装置に出力する特徴量データ生成手段と有する推定システム。
腰の動きに関する指標である腰部揺動の推定対象である被験者の履物に設置される計測装置とを備え、
前記計測装置は、
空間加速度および空間角速度を計測し、計測した前記空間加速度および前記空間角速度を用いて足の動きに関するセンサデータを生成し、生成した前記センサデータを出力するセンサと、
歩容の特徴を含む前記センサデータの時系列データを取得し、前記センサデータの時系列データから一歩行周期分の歩行波形データを抽出し、抽出された前記歩行波形データを正規化し、正規化された前記歩行波形データから、前記腰部揺動の推定に用いられる特徴量を、時間的に連続する少なくとも一つの歩行フェーズによって構成される歩行フェーズクラスターから抽出し、抽出された特徴量を含む特徴量データを生成し、生成された前記特徴量データを前記腰部揺動推定装置に出力する特徴量データ生成手段と有する推定システム。
【請求項8】
前記腰部揺動推定装置は、
前記被験者によって視認可能な画面を有する端末装置に実装され、
前記被験者の足の動きに応じて推定された前記腰部揺動に関する情報を、前記端末装置の画面に表示させる請求項７に記載の推定システム。
前記被験者によって視認可能な画面を有する端末装置に実装され、
前記被験者の足の動きに応じて推定された前記腰部揺動に関する情報を、前記端末装置の画面に表示させる請求項７に記載の推定システム。
【請求項9】
コンピュータが、
被験者の足の動きに関するセンサデータから抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得し、
前記特徴量データの入力に応じて、前記腰部揺動に関する推定値を出力する推定モデルを記憶し、
取得された前記特徴量データを前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定し、
前記被験者の腰部揺動に応じた情報を出力する腰部揺動推定方法。
被験者の足の動きに関するセンサデータから抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得し、
前記特徴量データの入力に応じて、前記腰部揺動に関する推定値を出力する推定モデルを記憶し、
取得された前記特徴量データを前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定し、
前記被験者の腰部揺動に応じた情報を出力する腰部揺動推定方法。
【請求項10】
被験者の足の動きに関するセンサデータから抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得する処理と、
前記特徴量データの入力に応じて、前記腰部揺動に関する推定値を出力する推定モデルを記憶する処理と、
取得された前記特徴量データを前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する処理と、
前記被験者の腰部揺動に応じた情報を出力する処理とをコンピュータに実行させるプログラム。
前記特徴量データの入力に応じて、前記腰部揺動に関する推定値を出力する推定モデルを記憶する処理と、
取得された前記特徴量データを前記推定モデルに入力して、前記推定モデルから出力された前記腰部揺動に関する推定値に応じて、前記被験者の腰部揺動を推定する処理と、
前記被験者の腰部揺動に応じた情報を出力する処理とをコンピュータに実行させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、腰の動きに関する指標である腰部揺動を推定する腰部揺動推定装置等に関する。
【背景技術】
【0002】
ヘルスケアへの関心の高まりに伴って、歩容に応じた情報を提供するサービスに注目が集まっている。例えば、靴等の履物に実装されたセンサによって計測されたセンサデータを用いて、歩容を解析する技術が開発されている。センサデータの時系列データには、身体状態と関連する歩行イベントに伴った特徴が表れる。歩行イベントに伴った特徴を含む歩行データを解析することによって、対象者の身体状態を推定できる。
【0003】
歩行中における腰部の前後、左右、および上下の揺動（腰部揺動とも呼ぶ）は、腰部の揺れや動きを示す指標である。腰部揺動は、歩行の可視化や歩行安定性の評価などの指標として用いられる。歩行データを解析することによって、腰部揺動を高精度に推定できれば、ヘルスケアへのニーズに応じたサービスを提供できる。
【0004】
特許文献１には、ユーザの歩行能力を評価する歩行評価装置について開示されている。特許文献１の装置は、被験者から取得された複数の歩行データを用いて、歩行状態に関連する複数の歩行指標を算出する。特許文献１の手法では、被験者の腰に装着された加速度センサによって取得された歩行データを用いて、被験者の歩行スコアを算出する。特許文献１の手法では、被験者の腰に装着された加速度センサによって計測された垂直方向、側方、および前後方向の加速度波形から、歩行指標の一つであるHarmonic Ratioを計算する。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開２０２０－１５１４７０号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
特許文献１の手法では、腰に装着された加速度センサによって計測された加速度を用いて、腰の動きに関する指標の一つを計測する。日常生活において、腰に装着されたセンサは、自由な行動を制限する可能性がある。また、装着されたセンサの位置がずれると、計測精度が低下する。そのため、特許文献１の手法では、日常生活において、腰の動きに関する指標を高精度かつ手軽に計測できなかった。
【0007】
本開示の目的は、日常生活において、腰の動きに関する指標である腰部揺動を高精度かつ手軽に推定できる腰部揺動推定装置等を提供することにある。
【課題を解決するための手段】
【0008】
本開示の一態様の腰部揺動推定装置は、被験者の足の動きに関するセンサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得する通信部と、特徴量データに含まれる特徴量の入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する記憶部と、取得された特徴量データに含まれる特徴量を推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する推定部と、被験者の腰部揺動に応じた情報を出力する出力部と、を備える。
【0009】
本開示の一態様の腰部揺動推定方法においては、被験者の足の動きに関するセンサデータから抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得し、特徴量データの入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶し、取得された特徴量データを推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定し、被験者の腰部揺動に応じた情報を出力する。
【0010】
本開示の一態様のプログラムは、被験者の足の動きに関するセンサデータから抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得する処理と、特徴量データの入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する処理と、取得された特徴量データを推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する処理と、被験者の腰部揺動に応じた情報を出力する処理とをコンピュータに実行させる。
【発明の効果】
【0011】
本開示によれば、日常生活において、腰の動きに関する指標である腰部揺動を高精度かつ手軽に推定できる腰部揺動推定装置等を提供することが可能になる。
【図面の簡単な説明】
【0012】
【図1】第１の実施形態に係る推定システムの構成の一例を示すブロック図である。
【図2】第１の実施形態に係る推定システムが備える計測装置の構成の一例を示すブロック図である。
【図3】第１の実施形態に係る計測装置の配置例を示す概念図である。
【図4】第１の実施形態に係る計測装置に設定されるローカル座標系と世界座標系の関係の一例について説明するための概念図である。
【図5】人体面について説明するための概念図である。
【図6】歩行周期について説明するための概念図である。
【図7】第１の実施形態に係る計測装置が計測するセンサデータの時系列データの一例について説明するためのグラフである。
【図8】第１の実施形態に係る計測装置による歩行波形データの正規化の一例について説明するための図である。
【図9】第１の実施形態に係る計測装置の特徴量データ生成部が抽出するクラスター特徴量について説明するための概念図である。
【図10】第１の実施形態に係る推定システムが備える腰部揺動推定装置の構成の一例を示すブロック図である。
【図11】進行方向における腰部位置の時系列データの一例を示すグラフである。
【図12】腰部揺動の導出方法について説明するためのグラフである。
【図13】進行方向における腰部揺動の差分の一例について説明するためのグラフである。
【図14】左右方向における腰部揺動の差分の一例について説明するためのグラフである。
【図15】垂直方向における腰部揺動の差分の一例について説明するためのグラフである。
【図16】垂直方向における腰部揺動の差分の別の一例について説明するためのグラフである。
【図17】第１の実施形態に係る推定システムが備える腰部揺動推定装置が用いる推定モデルの学習について説明するための概念図である。
【図18】第１の実施形態に係る推定システムが備える腰部揺動推定装置による進行方向における腰部揺動の推定に用いられる入力データの一部をまとめた表である。
【図19】第１の実施形態に係る推定システムが備える腰部揺動推定装置による左右方向における腰部揺動の推定に用いられる入力データの一部をまとめた表である。
【図20】第１の実施形態に係る推定システムが備える計測装置の動作の一例について説明するためのフローチャートである。
【図21】第１の実施形態に係る推定システムが備える腰部揺動推定装置の動作の一例について説明するためのフローチャートである。
【図22】第１の実施形態に係る推定システムの適用例について説明するための概念図である。
【図23】第１の実施形態に係る推定システムの適用例について説明するための概念図である。
【図24】第２の実施形態に係る腰部揺動推定装置の構成の一例を示すブロック図である。
【図25】各実施形態の処理を実行するハードウェア構成の一例を示すブロック図である。
【発明を実施するための形態】
【0013】
以下に、本発明を実施するための形態について図面を用いて説明する。ただし、以下に述べる実施形態には、本発明を実施するために技術的に好ましい限定がされているが、発明の範囲を以下に限定するものではない。なお、以下の実施形態の説明に用いる全図においては、特に理由がない限り、同様箇所には同一符号を付す。また、以下の実施形態において、同様の構成・動作に関しては繰り返しの説明を省略する場合がある。
【0014】
（第１の実施形態）
まず、第１の実施形態に係る推定システムについて図面を参照しながら説明する。本実施形態の推定システムは、履物に搭載された計測装置を用いて、ユーザの歩行に応じた足の動きに関するセンサデータを計測する。本実施形態の推定システムは、計測されたセンサデータを用いて、腰の動きに関する指標である腰部揺動を推定する。腰部揺動は、歩行時における腰部の平均的な位置を基準とする腰部の位置差分（変動幅）に相当する。
まず、第１の実施形態に係る推定システムについて図面を参照しながら説明する。本実施形態の推定システムは、履物に搭載された計測装置を用いて、ユーザの歩行に応じた足の動きに関するセンサデータを計測する。本実施形態の推定システムは、計測されたセンサデータを用いて、腰の動きに関する指標である腰部揺動を推定する。腰部揺動は、歩行時における腰部の平均的な位置を基準とする腰部の位置差分（変動幅）に相当する。
【0015】
左右の足は、下腿および大腿を通じて、骨盤と連結される。左右の足から骨盤の間には股関節および膝関節が位置するが、歩行中における骨盤と腰部の周期性は同様である。そのため、左右の足の動きと腰の動きとには、互いに連動するフェーズがある。本実施形態においては、足の動きに関するセンサデータを用いて、腰の動きに関する指標である腰部揺動を推定する。腰部揺動の詳細については、後述する。
【0016】
（構成）
図１は、本実施形態に係る推定システム１の構成の一例を示すブロック図である。推定システム１は、計測装置１０と腰部揺動推定装置１３を備える。本実施形態においては、計測装置１０と腰部揺動推定装置１３が別々のハードウェアに構成される例について説明する。例えば、計測装置１０は、腰部揺動の推定対象である被験者（ユーザ）の履物等に設置される。例えば、腰部揺動推定装置１３の機能は、被験者（ユーザ）の携帯する携帯端末にインストールされる。以下においては、計測装置１０および腰部揺動推定装置１３の構成について、個別に説明する。
図１は、本実施形態に係る推定システム１の構成の一例を示すブロック図である。推定システム１は、計測装置１０と腰部揺動推定装置１３を備える。本実施形態においては、計測装置１０と腰部揺動推定装置１３が別々のハードウェアに構成される例について説明する。例えば、計測装置１０は、腰部揺動の推定対象である被験者（ユーザ）の履物等に設置される。例えば、腰部揺動推定装置１３の機能は、被験者（ユーザ）の携帯する携帯端末にインストールされる。以下においては、計測装置１０および腰部揺動推定装置１３の構成について、個別に説明する。
【0017】
〔計測装置〕
図２は、計測装置１０の構成の一例を示すブロック図である。計測装置１０は、センサ１１と特徴量データ生成部１２を有する。本実施形態においては、センサ１１と特徴量データ生成部１２が一体化された例をあげる。センサ１１と特徴量データ生成部１２は、別々の装置として提供されてもよい。
図２は、計測装置１０の構成の一例を示すブロック図である。計測装置１０は、センサ１１と特徴量データ生成部１２を有する。本実施形態においては、センサ１１と特徴量データ生成部１２が一体化された例をあげる。センサ１１と特徴量データ生成部１２は、別々の装置として提供されてもよい。
【0018】
図２のように、センサ１１は、加速度センサ１１１と角速度センサ１１２を有する。図２には、加速度センサ１１１と角速度センサ１１２が、センサ１１に含まれる例をあげる。センサ１１には、加速度センサ１１１および角速度センサ１１２以外のセンサが含まれてもよい。センサ１１に含まれうる加速度センサ１１１および角速度センサ１１２以外のセンサについては、説明を省略する。
【0019】
加速度センサ１１１は、３軸方向の加速度（空間加速度とも呼ぶ）を計測するセンサである。加速度センサ１１１は、足の動きに関する物理量として、加速度（空間加速度とも呼ぶ）を計測する。加速度センサ１１１は、計測した加速度を特徴量データ生成部１２に出力する。例えば、加速度センサ１１１には、圧電型や、ピエゾ抵抗型、静電容量型等の方式のセンサを用いることができる。加速度センサ１１１として用いられるセンサは、加速度を計測できれば、その計測方式に限定を加えない。
【0020】
角速度センサ１１２は、３軸周りの角速度（空間角速度とも呼ぶ）を計測するセンサである。角速度センサ１１２は、足の動きに関する物理量として、角速度（空間角速度とも呼ぶ）を計測する。角速度センサ１１２は、計測した角速度を特徴量データ生成部１２に出力する。例えば、角速度センサ１１２には、振動型や静電容量型等の方式のセンサを用いることができる。角速度センサ１１２として用いられるセンサは、角速度を計測できれば、その計測方式に限定を加えない。
【0021】
センサ１１は、例えば、加速度や角速度を計測する慣性計測装置によって実現される。慣性計測装置の一例として、ＩＭＵ（Inertial Measurement Unit）があげられる。ＩＭＵは、３軸方向の加速度を計測する加速度センサ１１１と、３軸周りの角速度を計測する角速度センサ１１２を含む。センサ１１は、ＶＧ（Vertical Gyro）やＡＨＲＳ（Attitude Heading）などの慣性計測装置によって実現されてもよい。また、センサ１１は、ＧＰＳ／ＩＮＳ（Global Positioning System／Inertial Navigation System）によって実現されてもよい。センサ１１は、足の動きに関する物理量を計測できれば、慣性計測装置以外の装置によって実現されてもよい。
【0022】
図３は、両足の靴１００の中に、計測装置１０が配置される一例を示す概念図である。図３の例では、足弓の裏側に当たる位置に、計測装置１０が設置される。計測装置１０は、足の動きに関するセンサデータを計測できさえすれば、足弓の裏側ではない位置に設置されてもよい。例えば、計測装置１０は、靴１００の中に挿入されるインソールに配置される。計測装置１０は、靴１００の底面に配置されてもよい。計測装置１０は、靴１００の本体に埋設されてもよい。計測装置１０は、靴１００から着脱できてもよいし、靴１００から着脱できなくてもよい。また、計測装置１０は、ユーザが履いている靴下や、ユーザが装着しているアンクレット等の装飾品に設置されてもよい。また、計測装置１０は、足に直に貼り付けられたり、足に埋め込まれたりしてもよい。図３には、両足の靴１００に計測装置１０が設置される例を示す。計測装置１０は、片足の靴１００に設置されてもよい。
【0023】
図３の例では、計測装置１０（センサ１１）を基準として、左右方向のｘ軸、進行方向のｙ軸、垂直方向のｚ軸を含むローカル座標系が設定される。ｘ軸は左方を正とし、ｙ軸は後方を正とし、ｚ軸は上方を正とする。センサ１１に設定される軸の向きは、左右の足で同じでもよく、左右の足で異なっていてもよい。例えば、同じスペックで生産されたセンサ１１が左右の靴１００の中に配置される場合、左右の靴１００に配置されるセンサ１１の上下の向き（Ｚ軸方向の向き）は、同じ向きである。その場合、左足に由来するセンサデータに設定されるローカル座標系の３軸と、右足に由来するセンサデータに設定されるローカル座標系の３軸とは、左右で同じにある。左右で異なるスペックで生産されたセンサ１１が靴１００の中に配置される場合、左右の靴１００に配置されるセンサ１１の上下の向き（Ｚ軸方向の向き）は、異なる向きであってもよい。
【0024】
図４は、足弓の裏側に設置された計測装置１０（センサ１１）に設定されるローカル座標系（ｘ軸、ｙ軸、ｚ軸）と、地面に対して設定される世界座標系（Ｘ軸、Ｙ軸、Ｚ軸）について説明するための概念図である。世界座標系（Ｘ軸、Ｙ軸、Ｚ軸）では、進行方向に正対した状態のユーザが直立した状態で、ユーザの横方向がＸ軸方向（左向きが正）、ユーザの背面の方向がＹ軸方向（後ろ向きが正）、重力方向がＺ軸方向（鉛直上向きが正）に設定される。なお、図４の例は、ローカル座標系（ｘ軸、ｙ軸、ｚ軸）と世界座標系（Ｘ軸、Ｙ軸、Ｚ軸）の関係を概念的に示すものであり、ユーザの歩行に応じて変動するローカル座標系と世界座標系の関係を正確に示すものではない。
【0025】
図５は、人体に対して設定される面（人体面とも呼ぶ）について説明するための概念図である。本実施形態では、身体を左右に分ける矢状面、身体を前後に分ける冠状面、身体を水平に分ける水平面が定義される。なお、図５のように、足の中心線を進行方向に向けて直立した状態では、世界座標系とローカル座標系が一致する。本実施形態においては、ｘ軸を回転軸とする矢状面内の回転をロール、ｙ軸を回転軸とする冠状面内の回転をピッチ、ｚ軸を回転軸とする水平面内の回転をヨーと定義する。また、ｘ軸を回転軸とする矢状面内の回転角をロール角、ｙ軸を回転軸とする冠状面内の回転角をピッチ角、ｚ軸を回転軸とする水平面内の回転角をヨー角と定義する。以下においては、ｘ軸、ｙ軸、およびｚ軸は、３軸と表記される。
【0026】
図２のように、特徴量データ生成部１２（特徴量データ生成装置とも呼ぶ）は、取得部１２１、正規化部１２２、抽出部１２３、生成部１２５、および送信部１２７を有する。例えば、特徴量データ生成部１２は、計測装置１０の全体制御やデータ処理を行うマイクロコンピュータやマイクロコントローラによって実現される。例えば、特徴量データ生成部１２は、ＣＰＵ（Central Processing Unit）やＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ等を有する。特徴量データ生成部１２は、加速度センサ１１１および角速度センサ１１２を制御して、角速度や加速度を計測する。例えば、特徴量データ生成部１２は、被験者（ユーザ）の携帯する携帯端末（図示しない）の側に実装されてもよい。その場合、センサ１１に通信機能を設け、センサ１１から送信されたセンサデータを、特徴量データ生成部１２が実装された携帯端末で受信すればよい。
【0027】
取得部１２１は、加速度センサ１１１から、３軸方向の加速度を取得する。また、取得部１２１は、角速度センサ１１２から、３軸周りの角速度を取得する。例えば、取得部１２１は、取得された角速度および加速度等の物理量（アナログデータ）をＡＤ変換（Analog-to-Digital Conversion）する。なお、加速度センサ１１１および角速度センサ１１２によって計測された物理量（アナログデータ）は、加速度センサ１１１および角速度センサ１１２の各々においてデジタルデータに変換されてもよい。取得部１２１は、変換後のデジタルデータ（センサデータとも呼ぶ）を正規化部１２２に出力する。取得部１２１は、図示しない記憶部に、センサデータを記憶させるように構成されてもよい。センサデータには、デジタルデータに変換された加速度データと、デジタルデータに変換された角速度データとが少なくとも含まれる。加速度データは、３軸方向の加速度ベクトルを含む。角速度データは、３軸周りの角速度ベクトルを含む。加速度データおよび角速度データには、それらのデータの取得時間が紐付けられる。また、取得部１２１は、加速度データおよび角速度データに対して、実装誤差や温度補正、直線性補正などの補正を加えてもよい。
【0028】
正規化部１２２は、取得部１２１からセンサデータを取得する。正規化部１２２は、センサデータに含まれる３軸方向の加速度および３軸周りの角速度の時系列データから、一歩行周期分の時系列データ（歩行波形データとも呼ぶ）を抽出する。正規化部１２２は、抽出された一歩行周期分の歩行波形データの時間を、０～１００％（パーセント）の歩行周期に正規化（第１正規化とも呼ぶ）する。０～１００％の歩行周期に含まれる１％や１０％などのタイミングは、歩行フェーズともばれる。また、正規化部１２２は、第１正規化された一歩行周期分の歩行波形データに関して、立脚相が６０％、遊脚相が４０％になるように正規化（第２正規化とも呼ぶ）する。立脚相は、足の裏側の少なくとも一部が地面に接している期間である。遊脚相は、足の裏側が地面から離れている期間である。歩行波形データが第２正規化されれば、歩行周期ごとに発生しうる歩行フェーズのずれの影響を軽減できる。
【0029】
図６は、右足を基準とする一歩行周期について説明するための概念図である。左足を基準とする一歩行周期も、右足と同様である。図６の横軸は、右足の踵が地面に着地した時点を起点とし、次に右足の踵が地面に着地した時点を終点とする右足の一歩行周期である。図６の横軸は、一歩行周期を１００％として第１正規化されている。また、図６の横軸は、立脚相が６０％、遊脚相が４０％になるように第２正規化されている。片足の一歩行周期は、足の裏側の少なくとも一部が地面に接している立脚相と、足の裏側が地面から離れている遊脚相とに大別される。立脚相は、さらに、荷重応答期Ｔ１、立脚中期Ｔ２、立脚終期Ｔ３、遊脚前期Ｔ４に細分される。遊脚相は、さらに、遊脚初期Ｔ５、遊脚中期Ｔ６、遊脚終期Ｔ７に細分される。なお、図６は一例であって、一歩行周期を構成する期間や、それらの期間の名称等を限定するものではない。
【0030】
図６のように、歩行においては、複数の事象（歩行イベントとも呼ぶ）が発生する。Ｅ１は、右足の踵が接地する事象（踵接地）を表す（ＨＣ：Heel Contact）。Ｅ２は、右足の足裏が接地した状態で、左足の爪先が地面から離れる事象（反対足爪先離地）を表す（ＯＴＯ：Opposite Toe Off）。Ｅ３は、右足の足裏が接地した状態で、右足の踵が持ち上がる事象（踵持ち上がり）を表す（ＨＲ：Heel Rise）。Ｅ４は、左足の踵が接地した事象（反対足踵接地）である（ＯＨＳ：Opposite Heel Strike）。Ｅ５は、左足の足裏が接地した状態で、右足の爪先が地面から離れる事象（爪先離地）を表す（ＴＯ：Toe Off）。Ｅ６は、左足の足裏が接地した状態で、左足と右足が交差する事象（足交差）を表す（ＦＡ：Foot Adjacent）。Ｅ７は、左足の足裏が接地した状態で、右足の脛骨が地面に対してほぼ垂直になる事象（脛骨垂直）を表す（ＴＶ：Tibia Vertical）。Ｅ８は、右足の踵が接地する事象（踵接地）を表す（ＨＣ：Heel Contact）。Ｅ８は、Ｅ１から始まる歩行周期の終点に相当するとともに、次の歩行周期の起点に相当する。なお、図６は一例であって、歩行において発生する事象や、それらの事象の名称を限定するものではない。
【0031】
図７は、進行方向加速度（Ｙ方向加速度）の時系列データ（実線）から、踵接地ＨＣや爪先離地ＴＯを検出する一例について説明するための図である。踵接地ＨＣのタイミングは、進行方向加速度（Ｙ方向加速度）の時系列データに表れる極大ピークの直後の極小ピークのタイミングである。踵接地ＨＣのタイミングの目印になる極大ピークは、一歩行周期分の歩行波形データの最大ピークに相当する。連続する踵接地ＨＣの間の区間が、一歩行周期である。爪先離地ＴＯのタイミングは、進行方向加速度（Ｙ方向加速度）の時系列データに変動が表れない立脚相の期間の後に表れる極大ピークの立ち上がりのタイミングである。図８には、ロール角（Ｘ軸周り角速度）の時系列データ（破線）も示す。ロール角が最小のタイミングと、ロール角が最大のタイミングとの中点のタイミングが、立脚中期Ｔ２から立脚終期Ｔ３への移行のタイミングＴmに相当する。立脚中期Ｔ２から立脚終期Ｔ３への移行のタイミングＴmは、踵持ち上がりＨＲのタイミングとほぼ一致する。身体状態の推定に用いられるパラメータ（歩容パラメータとも呼ぶ）は、立脚中期Ｔ２から立脚終期Ｔ３への移行のタイミングＴmを基準として求めることができる。
【0032】
図８は、歩行波形データの正規化の一例について説明するための図である。正規化部１２２は、進行方向加速度（Ｙ方向加速度）の時系列データから、踵接地ＨＣと爪先離地ＴＯを検出する。正規化部１２２は、連続する踵接地ＨＣの間の区間を、一歩行周期分の歩行波形データとして抽出する。正規化部１２２は、第１正規化によって、一歩行周期分の歩行波形データの横軸（時間軸）を、０～１００％の歩行周期に変換する。図９には、第１正規化後の歩行波形データを破線で示す。第１正規化後の歩行波形データ（破線）では、爪先離地ＴＯのタイミングが６０％からずれている。
【0033】
図８の例において、正規化部１２２は、歩行フェーズが０％の踵接地ＨＣから、その踵接地ＨＣに後続する爪先離地ＴＯまでの区間を０～６０％に正規化する。また、正規化部１２２は、爪先離地ＴＯから、爪先離地ＴＯに後続する歩行フェーズが１００％の踵接地ＨＣまでの区間を６０～１００％に正規化する。その結果、一歩行周期分の歩行波形データは、歩行周期が０～６０％の区間（立脚相）と、歩行周期が６０～１００％の区間（遊脚相）とに正規化される。図９には、第２正規化後の歩行波形データを実線で示す。第２正規化後の歩行波形データ（実線）では、爪先離地ＴＯのタイミングが６０％に一致する。例えば、立脚相と遊脚相の各々の時間やそれらの比率を検証する場合、第２正規化を省略してもよい。
【0034】
図７～図８には、進行方向加速度（Ｙ方向加速度）に基づいて、一歩行周期分の歩行波形データを抽出／正規化する例を示した。進行方向加速度（Ｙ方向加速度）以外の加速度／角速度に関して、正規化部１２２は、進行方向加速度（Ｙ方向加速度）の歩行周期に合わせて、一歩行周期分の歩行波形データを抽出／正規化する。また、正規化部１２２は、３軸周りの角速度の時系列データを積分することで、３軸周りの角度の時系列データを生成してもよい。その場合、正規化部１２２は、３軸周りの角度に関しても、進行方向加速度（Ｙ方向加速度）の歩行周期に合わせて、一歩行周期分の歩行波形データを抽出／正規化する。
【0035】
正規化部１２２は、進行方向加速度（Ｙ方向加速度）以外の加速度／角速度に基づいて、一歩行周期分の歩行波形データを抽出／正規化してもよい（図面は省略）。例えば、正規化部１２２は、垂直方向加速度（Ｚ方向加速度）の時系列データから、踵接地ＨＣや爪先離地ＴＯを検出してもよい。踵接地ＨＣのタイミングは、垂直方向加速度（Ｚ方向加速度）の時系列データに表れる急峻な極小ピークのタイミングである。急峻な極小ピークのタイミングにおいては、垂直方向加速度（Ｚ方向加速度）の値がほぼ０になる。踵接地ＨＣのタイミングの目印になる極小ピークは、一歩行周期分の歩行波形データの最小ピークに相当する。連続する踵接地ＨＣの間の区間が、一歩行周期である。爪先離地ＴＯのタイミングは、垂直方向加速度（Ｚ方向加速度）の時系列データが、踵接地ＨＣの直後の極大ピークの後に変動の小さい区間を経た後に、なだらかに増大する途中の変曲点のタイミングである。また、正規化部１２２は、進行方向加速度（Ｙ方向加速度）および垂直方向加速度（Ｚ方向加速度）の両方に基づいて、一歩行周期分の歩行波形データを抽出／正規化してもよい。また、正規化部１２２は、進行方向加速度（Ｙ方向加速度）および垂直方向加速度（Ｚ方向加速度）以外の加速度や角速度、角度等に基づいて、一歩行周期分の歩行波形データを抽出／正規化してもよい。
【0036】
抽出部１２３は、正規化部１２２によって正規化された一歩行周期分の歩行波形データを取得する。抽出部１２３は、一歩行周期分の歩行波形データから、腰部揺動の推定に用いられる特徴量を抽出する。抽出部１２３は、予め設定された条件に基づいて、時間的に連続する歩行フェーズを統合した歩行フェーズクラスターから、歩行フェーズクラスターごとの特徴量（クラスター特徴量とも呼ぶ）を抽出する。歩行フェーズクラスターは、少なくとも一つの歩行フェーズを含む。歩行フェーズクラスターには、単一の歩行フェーズも含まれる。腰部揺動の推定に用いられる特徴量が抽出される歩行波形データや歩行フェーズについては、後述する。
【0037】
図９は、一歩行周期分の歩行波形データから、腰部揺動を推定するための特徴量を抽出することについて説明するための概念図である。例えば、抽出部１２３は、時間的に連続する歩行フェーズｉ～ｉ＋ｍを、歩行フェーズクラスターＣとして抽出する（ｉ、ｍは自然数）。本実施形態においては、Statistic parametric mappingを利用した相関分析によって、腰部揺動の推定に用いられる歩行フェーズクラスターＣが選定された例をあげる。例えば、歩行フェーズクラスターＣは、ピアソンの相関分析によって選定されてもよい。
【0038】
図９の例において、歩行フェーズクラスターＣは、ｍ個の歩行フェーズ（構成要素）を含む。すなわち、歩行フェーズクラスターＣを構成する歩行フェーズ（構成要素）の数（構成要素数とも呼ぶ）は、ｍである。図９には、歩行フェーズが整数値の例をあげるが、歩行フェーズは小数点以下まで細分化されてもよい。歩行フェーズが小数点以下まで細分化される場合、歩行フェーズクラスターＣの構成要素数は、歩行フェーズクラスターの区間のデータ点数に応じた数になる。抽出部１２３は、歩行フェーズｉ～ｉ＋ｍの各々から特徴量を抽出する。歩行フェーズクラスターＣが単一の歩行フェーズｊによって構成される場合、抽出部１２３は、その単一の歩行フェーズｊから特徴量を抽出する（ｊは自然数）。
【0039】
生成部１２５は、歩行フェーズクラスターを構成する歩行フェーズの各々から抽出された特徴量に特徴量構成式を適用して、歩行フェーズクラスターの特徴量（クラスター特徴量）を生成する。クラスター特徴量は、第１特徴量とも呼ばれる。特徴量構成式は、歩行フェーズクラスターの特徴量を生成するために、予め設定された計算式である。例えば、特徴量構成式は、四則演算に関する計算式である。例えば、特徴量構成式を用いて算出されるクラスター特徴量は、歩行フェーズクラスターに含まれる各歩行フェーズにおける特徴量の積分平均値や算術平均値、傾斜、ばらつきなどである。例えば、生成部１２５は、歩行フェーズクラスターを構成する歩行フェーズの各々から抽出された特徴量の傾斜やばらつきを算出する計算式を、特徴量構成式として適用する。例えば、歩行フェーズクラスターが単独の歩行フェーズで構成される場合は、傾斜やばらつきを算出できないため、積分平均値や算術平均値などを計算する特徴量構成式が用いればよい。例えば、歩行フェーズクラスターが単独の歩行フェーズで構成される場合、その歩行フェーズから抽出された特徴量が、クラスター特徴量に設定されてもよい。
【0040】
また、生成部１２５は、歩容に関するパラメータ（歩容パラメータとも呼ぶ）を計算する。生成部１２５は、歩行波形データから導出される特徴量を用いて、歩容パラメータを計算する。歩容パラメータは、身体状態の推定に用いられる特徴を含む。推定システム１は、腰部揺動推定装置１３の側において歩容パラメータを計算するように、構成されてもよい。以下に、生成部１２５によって計算される歩容パラメータの例を列挙する。以下の歩容パラメータは、一例であって、歩容の特徴を含む全てのパラメータを網羅していない。本実施形態においては、以下にあげる歩容パラメータのうち、腰部揺動の推定において相関の高いものを選択する。歩容パラメータの算出方法の詳細については、省略する。
【0041】
歩容パラメータの一例として、歩幅、歩行ピッチ、歩行速度、接地角度、離地角度、外回し距離（分回し量）、爪先の向き（内旋／外旋）があげられる。歩幅は、左右いずれかの足を一歩踏み出して爪先が着地した状態における、両足の爪先間の距離である。歩行ピッチは、所定時間内における歩数であり、歩行速度の計算に用いられる。歩行速度は、一歩行周期における移動速度である。歩行速度は、複数の歩行周期において平均化された値であってもよい。接地角度は、踵が接地した状態における、足裏の地面に対する角度（姿勢角）である。接地角度は、爪が地面に接地した状態における、足裏の地面に対する角度（姿勢角）である。外回し距離は、一歩行周期における片足の移動経路から、その足が最も離れたタイミングにおける、移動経路を示す直線と足との距離である。爪先の向きは、一歩行周期における片足の移動経路を示す直線と、着地した状態の足の中心線とが成す角度である。
【0042】
歩容パラメータの一例として、ロール角、足上げ高さ、底屈方向最大角速度、背屈方向最大角速度、最大速度、遊脚時足情報最大加速度、ケイデンスがあげられる。例えば、踵接地や爪先離地におけるロール角が、歩容パラメータとして用いられる。足上げ高さは、垂直方向の足の高さに相当する。例えば、遊脚相における底屈方向最大角速度や背屈方向最大角速度が、歩容パラメータとして用いられる。例えば、遊脚相における最大速度が、歩容パラメータとして用いられる。遊脚時足情報最大加速度は、遊脚時における脚の垂直方向加速度の最大値であり、足と腰の動きの連動に応じた腰の上昇に関連する。ケイデンスは、６０秒間における歩数に相当する。
【0043】
歩容パラメータの一例として、立脚時間や遊脚時間、ＤＳＴ（Double Support Time）、荷重時間、足底接地時間、蹴り出し時間があげられる。立脚時間は、立脚相の期間に相当する時間である。遊脚時間は、遊脚相の期間に相当する時間である。ＤＳＴは、歩行中における両脚支持期間に相当する。ＤＳＴには、踵接地後の両脚支持期間に相当するＤＳＴ１と、蹴り出し直前の両脚支持期間に相当するＤＳＴ２とが含まれる。荷重時間は、足裏に荷重が印加されている時間である。荷重時間は、踵接地から足底接地までの時間に相当する。足底接地時間は、足底の主要面が接地している時間である。足底接地時間は、足底接地から踵離地までの時間に相当する。蹴り出し時間は、足底の主要面に荷重が印加されてから、足が蹴り出されるまでの時間である。蹴り出し時間は、足底接地から爪先離地までの時間に相当する。
【0044】
送信部１２７は、生成部１２５によって生成されたクラスター特徴量を含む特徴量データを出力する。腰部揺動の推定に歩容パラメータが用いられる場合、送信部１２７は、クラスター特徴量および歩容パラメータを含む特徴量データを出力する。送信部１２７は、腰部揺動推定装置１３に特徴量データを送信する。例えば、送信部１２７は、無線通信を介して、腰部揺動推定装置１３に特徴量データを送信する。例えば、送信部１２７は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉＦｉ（登録商標）などの規格に則した無線通信機能（図示しない）を介して、腰部揺動推定装置１３に特徴量データを送信するように構成される。なお、送信部１２７の通信機能は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉＦｉ（登録商標）以外の規格に則していてもよい。
【0045】
〔腰部揺動推定装置〕
図１０は、腰部揺動推定装置１３の構成の一例を示すブロック図である。腰部揺動推定装置１３は、通信部１３１、計算部１３３，記憶部１３５、推定部１３７、および出力部１３９を有する。
図１０は、腰部揺動推定装置１３の構成の一例を示すブロック図である。腰部揺動推定装置１３は、通信部１３１、計算部１３３，記憶部１３５、推定部１３７、および出力部１３９を有する。
【0046】
通信部１３１は、計測装置１０から特徴量データを取得する。通信部１３１は、受信された計算部１３３に出力する。通信部１３１は、ケーブルなどの有線を介して特徴量データを計測装置１０から受信してもよいし、無線通信を介して特徴量データを計測装置１０から受信してもよい。例えば、通信部１３１は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉＦｉ（登録商標）などの規格に則した無線通信機能（図示しない）を介して、特徴量データを計測装置１０から受信するように構成される。なお、通信部１３１の通信機能は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉＦｉ（登録商標）以外の規格に則していてもよい。
【0047】
計算部１３３は、特報量データを取得する。計算部１３３は、取得した特徴量データに含まれるクラスター特徴量および歩容パラメータを用いて、腰部揺動の推定に用いられる入力データを計算する。計算部１３３は、腰部揺動の推定に用いられる両足分の第１特徴量に関して、平均値を計算する。計算部１３３は、腰部揺動の推定に用いられる両足分の第１特徴量に関して、差分の絶対値を計算する。また、計算部１３３は、腰部揺動の推定に用いられる両足分の歩容パラメータに関して、平均値を計算する。計算部１３３は、腰部揺動の推定に用いられる両足分の歩容パラメータに関して、差分の絶対値を計算する。以下において、差分の絶対値を、差分とも呼ぶ。また、計算部１３３によって算出される両足分の第１特徴量／歩容パラメータに関する平均値や差分を、第２特徴量とも呼ぶ。第２特徴量は、腰部揺動の推定に用いられる。計測装置１０によって生成された特徴量データに含まれる第１特徴量や歩容パラメータの平均値や差分ではなく、第１特徴量や歩容パラメータがそのまま腰部揺動の推定に用いられてもよい。その場合、計算部１３３を省略できる。
【0048】
記憶部１３５は、腰部揺動を推定するための推定モデルを記憶する。推定モデルは、計算部１３３によって算出される入力データの入力に応じて、腰部揺動に関する推定結果を出力する。記憶部１３５は、複数の被験者に関して学習された推定モデルを記憶する。被験者の属性が推定に用いられる場合、記憶部１３５は、被験者の属性を記憶する。例えば、被験者の属性には、被験者の性別、年齢、体重、身長等が含まれる。腰部揺動推定装置１３は、進行方向、左右歩行、および垂直方向の３方向に関する腰部揺動を推定する。被験者の属性は、推定対象である腰部揺動の方向によって異なる。
【0049】
推定モデルは、製品の工場出荷時や、推定システムをユーザが使用する前のキャリブレーション時等のタイミングにおいて、記憶部１３５に記憶させておく。例えば、推定システム１は、外部のサーバ等の記憶装置に保存された推定モデルを用いるように、構成されてもよい。その場合、推定システム１は、その記憶装置と接続されたインターフェース（図示しない）を介して推定モデルが用いられるように、構成すればよい。
【0050】
推定部１３７は、計算部１３３から、腰部揺動の推定に用いられる入力データを取得する。計測装置１０によって生成された特徴量データをそのまま用いる場合、推定部１３７は、入力データとして特徴量データを取得する。被験者の属性が推定に用いられる場合、推定部１３７は、被験者の属性を記憶部１３５から取得する。
【0051】
推定部１３７は、取得された入力データを用いて、腰部揺動を推定する。本実施形態においては、一歩行周期における腰部揺動の最大値と最小値との差分に相当する腰部揺動の変動幅を推定する例をあげる。推定部１３７は、記憶部１３５に記憶された推定モデルに入力データを入力する。推定部１３７は、推定モデルから出力される腰部揺動の推定結果を出力する。クラウドやサーバ等に構築された外部の記憶装置に保存された推定モデルを用いる場合、推定部１３７は、その記憶装置と接続されたインターフェース（図示しない）を介して、推定モデルを用いるように構成される。
【0052】
腰部揺動は、歩行中の対象者の平均的な腰部位置を基準とする、相対的な腰部位置を示す指標である。推定部１３７は、進行方向、左右方向、および垂直方向の３方向における腰部揺動を推定する。腰部揺動を用いれば、足の動きだけでは把握できない、対象者の動きを把握できる。
【0053】
進行方向における腰部揺動に関しては、前方が正であり、後方が負である。進行方向における腰部揺動が正の場合、進行方向における平均的な腰部位置よりも、腰部位置が前方に位置する。進行方向における腰部揺動が負の場合、進行方向における平均的な腰部位置よりも、腰部位置が後方に位置する。
【0054】
図１１～図１２は、進行方向における腰部揺動の導出方法について説明するためのグラフである。図１１は、進行方向における腰部位置の時系列データの一例について説明するためのグラフである。図１１のグラフは、一歩行周期における進行方向における腰部位置の時系列データＬを示す。図１１には、一歩行周期における腰部位置の時系列データＬを一次関数で近似した基準直線Ｓ（破線）を示す。例えば、基準直線Ｓは、一歩行周期における腰部位置の時系列データＬの回帰直線である。一歩行周期における腰部位置の時系列データＬの各点と基準直線Ｓとの距離が、腰部揺動である。
【0055】
図１２は、図１１のグラフにおける腰部揺動を強調して示した概念図である。腰部位置の時系列データＬの点Ｐ（ｘ、ｙ）は、歩行フェーズｘにおける腰部位置を示す。腰部位置の時系列データＬの点Ｐ（ｘ、ｙ）から基準直線Ｓに下ろした垂線の長さが、歩行フェーズｘにおける腰部揺動Ｄｘである。所定歩行区間における平均速度に応じた対象者の位置よりも、その対象者の腰部位置が前方にある場合、腰部揺動Ｄｘは正である。所定歩行区間における平均速度に応じた対象者の位置よりも、その対象者の腰部位置が後方にある場合、腰部揺動Ｄｘは負である。平均速度に応じた対象者の位置から腰部位置が離れるほど、腰部揺動Ｄｘの絶対値が大きい。平均速度に応じた対象者の位置から腰部位置が近いほど、腰部揺動Ｄｘの絶対値が小さい。
【0056】
図１３は、進行方向における腰部揺動の時系列データの一例を示すグラフである。図１３のグラフでは、進行方向における腰部揺動の時系列データが歩行周期に対応付けられる。一歩行周期において、進行方向における腰部揺動の最大値と最小値との差分ｄｙwが、進行方向における腰部揺動の変動幅に相当する。
【0057】
左右方向における腰部揺動に関しては、左右のいずれか一方が正であり、他方が負である。例えば、左が正で、右が負であると仮定する。左右方向における腰部揺動が正の場合、対象者の進行方向に沿った歩行経路よりも、腰部位置が左方に位置する。左右方向における腰部揺動が負の場合、対象者の進行方向に沿った歩行経路よりも、腰部位置が右方に位置する。
【0058】
図１４は、左右方向における腰部揺動の時系列データの一例を示すグラフである。図１４のグラフでは、左右方向における腰部揺動の時系列データが歩行周期に対応付けられる。一歩行周期において、左右方向における腰部揺動の最大値と最小値との差分ｄｘwが、左右方向における腰部揺動の変動幅に相当する。
【0059】
垂直方向における腰部揺動に関しては、上方が正であり、下方が負である。垂直方向における腰部揺動が正の場合、垂直方向における平均的な腰部位置よりも、腰部位置が上方に位置する。垂直方向における腰部揺動が負の場合、垂直方向における平均的な腰部位置よりも、腰部位置が下方に位置する。
【0060】
図１５は、垂直方向における腰部揺動の時系列データの一例を示すグラフである。図１５のグラフでは、垂直方向における腰部揺動の時系列データが歩行周期に対応付けられる。一歩行周期において、垂直方向における腰部揺動の最大値と最小値との差分ｄｚwが、垂直方向における腰部揺動の変動幅に相当する。
【0061】
図１６は、垂直方向における腰部揺動の時系列データの別の一例を示すグラフである。図１６のグラフでは、垂直方向における腰部揺動の時系列データが歩行周期に対応付けられる。垂直方向における腰部揺動の時系列データには、二つの振幅が表れる。図１６の例では、一歩行周期において、先行する振幅の変動幅（差分ｄｚw1）と、後続する振幅の変動幅（差分ｄｚw2）とを別々に推定する。例えば、先行する振幅の変動幅（差分ｄｚw1）と、後続する振幅の変動幅（差分ｄｚw2）とは、それぞれに対応した異なる推定モデルを用いて推定される。
【0062】
出力部１３９は、推定部１３７による腰部揺動の推定結果を出力する。例えば、出力部１３９は、被験者（ユーザ）の携帯端末の画面に、腰部揺動の推定結果を表示させる。例えば、出力部１３９は、推定結果を使用する外部システム等に対して、その推定結果を出力する。腰部揺動推定装置１３から出力された腰部揺動に関する情報の使用に関しては、特に限定を加えない。
【0063】
例えば、腰部揺動推定装置１３は、被験者（ユーザ）が携帯する携帯端末（図示しない）を介して、クラウドやサーバに構築された外部システム等に接続される。携帯端末（図示しない）は、携帯可能な通信機器である。例えば、携帯端末は、スマートフォンや、スマートウォッチ、携帯電話等の通信機能を有する携帯型の通信機器である。例えば、腰部揺動推定装置１３は、ケーブルなどの有線を介して、携帯端末に接続される。例えば、腰部揺動推定装置１３は、無線通信を介して、携帯端末に接続される。例えば、腰部揺動推定装置１３は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉＦｉ（登録商標）などの規格に則した無線通信機能（図示しない）を介して、携帯端末に接続される。なお、腰部揺動推定装置１３の通信機能は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉＦｉ（登録商標）以外の規格に則していてもよい。腰部揺動の推定結果は、携帯端末にインストールされたアプリケーションによって使用されてもよい。その場合、携帯端末は、その携帯端末にインストールされたアプリケーションソフトウェア等によって、推定結果を用いた処理を実行する。
【0064】
〔学習例〕
次に、腰部揺動推定装置１３による腰部揺動の推定に用いられる推定モデルの学習例について、腰部揺動の差分と特徴量データとの相関関係に関する検証結果を交えて説明する。以下においては、４５名の被験者に対して行われた検証例をあげる。以下の検証例では、歩行における腰部揺動の実測値と推定値との相関を検証した。本検証例では、スマートアパレルを着用し、計測装置１０が搭載された靴を履いた被験者に、５ｍの直線経路を２往復歩行させた。スマートアパレルの腰部には、空間加速度および空間角速度を計測するＩＭＵが搭載されている。実測値は、被験者の腰部の空間加速度および空間角速度の計測値を用いて、導出された。予測値は、実測値の計測と同時に、被験者が履く靴に搭載された計測装置１０によって計測されたセンサデータを用いて推定された推定値である。実測値と推定値との相関関係は、相関係数で評価される。
次に、腰部揺動推定装置１３による腰部揺動の推定に用いられる推定モデルの学習例について、腰部揺動の差分と特徴量データとの相関関係に関する検証結果を交えて説明する。以下においては、４５名の被験者に対して行われた検証例をあげる。以下の検証例では、歩行における腰部揺動の実測値と推定値との相関を検証した。本検証例では、スマートアパレルを着用し、計測装置１０が搭載された靴を履いた被験者に、５ｍの直線経路を２往復歩行させた。スマートアパレルの腰部には、空間加速度および空間角速度を計測するＩＭＵが搭載されている。実測値は、被験者の腰部の空間加速度および空間角速度の計測値を用いて、導出された。予測値は、実測値の計測と同時に、被験者が履く靴に搭載された計測装置１０によって計測されたセンサデータを用いて推定された推定値である。実測値と推定値との相関関係は、相関係数で評価される。
【0065】
図１７は、腰部揺動の推定に用いられる推定モデルの学習の一例について説明するための概念図である。推定モデルの学習には、複数の被験者に関する説明変数と応答変数が用いられる。説明変数には、被験者の属性、被験者の歩行に応じて生成されたクラスター特徴量および歩容パラメータが用いられる。応答変数には、クラスター特徴量および歩容パラメータを生成するためのセンサデータの計測時において、同時に計測された腰部揺動の変動幅の実測値が用いられる。腰部揺動の変動幅の実測値には、進行方向における差分ｄｘw、左右方向における差分ｄｙw、垂直方向における差分ｄｚwが含まれる。例えば、腰部揺動の変動幅の実測値は、被験者の腰部に装着されたＩＭＵによって実測された計測値を用いて、導出される。例えば、推定モデルは、Leave-one-subject-out LASSOの手法で選択された特徴量を用いて構築された重回帰モデルである。
【0066】
例えば、推定モデルは、線形回帰のアルゴリズムを用いた学習によって、構築される。例えば、推定モデルは、サポートベクターマシン（ＳＶＭ：Support Vector Machine）のアルゴリズムを用いた学習によって、構築される。例えば、推定モデルは、ガウス過程回帰（ＧＰＲ：Gaussian Process Regression）のアルゴリズムを用いた学習によって、構築される。例えば、推定モデルは、ランダムフォレスト（ＲＦ：Random Forest）のアルゴリズムを用いた学習によって、構築される。推定モデルは、特徴量データに応じて、その特徴量データの生成元の被験者を分類する教師なし学習によって、構築されてもよい。推定モデルの学習に用いられるアルゴリズムには、特に限定を加えない。
【0067】
推定モデルは、一歩行周期分の歩行波形データ（センサデータ）を説明変数とする学習によって、構築されてもよい。例えば、推定モデルは、３軸方向の加速度、３軸周りの角速度、３軸周りの角度（姿勢角）の歩行波形データを説明変数とし、推定対象である腰部揺動の変動幅の実測値を目的変数とした教師あり学習によって、構築される。
【0068】
＜進行方向＞
進行方向における腰部揺動の差分の推定には、両足に関する第１特徴量／歩容パラメータの平均値または差分が用いられる。また、進行方向における腰部揺動の差分の推定には、ユーザの属性として、体重が用いられる。
進行方向における腰部揺動の差分の推定には、両足に関する第１特徴量／歩容パラメータの平均値または差分が用いられる。また、進行方向における腰部揺動の差分の推定には、ユーザの属性として、体重が用いられる。
【0069】
図１８は、進行方向における腰部揺動の差分の推定に用いられる両足に関する第２特徴量の一部をまとめた表である。進行方向における腰部揺動の差分の推定に関しては、進行方向加速度Ａy、進行軸周りの角速度Ｇy、および垂直軸周りの角速度Ｇzに関する両足の平均値が、第２特徴量として用いられる。進行方向加速度Ａyに関しては、歩行フェーズ９２－９４％の区間の第２特徴量Ｆy1が、推定に用いられる。進行軸周りの角速度Ｇyに関しては、歩行フェーズ７６－８１％の区間の第２特徴量Ｆy2が、推定に用いられる。垂直軸周りの角速度Ｇzに関しては、歩行フェーズ９２％の区間の第２特徴量Ｆy3が、推定に用いられる。また、進行方向における腰部揺動の差分の推定に関しては、進行軸周り角速度Ｇy、および垂直軸周りの角速度Ｇｚに関する両足の差分が、第２特徴量として用いられる。進行軸周り角速度Ｇyに関しては、歩行フェーズ９１－９２％の区間の第２特徴量Ｆy4が、推定に用いられる。垂直軸周り角速度Ｇｚに関しては、歩行フェーズ３％の区間の第２特徴量Ｆy5が、推定に用いられる。
【0070】
また、進行方向における腰部揺動の差分の推定には、複数の歩容パラメータが用いられる。例えば、最大底屈角、最大分回し量、最大爪先高さ、遊脚時間、および足底接地時間に関する両足の平均値が、第２特徴量として用いられる。例えば、爪先離地時のロール角、立脚時間、足底接地時間、遊脚最小値、および遊脚時最大速度に関する両足の差分が、第２特徴量として用いられる。本検証において、進行方向における腰部揺動の差分の推定に関しては、実測値と推定値との相関係数は、０．６９５７であった。
【0071】
＜左右方向＞
左右方向における腰部揺動の差分の推定には、両足に関する第１特徴量／歩容パラメータの平均値または差分が用いられる。また、左右方向における腰部揺動の差分の推定には、ユーザの属性として、身長が用いられる。
左右方向における腰部揺動の差分の推定には、両足に関する第１特徴量／歩容パラメータの平均値または差分が用いられる。また、左右方向における腰部揺動の差分の推定には、ユーザの属性として、身長が用いられる。
【0072】
図１９は、左右方向における腰部揺動の差分の推定に用いられる両足に関する第２特徴量の一部をまとめた表である。左右方向における腰部揺動の差分の推定に関しては、進行方向加速度Ａyに関する両足の平均値が、第２特徴量として用いられる。進行方向加速度Ａyに関しては、歩行フェーズ６２％の区間の第２特徴量Ｆx1が、推定に用いられる。また、左右方向における腰部揺動の差分の推定に関しては、進行軸周りの角度（ピッチ角）Ｅyに関する両足の差分が、第２特徴量として用いられる。進行軸周りの角度（ピッチ角）Ｅyに関しては、歩行フェーズ７９－８１％の区間の第２特徴量Ｆx2が、推定に用いられる。
【0073】
また、左右方向における腰部揺動の差分の推定には、複数の歩容パラメータが用いられる。例えば、歩行速度、最大背屈角、最大爪先高さ、内外転角度、踵接地時のロール角、遊脚時間、荷重時間、足底接地時間、ＤＳＴ２、遊脚ピーク、遊脚時最大速度、および遊脚時足上昇最大加速度に関する両足の平均値が、第２特徴量として用いられる。例えば、歩幅、歩行速度、最大背屈角、最大ぶん回し量、爪先離地時のロール角、遊脚時間、荷重時間、蹴り出し時間、ＤＳＴ２、遊脚最小値、遊脚ピーク、遊脚時足上昇最大加速度に関する両足の差分が、第２特徴量として用いられる。本検証において、左右方向における腰部揺動の差分の推定に関しては、実測値と推定値との相関係数は、０．７７６５であった。
【0074】
＜垂直方向＞
垂直方向における腰部揺動の差分の推定には、両足に関する第１特徴量／歩容パラメータの平均値または差分が用いられる。また、垂直方向における腰部揺動の差分の推定には、ユーザの属性として、年齢および体重が用いられる。本実施形態においては、第１特徴量が用いられない例をあげる。
垂直方向における腰部揺動の差分の推定には、両足に関する第１特徴量／歩容パラメータの平均値または差分が用いられる。また、垂直方向における腰部揺動の差分の推定には、ユーザの属性として、年齢および体重が用いられる。本実施形態においては、第１特徴量が用いられない例をあげる。
【0075】
垂直方向における腰部揺動の差分の推定には、複数の歩容パラメータが用いられる。例えば、歩幅、最大底屈角、爪先離地時のロール角、荷重時間、蹴り出し時間、およびＤＳＴ２に関する両足の平均値が、第２特徴量として用いられる。例えば、最大背屈角、遊脚時間、遊脚ピーク、および遊脚時最大速度に関する両足の差分が、第２特徴量として用いられる。本検証において、進行方向における腰部揺動の差分の推定に関しては、実測値と推定値との相関係数は、０．３６６９であった。
【0076】
垂直方向における腰部揺動の差分の推定に関しては、図１６のように、一歩行周期において、先行する振幅の差分ｄｚw1と、後続する振幅の差分ｄｚw2とを別々に推定した例もあげる。この場合、先行する振幅の差分ｄｚw1に関しては、実測値と推定値との相関係数は、０．４８３８であった。後続する振幅の差分ｄｚw2に関しては、実測値と推定値との相関係数は、０．４８１９であった。このように、垂直方向における腰部揺動の差分の推定に関しては、先行する振幅の差分ｄｚw1と、後続する振幅の差分ｄｚw2とで別々に推定した方が、相関係数が大きかった。
【0077】
（動作）
次に、推定システム１の動作について図面を参照しながら説明する。ここでは、推定システム１に含まれる計測装置１０および腰部揺動推定装置１３について、個別に説明する。計測装置１０に関しては、計測装置１０に含まれる特徴量データ生成部１２の動作について説明する。
次に、推定システム１の動作について図面を参照しながら説明する。ここでは、推定システム１に含まれる計測装置１０および腰部揺動推定装置１３について、個別に説明する。計測装置１０に関しては、計測装置１０に含まれる特徴量データ生成部１２の動作について説明する。
【0078】
〔計測装置〕
図２０は、計測装置１０に含まれる特徴量データ生成部１２の動作について説明するためのフローチャートである。図２０のフローチャートに沿った説明においては、特徴量データ生成部１２を動作主体として説明する。
図２０は、計測装置１０に含まれる特徴量データ生成部１２の動作について説明するためのフローチャートである。図２０のフローチャートに沿った説明においては、特徴量データ生成部１２を動作主体として説明する。
【0079】
図２０において、まず、特徴量データ生成部１２は、両足分の足の動きに関するセンサデータの時系列データを取得する（ステップＳ１０１）。
【0080】
次に、特徴量データ生成部１２は、センサデータの時系列データから一歩行周期分の歩行波形データを抽出する（ステップＳ１０２）。特徴量データ生成部１２は、センサデータの時系列データから踵接地および爪先離地を検出する。特徴量データ生成部１２は、連続する踵接地間の区間の時系列データを、一歩行周期分の歩行波形データとして抽出する。
【0081】
次に、特徴量データ生成部１２は、抽出された一歩行周期分の歩行波形データを正規化する（ステップＳ１０３）。特徴量データ生成部１２は、一歩行周期分の歩行波形データを０～１００％の歩行周期に正規化する（第１正規化）。さらに、特徴量データ生成部１２は、第１正規化された一歩行周期分の歩行波形データの立脚相と遊脚相の比を６０：４０に正規化する（第２正規化）。
【0082】
次に、特徴量データ生成部１２は、正規化された歩行波形に関して、腰部揺動の推定に用いられる歩行フェーズから特徴量を抽出する（ステップＳ１０４）。特徴量データ生成部１２は、腰部揺動の推定に用いられる特徴量を抽出する。
【0083】
次に、特徴量データ生成部１２は、抽出された特徴量を用いて、歩行フェーズクラスターごとのクラスター特徴量（第１特徴量）を生成する（ステップＳ１０５）。腰部揺動の推定において歩容パラメータが用いられる場合、特徴量データ生成部１２は、歩容パラメータを生成する。
【0084】
次に、特徴量データ生成部１２は、歩行フェーズクラスターごとのクラスター特徴量を統合して、一歩行周期分の特徴量データを生成する（ステップＳ１０６）。
【0085】
次に、特徴量データ生成部１２は、生成された特徴量データを、腰部揺動推定装置１３に出力する（ステップＳ１０７）。
【0086】
【0087】
図２１において、まず、腰部揺動推定装置１３は、計測装置１０から、腰部揺動の推定に用いられる特徴量データを取得する（ステップＳ１３１）。
【0088】
次に、腰部揺動推定装置１３は、取得した特徴量データに含まれる第１特徴量の平均値と差分の絶対値とを、第２特徴量として計算する（ステップＳ１３２）。
【0089】
次に、腰部揺動推定装置１３は、算出された第２特徴量を含む入力データを、腰部揺動を推定する推定モデルに入力する（ステップＳ１３３）。
【0090】
次に、腰部揺動推定装置１３は、推定モデルからの出力（推定値）に応じて、ユーザの腰部揺動を推定する（ステップＳ１３４）。例えば、腰部揺動推定装置１３は、ユーザの腰部揺動として、ユーザの腰部揺動の差分を推定する。
【0091】
次に、腰部揺動推定装置１３は、推定された腰部揺動に応じた情報を出力する（ステップＳ１３５）。例えば、腰部揺動は、ユーザの携帯する端末装置（図示しない）に出力される。例えば、腰部揺動に応じた情報は、その情報を用いた処理を実行するシステムに出力される。
【0092】
（適用例）
次に、本実施形態に係る適用例について図面を参照しながら説明する。以下の適用例において、靴に配置された計測装置１０によって計測された特徴量データを用いて、ユーザが携帯する携帯端末にインストールされた腰部揺動推定装置１３の機能が、腰部揺動に関する情報を推定する例を示す。
次に、本実施形態に係る適用例について図面を参照しながら説明する。以下の適用例において、靴に配置された計測装置１０によって計測された特徴量データを用いて、ユーザが携帯する携帯端末にインストールされた腰部揺動推定装置１３の機能が、腰部揺動に関する情報を推定する例を示す。
【0093】
図２２～図２３は、計測装置１０が配置された靴１００を履いて歩行するユーザの携帯する携帯端末１６０の画面に、腰部揺動推定装置１３による推定結果を表示させる一例を示す概念図である。図２２～図２３の例では、ユーザの歩行中に計測されたセンサデータに応じた特徴量データを用いた腰部揺動の推定結果に応じた情報を、携帯端末１６０の画面に表示させる。
【0094】
図２２の例では、進行方向、左右方向、および垂直方向に関する腰部揺動の推定結果が、携帯端末１６０の表示部に表示される。また、図２２の例では、腰部揺動の推定値に応じて、「体幹を鍛えた方がよいです。」という腰部揺動の推定結果に応じた推薦情報が、携帯端末１６０の表示部に表示される。また、図２２の例では、腰部揺動の推定値に応じて、「トレーニングＡを推奨します。下記の動画をご覧ください。」という推定結果に応じた推薦情報が、携帯端末１６０の表示部に表示される。携帯端末１６０の表示部に表示された情報を確認したユーザは、推薦情報に応じて、トレーニングＡの動画を参照して運動することによって、体幹を鍛えるためのトレーニングを実践できる。
【0095】
図２３の例では、進行方向、左右方向、および垂直方向に関する腰部揺動の推定結果が、携帯端末１６０の表示部に表示される。また、図２３の例では、腰部揺動の推定値に応じて、「病院で診察を受けることをお薦めします。」という推薦情報が、携帯端末１６０の表示部に表示される。例えば、診察可能な病院のサイトへのリンク先や電話番号を、携帯端末１６０の画面に表示させてもよい。携帯端末１６０の表示部に表示された情報を確認したユーザは、推薦情報に応じて病院に行くことによって、膝に関する疾患の診察を適宜受けることができる。
【0096】
以上のように、本実施形態の推定システムは、計測装置および腰部揺動推定装置を備える。計測装置は、腰の動きに関する指標である腰部揺動の推定対象である被験者の履物に設置される。計測装置は、センサと特徴量データ生成部を有する。センサは、空間加速度および空間角速度を計測する。センサは、計測した空間加速度および空間角速度を用いて足の動きに関するセンサデータを生成する。センサは、生成したセンサデータを出力する。特徴量データ生成部は、歩容の特徴を含むセンサデータの時系列データを取得する。特徴量データ生成部は、センサデータの時系列データから一歩行周期分の歩行波形データを抽出する。特徴量データ生成部は、抽出された歩行波形データを正規化する。特徴量データ生成部は、正規化された歩行波形データから、腰部揺動の推定に用いられる特徴量を、時間的に連続する少なくとも一つの歩行フェーズによって構成される歩行フェーズクラスターから抽出する。特徴量データ生成部は、抽出された特徴量を含む特徴量データを生成する。特徴量データ生成部は、生成された特徴量データを腰部揺動推定装置に出力する。
【0097】
腰部揺動推定装置は、通信部、記憶部、推定部、および出力部を備える。通信部は、被験者の足の動きに関するセンサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得する。記憶部は、特徴量データに含まれる特徴量の入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する。推定部は、取得された特徴量データに含まれる特徴量を推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する。出力部は、被験者の腰部揺動に応じた情報を出力する。
【0098】
本実施形態においては、被験者の足の動きに関するセンサデータから抽出された特徴量を用いて、その被験者の腰の動きに関する指標である腰部揺動を推定する。そのため、本実施形態によれば、日常生活において、腰の動きに関する指標である腰部揺動を高精度かつ手軽に推定できる。
【0099】
本実施形態の一態様において、通信部は、センサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された歩容パラメータを含む特徴量データを取得する。記憶部は、特徴量データに含まれる歩容パラメータの入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する。推定部は、取得された特徴量データに含まれる歩容パラメータを推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する。本態様によれば、歩容パラメータを含む特徴量データを用いることによって、腰部揺動を高精度に推定できる。
【0100】
本実施形態の一態様において、通信部は、センサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された歩行フェーズクラスターごとの第１特徴量を含む特徴量データを取得する。記憶部は、特徴量データに含まれる第１特徴量の入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する。推定部は、取得された特徴量データに含まれる第１特徴量を推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する。本態様によれば、歩行フェーズクラスターごとの第１特徴量を含む特徴量データを用いることによって、腰部揺動をより高精度に推定できる。
【0101】
本実施形態の一態様の腰部揺動推定装置は、計算部を備える。計算部は、被験者の両足分の第１特徴量および歩容パラメータのうち、腰部揺動の推定に用いられる第１特徴量および歩容パラメータに関する平均値および差分を第２特徴量として計算する。記憶部は、第２特徴量の入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する。推定部は、算出された第２特徴量を推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する。本態様によれば、両足分の特徴量の平均値／差分を用いることによって、腰部揺動をより高精度に推定できる。
【0102】
本実施形態の一態様において、記憶部は、被験者の属性および第２特徴量の入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する。推定部は、被験者の属性および第２特徴量を推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する。本態様によれば、被験者の属性を用いることによって、腰部揺動をより高精度に推定できる。
【0103】
本実施形態の一態様において、記憶部は、特徴量データに含まれる特徴量の入力に応じて、一歩行周期における進行方向、左右方向、および垂直方向の３方向に関する腰部揺動の変動幅を、腰部揺動に関する推定値として出力する推定モデルを記憶する。推定部は、取得された特徴量データに含まれる特徴量を推定モデルに入力して、推定モデルから出力された進行方向、左右方向、および垂直方向の３方向に関する少なくとも一つの腰部揺動の変動幅に応じて、被験者の腰部揺動を推定する。本態様によれば、進行方向、左右方向、および垂直方向の３方向に関する腰部揺動の変動幅に応じて、腰部揺動をより高精度に推定できる。
【0104】
本実施形態の一態様において、腰部揺動推定装置は、被験者によって視認可能な画面を有する端末装置に実装される。腰部揺動推定装置は、被験者の足の動きに応じて推定された腰部揺動に関する情報を、端末装置の画面に表示させる。本態様によれば、被験者に関して推定された腰部揺動に関する情報を、その被験者に対して的確に提示できる。
【0105】
腰部揺動は、腰部を中心として、身体状態や健康状態の指標になる。例えば、左右方向の腰部揺動は、歩行における左右のバランスに関連する。そのため、左右方向の腰部揺動は、歩行安定性の指標になる。例えば、膝関節症のために柔軟な歩行姿勢で歩けないと、足が着地した直後における体の沈み込みのパターンがぎこちなくなり、上下方向の腰部揺動に影響が表れる。そのため、上下方向の腰部揺動は、膝関節症の状態や進行の指標になる。例えば、片麻痺があると、力が入らない方の半身側の足で着地するタイミングにおいて、体ががくんと沈み込み、上下方向の腰部揺動に影響が出る。そのため、上下方向の腰部揺動は、片麻痺の状態や進行の指標になる。例えば、腰部脊柱管狭窄症や、神経因性間欠跛行、変性腰椎すべり症などの症状も、腰部揺動に関連する。
【0106】
（第２の実施形態）
次に、第２の実施形態に係る腰部揺動推定装置について、図面を参照しながら説明する。本実施形態の腰部揺動推定装置は、第１の実施形態の腰部揺動推定装置を簡略化した構成である。
次に、第２の実施形態に係る腰部揺動推定装置について、図面を参照しながら説明する。本実施形態の腰部揺動推定装置は、第１の実施形態の腰部揺動推定装置を簡略化した構成である。
【0107】
図２４は、本実施形態に係る腰部揺動推定装置２３の構成の一例を示すブロック図である。腰部揺動推定装置２３は、通信部２３１、記憶部２３５、推定部２３７、および出力部２３９を備える。
【0108】
通信部２３１は、被験者の足の動きに関するセンサデータに含まれる空間加速度および空間角速度の歩行波形から抽出された、腰の動きに関する指標である腰部揺動の推定に用いられる特徴量を含む特徴量データを取得する。記憶部２３５は、特徴量データに含まれる特徴量の入力に応じて、腰部揺動に関する推定値を出力する推定モデルを記憶する。推定部２３７は、取得された特徴量データに含まれる特徴量を推定モデルに入力して、推定モデルから出力された腰部揺動に関する推定値に応じて、被験者の腰部揺動を推定する。出力部２３９は、被験者の腰部揺動に応じた情報を出力する。
【0109】
本実施形態においては、被験者の足の動きに関するセンサデータから抽出された特徴量を用いて、その被験者の腰の動きに関する指標である腰部揺動を推定する。そのため、本実施形態によれば、日常生活において、腰の動きに関する指標である腰部揺動を高精度かつ手軽に推定できる。
【0110】
（ハードウェア）
ここで、本開示の各実施形態に係る処理を実行するハードウェア構成について、図２５の情報処理装置９０（コンピュータ）を一例としてあげて説明する。なお、図２５の情報処理装置９０は、各実施形態の処理を実行するための構成例であって、本開示の範囲を限定するものではない。
ここで、本開示の各実施形態に係る処理を実行するハードウェア構成について、図２５の情報処理装置９０（コンピュータ）を一例としてあげて説明する。なお、図２５の情報処理装置９０は、各実施形態の処理を実行するための構成例であって、本開示の範囲を限定するものではない。
【0111】
図２５のように、情報処理装置９０は、プロセッサ９１、主記憶装置９２、補助記憶装置９３、入出力インターフェース９５、および通信インターフェース９６を備える。図２５においては、インターフェースをＩ／Ｆ（Interface）と略記する。プロセッサ９１、主記憶装置９２、補助記憶装置９３、入出力インターフェース９５、および通信インターフェース９６は、バス９８を介して、互いにデータ通信可能に接続される。また、プロセッサ９１、主記憶装置９２、補助記憶装置９３、および入出力インターフェース９５は、通信インターフェース９６を介して、インターネットやイントラネットなどのネットワークに接続される。
【0112】
プロセッサ９１は、補助記憶装置９３等に格納されたプログラム（命令）を、主記憶装置９２に展開する。例えば、プログラムは、各実施形態の処理を実行するためのソフトウェアプログラムである。プロセッサ９１は、主記憶装置９２に展開されたプログラムを実行する。プロセッサ９１は、プログラムを実行することによって、各実施形態に係る処理を実行する。
【0113】
主記憶装置９２は、プログラムが展開される領域を有する。主記憶装置９２には、プロセッサ９１によって、補助記憶装置９３等に格納されたプログラムが展開される。主記憶装置９２は、例えばＤＲＡＭ（Dynamic Random Access Memory）などの揮発性メモリによって実現される。また、主記憶装置９２として、ＭＲＡＭ（Magneto resistive Random Access Memory）などの不揮発性メモリが構成／追加されてもよい。
【0114】
補助記憶装置９３は、プログラムなどの種々のデータを記憶する。補助記憶装置９３は、ハードディスクやフラッシュメモリなどのローカルディスクによって実現される。なお、種々のデータを主記憶装置９２に記憶させる構成とし、補助記憶装置９３を省略することも可能である。
【0115】
入出力インターフェース９５は、規格や仕様に基づいて、情報処理装置９０と周辺機器とを接続するためのインターフェースである。通信インターフェース９６は、規格や仕様に基づいて、インターネットやイントラネットなどのネットワークを通じて、外部のシステムや装置に接続するためのインターフェースである。外部機器と接続されるインターフェースとして、入出力インターフェース９５と通信インターフェース９６とが共通化されてもよい。
【0116】
情報処理装置９０には、必要に応じて、キーボードやマウス、タッチパネルなどの入力機器が接続されてもよい。それらの入力機器は、情報や設定の入力に使用される。入力機器としてタッチパネルが用いられる場合、タッチパネルの機能を有する画面がインターフェースになる。プロセッサ９１と入力機器とは、入出力インターフェース９５を介して接続される。
【0117】
情報処理装置９０には、情報を表示するための表示機器が備え付けられてもよい。表示機器が備え付けられる場合、情報処理装置９０には、表示機器の表示を制御するための表示制御装置（図示しない）が備えられる。情報処理装置９０と表示機器は、入出力インターフェース９５を介して接続される。
【0118】
情報処理装置９０には、ドライブ装置が備え付けられてもよい。ドライブ装置は、プロセッサ９１と記録媒体（プログラム記録媒体）との間で、記録媒体に格納されたデータやプログラムの読み込みや、情報処理装置９０の処理結果の記録媒体への書き込みを仲介する。情報処理装置９０とドライブ装置は、入出力インターフェース９５を介して接続される。
【0119】
以上が、本発明の各実施形態に係る処理を可能とするためのハードウェア構成の一例である。図２５のハードウェア構成は、各実施形態に係る処理を実行するためのハードウェア構成の一例であって、本発明の範囲を限定するものではない。各実施形態に係る処理をコンピュータに実行させるプログラムも本発明の範囲に含まれる。
【0120】
各実施形態に係るプログラムを記録したプログラム記録媒体も、本発明の範囲に含まれる。記録媒体は、例えば、ＣＤ（Compact Disc）やＤＶＤ（Digital Versatile Disc）などの光学記録媒体で実現できる。記録媒体は、ＵＳＢ（Universal Serial Bus）メモリやＳＤ（Secure Digital）カードなどの半導体記録媒体によって実現されてもよい。また、記録媒体は、フレキシブルディスクなどの磁気記録媒体、その他の記録媒体によって実現されてもよい。プロセッサが実行するプログラムが記録媒体に記録されている場合、その記録媒体はプログラム記録媒体に相当する。
【0121】
各実施形態の構成要素は、任意に組み合わせられてもよい。各実施形態の構成要素は、ソフトウェアによって実現されてもよい。各実施形態の構成要素は、回路によって実現されてもよい。
【0122】
以上、実施形態を参照して本発明を説明してきたが、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得る様々な変更をすることができる。
【符号の説明】
【0123】
１ 推定システム
１０ 計測装置
１３ 腰部揺動推定装置
１１１ 加速度センサ
１１２ 角速度センサ
１２１ 取得部
１２２ 正規化部
１２３ 抽出部
１２５ 生成部
１２７ 送信部
１３１、２３１ 通信部
１３３ 計算部
１３５、２３５ 記憶部
１３７、２３７ 推定部
１３９、２３９ 出力部
１０ 計測装置
１３ 腰部揺動推定装置
１１１ 加速度センサ
１１２ 角速度センサ
１２１ 取得部
１２２ 正規化部
１２３ 抽出部
１２５ 生成部
１２７ 送信部
１３１、２３１ 通信部
１３３ 計算部
１３５、２３５ 記憶部
１３７、２３７ 推定部
１３９、２３９ 出力部
【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】
【図21】
【図22】
【図23】
【図24】
【図25】