特開 2025-101911 上体部位の位置変化推定方法

(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】P2025101911

(43)【公開日】2025-07-08

(54)【発明の名称】上体部位の位置変化推定方法

(51)【国際特許分類】

   A61B 5/11 20060101AFI20250701BHJP

【ＦＩ】

A61B5/11 230

A61B5/11 120

A61B5/11 210

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2023219010

(22)【出願日】2023-12-26

(71)【出願人】

【識別番号】000241463

【氏名又は名称】豊田合成株式会社

(71)【出願人】

【識別番号】504139662

【氏名又は名称】国立大学法人東海国立大学機構

(74)【代理人】

【識別番号】100105957

【弁理士】

【氏名又は名称】恩田 誠

(74)【代理人】

【識別番号】100068755

【弁理士】

【氏名又は名称】恩田 博宣

(72)【発明者】

【氏名】藤原 武史

(72)【発明者】

【氏名】平田 仁

(72)【発明者】

【氏名】下田 真吾

【テーマコード（参考）】

4C038

【Ｆターム（参考）】

4C038VA05

4C038VA12

4C038VB01

4C038VB14

4C038VC05

4C038VC20

(57)【要約】

【課題】推定対象者が歩行したときに、足裏の複数の部位毎にかかる力の経時変化を測定することで、上体の複数の部位毎の位置の経時変化を推定できるようにする。
【解決手段】提供者測定ステップＳ１１では、データ提供者が歩行したときに、足裏の複数の部位毎にかかる力の経時変化を測定するとともに、上体における複数の部位毎の位置の経時変化を測定する。学習モデル作成ステップＳ１２では、測定された力の経時変化と、位置の経時変化との関連性を学習して学習モデルを作成する。対象者測定ステップＳ１３では、データ提供者の力測定に用いられた測定装置と共通の測定装置を用いて、推定対象者が歩行したときに、足裏の複数の部位毎にかかる力の経時変化を測定する。推定ステップＳ１４では、測定された力の経時変化を、上記学習モデルに与えて、推定対象者の上体の複数の部位毎の位置の経時変化を推定する。
【選択図】図５

【特許請求の範囲】

【請求項1】

データ提供者が歩行したときに、前記データ提供者の足裏の複数の部位毎にかかる力の経時変化を測定するとともに、前記測定に同期して、前記データ提供者の上体における複数の部位毎の位置の経時変化を測定する提供者測定ステップと、
前記提供者測定ステップで測定された前記力の経時変化、及び前記位置の経時変化の関連性を学習して学習モデルを作成する学習モデル作成ステップと、
前記データ提供者の力測定に用いられた測定装置と共通の測定装置を用いて、推定対象者が歩行したときに、前記推定対象者の足裏の複数の部位毎にかかる力の経時変化を測定する対象者測定ステップと、
前記対象者測定ステップで測定された前記力の経時変化を、前記学習モデル作成ステップで作成された前記学習モデルに与えて、前記推定対象者の上体の複数の部位毎の位置の経時変化を推定する推定ステップと、
を備える、上体部位の位置変化推定方法。

【請求項2】

前記提供者測定ステップでは、前記上体における複数の部位として、複数箇所の関節の位置の経時変化が測定される、請求項１に記載の上体部位の位置変化推定方法。

【請求項3】

前記測定装置は、力センサの組み込まれたインソールを備え、
前記提供者測定ステップでは、前記データ提供者が、前記インソールの敷かれたシューズを履いて歩行し、足裏の複数の部位毎にかかる力の経時変化を前記力センサにより測定し、
前記対象者測定ステップでは、前記推定対象者が、前記インソールの敷かれたシューズを履いて歩行し、足裏の複数の部位毎にかかる力の経時変化を前記力センサにより測定する、請求項１又は請求項２に記載の上体部位の位置変化推定方法。

【請求項4】

前記提供者測定ステップ及び前記対象者測定ステップでは、前記インソールとして、踵の荷重のかかる部分及びつま先の荷重のかかる部分のそれぞれに前記力センサが組み込まれるとともに、前記踵及び前記つま先を結ぶ仮想線に対し内側及び外側となる部分のそれぞれに前記力センサが組み込まれたものが用いられ、各力センサにより、前記力の経時変化が測定される、請求項３に記載の上体部位の位置変化推定方法。

【請求項5】

前記力は圧力である、請求項１に記載の上体部位の位置変化推定方法。

【請求項6】

前記力は圧力であり、前記力センサは圧力センサである、請求項３に記載の上体部位の位置変化推定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、推定対象者の上体の複数の部位毎の位置が歩行に伴いどのように経時変化するかを推定する、上体部位の位置変化推定方法に関する。

【背景技術】

【0002】

近年、運動器の障害による要介護の状態や要介護リスクの高い状態である運動器症候群が社会問題となっている。運動器症候群を早期に発見するために、運動器症候群の判定に関する技術開発が進められている。例えば、特許文献１には、被測定者の歩行状態の変化を簡易に把握することのできるシステムが提案されている。

【0003】

このシステムでは、足裏の複数の部位毎にかかる圧力を経時的に測定する。測定された測定情報から歩行状態に関連する特徴量を取得する。取得された特徴量に基づいて、歩行状態が所定のアラート対象の状態であるか否かを判定する。歩行状態が所定のアラート対象の状態であると判定された場合には、そのことを報知するようにしている。

【0004】

上記システムによれば、被測定者は、測定部を装着した状態で歩行する。又は保護者等の他者は、被測定者に測定部を装着させて歩行させる。そして、上記被測定者又は上記他者は、アラート対象の状態であることの報知の有無を確認する。上記被測定者又は上記他者は、上記報知により、医療従事者による直接の診断を必要とせずに、被測定者の歩行状態がアラート対象の状態に変化したことを簡易に把握できる。そして、上記被測定者は、医療機関を受診する等の適切な対応を行うことができる。また、上記他者は、被測定者に対し、医療機関を受診させる等の適切な対応を行うことができる。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０２１－１３７３７１号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

上記特許文献１は、歩行状態として専ら下肢の状態の変化を診断しようとするものである。しかし、近年では、下肢にとどまらず、上体の状態の変化、特に、複数の部位毎の位置の経時変化を推定したいといったニーズがある。

【課題を解決するための手段】

【0007】

上記課題を解決するための上体部位の位置変化推定方法の各態様を記載する。
［態様１］データ提供者が歩行したときに、前記データ提供者の足裏の複数の部位毎にかかる力の経時変化を測定するとともに、前記測定に同期して、前記データ提供者の上体における複数の部位毎の位置の経時変化を測定する提供者測定ステップと、前記提供者測定ステップで測定された前記力の経時変化、及び前記位置の経時変化の関連性を学習して学習モデルを作成する学習モデル作成ステップと、前記データ提供者の力測定に用いられた測定装置と共通の測定装置を用いて、推定対象者が歩行したときに、前記推定対象者の足裏の複数の部位毎にかかる力の経時変化を測定する対象者測定ステップと、前記対象者測定ステップで測定された前記力の経時変化を、前記学習モデル作成ステップで作成された前記学習モデルに与えて、前記推定対象者の上体の複数の部位毎の位置の経時変化を推定する推定ステップと、を備える、上体部位の位置変化推定方法。

【0008】

データ提供者及び推定対象者が歩行した場合、足裏にかかる力は、上体の各部の位置の経時変化から影響を受けて、経時変化する。足裏の複数の部位毎にかかる力の経時変化と、上体における複数の部位毎の位置の経時変化との間には、対応関係が見られる。

【0009】

上記方法によれば、足裏の力の経時変化が測定された推定対象者について、上体の複数の部位毎の位置の経時変化が、機械学習により推定される。
提供者測定ステップでは、データ提供者が歩行する。この際、データ提供者の足裏の複数の部位毎にかかる力の経時変化と、データ提供者の上体における複数の部位毎の位置の経時変化とが、同期した状態で測定される。

【0010】

学習モデル作成ステップでは、提供者測定ステップで測定された力の経時変化と、位置の経時変化との関連性が学習される。すなわち、大量のデータの中に潜む、共通する特徴である法則（ルール）が見つけ出されることにより、学習モデルが作成される。

【0011】

対象者測定ステップでは、推定対象者が歩行する。この際、データ提供者の力測定に用いられた測定装置と共通の測定装置が用いられ、推定対象者の足裏の複数の部位毎にかかる力の経時変化が測定される。

【0012】

推定ステップでは、上記対象者測定ステップで測定された力の経時変化が、上記学習モデル作成ステップで作成された学習モデルに対し、未知のデータとして、与えられる。そして、推定ステップでは、推定対象者の上体の複数の部位毎の位置の経時変化が推定される。

【0013】

［態様２］前記提供者測定ステップでは、前記上体における複数の部位として、複数箇所の関節の位置の経時変化が測定される、［態様１］に記載の上体部位の位置変化推定方法。

【0014】

関節は、隣り合う骨が繋がっている部分である。骨は、関節を支点として、様々な方向へ動くことが可能である。関節は、骨が動くときの支点となる箇所であり、上体が動いたときに位置の変化量の最も少ない箇所である。従って、上記の方法によるように、上体の関節の位置の経時変化が測定されることで、上体の動きの少ない箇所で、上体の複数の部位毎の位置の経時変化を測定することが可能である。

【0015】

［態様３］前記測定装置は、力センサの組み込まれたインソールを備え、前記提供者測定ステップでは、前記データ提供者が、前記インソールの敷かれたシューズを履いて歩行し、足裏の複数の部位毎にかかる力の経時変化を前記力センサにより測定し、前記対象者測定ステップでは、前記推定対象者が、前記インソールの敷かれたシューズを履いて歩行し、足裏の複数の部位毎にかかる力の経時変化を前記力センサにより測定する、［態様１］又は［態様２］に記載の上体部位の位置変化推定方法。

【0016】

上記方法によれば、足裏の複数の部位毎の力測定に際し、力センサの組み込まれたインソールを備えるシューズが用いられる。
提供者測定ステップでは、データ提供者がシューズを履いて歩行する。対象者測定ステップでは、推定対象者がシューズを履いて歩行する。足裏の複数の部位毎にかかる力の経時変化が上記力センサによって測定される。

【0017】

［態様４］前記提供者測定ステップ及び前記対象者測定ステップでは、前記インソールとして、踵の荷重のかかる部分及びつま先の荷重のかかる部分のそれぞれに前記力センサが組み込まれるとともに、前記踵及び前記つま先を結ぶ仮想線に対し内側及び外側となる部分のそれぞれに前記力センサが組み込まれたものが用いられ、各力センサにより、前記力の経時変化が測定される、［態様３］に記載の上体部位の位置変化推定方法。

【0018】

歩行に際しては、足裏の複数の部位のうち、踵が最初に着地し、踵からつま先に向けて順に着地する部位が変化する。また、踵が着地した後、つま先が着地する前には、踵及びつま先を結ぶ仮想線に対し内側及び外側となる部分のうち、少なくとも一方が着地する。着地する部位によって、発生する足趾把持力が異なってくる。

【0019】

従って、上記箇所に力センサの組み込まれたインソールが、足裏の力の測定に用いられると、少ない数の力センサで、足裏の複数の部位毎にかかる力の経時変化を過不足なく測定することが可能である。

【0020】

［態様５］前記力は圧力である、［態様１］～［態様４］のいずれか１つに記載の上体部位の位置変化推定方法。
上記の方法によるように、足裏の複数の部位毎にかかる圧力が、足裏の複数の部位毎にかかる力とされてもよい。

【0021】

［態様６］前記力は圧力であり、前記力センサは圧力センサである、［態様３］又は［態様４］に記載の上体部位の位置変化推定方法。
上記の方法によるように、力センサとして、圧力センサの組み込まれたインソールを備える測定装置が用いられて、足裏の複数の部位毎にかかる力の経時変化として、圧力の経時変化が測定されてもよい。

【発明の効果】

【0022】

本発明によれば、推定対象者が歩行したときに、足裏の複数の部位毎にかかる力の経時変化を測定することで、上体の複数の部位毎の位置の経時変化を推定できる。

【図面の簡単な説明】

【0023】

【図1】図１は、上体部位の位置変化推定方法を具体化した一実施形態における提供者測定ステップを説明する説明図である。

【図2】図２は、上記実施形態のインソールにおける圧力センサの配置状態を説明する説明図である。

【図3】図３は、上記実施形態の圧力センサによって測定される圧力波形の一例を示す特性図である。

【図4】図４は、上記実施形態における対象者測定ステップを説明する説明図である。

【図5】図５は、上記実施形態における推定対象者の上体の部位毎の位置の経時変化を推定する手順を説明するフローチャートである。

【発明を実施するための形態】

【0024】

以下、上体部位の位置変化推定方法を具体化した一実施形態について、図面を参照して説明する。本実施形態の推定方法には、図１に示す第１測定装置１０と、図２に示す第２測定装置２０とが用いられる。次に、各測定装置について説明する。

【0025】

＜第１測定装置１０＞
図１に示すように、第１測定装置１０は、水平又は水平に近い平坦な面８を有する箇所に設置されている。平坦な面８の一部であって、同図１の左右方向に一定長さ、例えば１０メートルを有する箇所は、データ提供者Ｐ１が歩行する直線状の歩行路９として使用されている。なお、歩行路９は、室内に設定されてもよいし、室外に設定されてもよい。

【0026】

第１測定装置１０は、一対の撮像機器１１，１２を備えている。各撮像機器１１，１２の一例は、デジタルカメラ、デジタルカメラが搭載されたタブレット等である。
一対の撮像機器１１，１２は、歩行路９の長さ方向における両側であって、その歩行路９を挟み込む箇所に設置されている。より詳しくは、撮像機器１１は、歩行路９の一方の端部９ａの近くに設置され、撮像機器１２は、歩行路９の他方の端部９ｂの近くに設置されている。両撮像機器１１，１２は、歩行路９の延びる方向に互いに対向した状態で設置されている。

【0027】

各撮像機器１１，１２は、上記歩行路９を歩行するデータ提供者Ｐ１を撮像することで画像を生成する。そして、各撮像機器１１，１２は、上記複数の画像が経時的に（時系列的に）連続する動画データを生成する。

【0028】

各撮像機器１１，１２は送信部（図示略）を備えている。撮像機器１１，１２毎の送信部は、生成された動画データを、ネットワークを介してクラウドコンピューティング（クラウド）へ送信する。

【0029】

なお、上記動画データがモーションキャプチャされることで、データ提供者Ｐ１の上体Ｐ１ａにおける複数の部位毎の位置の経時変化が算出される。本実施形態では、上体Ｐ１ａにおける複数の部位として、上体Ｐ１ａの複数箇所の関節が設定される。関節は、隣り合う骨が繋がっている部分である。骨は、関節を支点として、様々な方向へ動くことが可能である。関節は、骨が動くときの支点となる箇所であり、上体Ｐ１ａが動いたときに位置の変化量の最も少ない箇所である。上記位置の経時変化の算出は、後述する学習モデルの作成前の任意のタイミングで行われる。

【0030】

＜第２測定装置２０＞
図１及び図２に示すように、第２測定装置２０は、シューズ２１の内底部に敷かれるインソール（中敷き）２２を備えている。各インソール２２には、歩行中の足２４の裏（足裏）の複数の部位毎にかかる力を測定する力センサとして、圧力を測定する圧力センサ２３が組み込まれている。圧力センサ２３は、踵センサ２３ａ、つま先センサ２３ｂ、内側センサ２３ｃ及び外側センサ２３ｄを備えている。

【0031】

なお、歩行とは、一般的には、足裏で地面を踏み、身体を支える時期である立脚期と、片方の足２４をもち上げて前に振り出す時期である遊脚期とからなる。本実施形態では、上記立脚期及び遊脚期に加え、移動を開始する直前の静止立位で止まっている時期と、移動を終えた直後の静止立位で止まっている時期も、歩行に含まれるものとする。

【0032】

図２に示すように、踵センサ２３ａは、インソール２２において、踵２４ａの荷重がかかる部分に配置され、かつ足裏の踵２４ａにかかる圧力を測定する。つま先センサ２３ｂは、インソール２２において、つま先２４ｂを構成する５本の指のうち、荷重がかかる部分のいずれかに配置され、かつ足裏のつま先２４ｂにかかる圧力を測定する。

【0033】

ここで、足２４の内側とは、左右方向のうち、反対側の足２４に近い側であり、外側とは、同方向のうち、反対側の足２４から遠い側である。
内側センサ２３ｃは、インソール２２において、踵センサ２３ａとつま先センサ２３ｂとを結ぶ仮想線Ｌよりも内側であって、母指球の荷重がかかる部分に配置され、かつ足裏の内側部分にかかる圧力を測定する。外側センサ２３ｄは、インソール２２において、仮想線Ｌよりも外側であって、小指球の荷重がかかる部分に配置され、かつ足裏の外側部分にかかる圧力を測定する。

【0034】

なお、圧力センサ２３が、インソール２２において、上記４箇所に配置されているのは、次の理由による。
歩行に際しては、足裏の複数の部位のうち、踵２４ａが最初に着地し、その踵２４ａからつま先２４ｂに向けて順に着地する部位が変化する。また、踵２４ａが着地した後、つま先２４ｂが着地する前には、上記仮想線Ｌに対し内側及び外側となる部分のうち、少なくとも一方が着地する。着地する部位によって、発生する足趾把持力が異なってくる。

【0035】

そこで、本実施形態では、圧力センサ２３が、インソール２２において、踵２４ａの荷重のかかる部分と、つま先２４ｂの荷重のかかる部分とのそれぞれに組み込まれている。また、圧力センサ２３が、インソール２２において、上記仮想線Ｌに対し内側及び外側となる部分のそれぞれに組み込まれている。そのため、インソール２２に組み込まれた上記圧力センサ２３により、足裏の複数の部位毎にかかる圧力の経時変化が適切に測定される。

【0036】

圧力センサ２３としては、圧電素子等を用いた公知の感圧センサを用いることができる。特に、足裏に配置されるという使用状況に鑑みると、伸縮性及び耐久性の観点から、誘電エラストマーを利用したエラストマー製の静電容量型センサを用いることが好ましい。上記誘電エラストマーとしては、例えば、架橋されたポリロタキサン、シリコーンエラストマー、アクリルエラストマー、ウレタンエラストマー等が挙げられる。

【0037】

上記エラストマー製の静電容量型センサには、全体を薄く形成できるため、インソール２２の中に入れても、同インソール２２の厚みがさほど増加しないというメリットもある。このセンサは、一対の電極の間に誘電エラストマーを配置した構造を採っている。そして、誘電エラストマーが引っ張りや応力によって変形することで、電極に蓄電される電気量（静電容量）が変化する。この変化量が足裏の圧力として測定される。

【0038】

各圧力センサ２３により測定された各測定値は、静電容量値、電気抵抗値等の圧力センサ２３の測定方式に応じた圧力値に変換可能な測定値である。
図３は、各圧力センサ２３により測定された、足裏の部位毎の圧力の時間変化を表す波形の一例を示している。同図３において、実線は、踵センサ２３ａの測定値を示し、一点鎖線は、つま先センサ２３ｂの測定値を示し、二点鎖線は、内側センサ２３ｃの測定値を示し、破線は、外側センサ２３ｄの測定値を示している。

【0039】

上記圧力センサ２３の組み込まれたインソール２２が用いられて、足裏の複数の部位毎にかかる圧力の経時変化が測定される対象となるのは、複数の図１に示すデータ提供者Ｐ１、及び図４に示す所定の推定対象者Ｐ２である。表現を変えると、データ提供者Ｐ１及び推定対象者Ｐ２は、共通のインソール２２が用いられて、足裏の複数の部位毎にかかる圧力の経時変化が測定される。ここで、共通のインソール２２とは、同一種類のインソール２２、より詳しくは、上記と同じ数の圧力センサ２３が、上記と同様の箇所に配置されたインソール２２のことである。

【0040】

図１に示すデータ提供者Ｐ１を対象として行われる圧力の経時変化の測定は、位置の経時変化の測定が行われた箇所と同じ場所で、同時に行われる。従って、データ提供者Ｐ１が歩行路９を歩行する際には、位置の経時変化の測定に加え、圧力の経時変化が測定されることとなる。

【0041】

上記インソール２２は、上記圧力センサ２３に加え、送信部（図示略）を備えている。送信部は、各圧力センサ２３によって測定された圧力データを、ネットワークを介してクラウドへ送信する。この送信は、上記撮像機器１１，１２の送信部から動画データが送信されるタイミングと同期したタイミングで行われる。同期は、例えば、ＮＴＰ等の通信プロトコルに規定されている方法を用いることで行われる。

【0042】

なお、図４に示す推定対象者Ｐ２を対象として行われる足裏の圧力の経時変化の測定は、水平又は水平に近い平坦な面２５に設定された歩行路２６を、推定対象者Ｐ２が歩行する際に行われる。

【0043】

上記データ提供者Ｐ１を対象として、第１測定装置１０によって測定された位置の経時変化、及び第２測定装置２０によって測定された圧力の経時変化は、推定対象者Ｐ２の上体Ｐ２ａの複数の部位毎の位置の経時変化を推定する際に用いられる。

【0044】

＜本実施形態の作用＞
次に、本実施形態の作用として、推定対象者Ｐ２の足裏の複数の部位毎にかかる圧力の経時変化から、その推定対象者Ｐ２の上体Ｐ２ａにおける複数の部位毎の位置の経時変化を推定する手順について、図５のフローチャートを参照して説明する。

【0045】

この推定には、コンピュータに学習させる、機械学習と呼ばれる技術が用いられる。ここで、機械学習の手法の１つとして、人間の脳の神経回路を模した数理モデルとして提唱されたニューラルネットワークがある。人間の脳では、多数の神経細胞（ニューロン）が連携して電気信号をやりとりする、すなわち、ニューロンが電気信号を相互に伝達することで、思考、認識等の処理が行われる。

【0046】

各ニューロンは、電気信号の入力側のニューロンから電気信号を受け取り、これを蓄積する。各ニューロンは、蓄積された電気量が閾値を超えると、出力側のニューロンに電気信号を伝達する。この電気信号が閾値を超えることと、出力側のニューロンへ電気信号を伝達することを「発火」という。また、各ニューロンは、入力側及び出力側のいずれのニューロンに対しても複数のニューロンと接続されている。その接続強度は、ニューロンの組み合わせによって異なっている。

【0047】

これに対し、ニューラルネットワークは、多数のニューロンが結合された構造を有している。ニューラルネットワークは、複数のニューロンが集まった「層」と呼ばれる構造を有する。この層は、データが入力される「入力層」と、結果を出力する「出力層」と、入力層及び出力層の間の層である隠れ層（中間層）とを備えている。各層は、複数のノードがエッジによって繋がれる構造を採っている。各層のノードは、前の層の全てのノードの出力を入力として使用している。

【0048】

ニューラルネットワークでは、層から層へ、値が変換されていく。ニューラルネットワークとは、この変換がいくつも連なってできる一つの大きな関数であると考えられる。そして、どのようなデータを入力し、どのような出力を作りたいかによって、入力層と出力層のノード数が決定される。

【0049】

ニューラルネットワークでは、所定のニューロンが受け取る電気信号の値は、そのニューロンに入力される電気信号の強さと、ニューロン間の結合度合いに応じて調整される。上記ニューロンが蓄積した電気量が、ある閾値を越えると、「１」が出力される。これが、ニューロンの発火に該当する。すなわち、上記ノードがアクティブ化されて、ネットワークの次の層にデータが送信される。閾値を超えないと、データはネットワークの次の層に送信されない。

【0050】

上記ニューラルネットワークは、「学習」及び「推論（推定）」に適用される。学習は、ニューラルネットワークの各層の重みを少しずつ調整し、正解ラベルとの誤差を小さくする、すなわち、精度を高めることである。推論（推定）は、調整済みのネットワークを使って、回答を出すステップである。上記図５のフローチャートでは、これらの学習及び推論（推定）が行われる。

【0051】

提供者測定ステップＳ１１では、図１に示すように、データ提供者Ｐ１が、図２のインソール２２の敷かれたシューズ２１を履く。データ提供者Ｐ１は、歩行を開始する前に、歩行路９の長さ方向における一方の端部９ａで静止姿勢を採る。このとき、すなわち静止立位のときに、各撮像機器１１，１２によりデータ提供者Ｐ１を一定時間（例えば、３０秒間程度）撮像し、キャリブレーションを行う。ここでのキャリブレーションとは、撮像機器１１，１２の撮像した画像や設定が正しいかどうかを、静止立位の撮像データを基準として判定し、必要に応じて、正確な画像を撮像できるように設定等を調整する作業をいう。

【0052】

データ提供者Ｐ１は、水平又は水平に近い平坦な面８に設定された歩行路９を、長さ方向における一方の端部９ａを始点として、他方の端部９ｂへ向けて歩行する。データ提供者Ｐ１は、端部９ｂに到達すると、向きを変え、上記とは逆に端部９ａに向けて歩行する。そして、データ提供者Ｐ１は、上記歩行路９を複数回、例えば２回往復し、端部９ａに戻る。

【0053】

各撮像機器１１，１２は、上記歩行路９を歩行する期間中、データ提供者Ｐ１を撮像することで画像を生成する。そして、各撮像機器１１，１２は、上記複数の画像が経時的に（時系列的に）連続する動画データを生成する。撮像機器１１，１２毎の送信部は、撮像機器１１，１２により生成された動画データを、ネットワークを介してクラウドへ送信する。

【0054】

また、データ提供者Ｐ１が歩行路９を歩行している期間には、圧力センサ２３が、足裏の複数の部位毎にかかる圧力の経時変化を測定する。すなわち、踵センサ２３ａが、足裏の踵２４ａにかかる圧力を測定し、つま先センサ２３ｂが、足裏のつま先２４ｂにかかる圧力を測定する。内側センサ２３ｃが、足裏の内側部分にかかる圧力を測定し、外側センサ２３ｄが、足裏の外側部分にかかる圧力を測定する。そして、各インソール２２の送信部は、各圧力センサ２３によって測定された圧力データを、ネットワークを介してクラウドへ送信する。

【0055】

上述した２種類の測定は、多数の図１のデータ提供者Ｐ１に対しなされる。これらの測定により、多数のデータ提供者Ｐ１に関する動画データと、足裏の圧力データとが得られる。

【0056】

次に、図５の学習モデル作成ステップＳ１２では、上記提供者測定ステップＳ１１で測定された圧力の経時変化と、位置の経時変化との関連性が学習される。すなわち、大量のデータの中に潜む、共通する特徴である法則（ルール）等が見つけ出されることにより、学習モデルが作成される。特徴を数値的に表現したものである特徴量は、機械学習において、推定の手がかりとなる変数として扱われる。

【0057】

学習モデルは、法則を表現するアルゴリズム、すなわち、問題を解くための一連の手続きであり、予測器とも表現される。上記学習の際には、出力値と正解との誤差（誤差関数の値）が小さくなるように、ニューロン間の結合強度を表す重みが調整される。この調整に際しては、例えば、誤差関数の値を最小にするような重みの近似値が、勾配降下法、誤差逆伝播法等といった手法によって求められる。求められた結果に応じた重みの更新が繰り返されることによって、重みが目標値に近付けられていく。

【0058】

なお、上記ニューラルネットワークのアーキテクチャとしては、再帰型ニューラルネットワーク（ＲＮＮ）に改良を加えた、長短期記憶（ＬＳＴＭ）ネットワークが適している。ＲＮＮは、ニューラルネットワークを拡張して時系列データを扱えるようにしたものである。時系列データとは、ある時間の経過とともに値が変化していくデータである。

【0059】

ＬＳＴＭは、ＲＮＮにおける隠れ層（中間層）の出力に対して、記憶期間の長さの考え方を導入することにより、遠い過去の出力の影響を保持することを可能にしている。
図５の対象者測定ステップＳ１３では、図４に示すように、推定対象者Ｐ２が、データ提供者Ｐ１の圧力測定に用いられたインソール２２と共通のインソール２２が敷かれたシューズ２１を履く。推定対象者Ｐ２が、水平又は水平に近い平坦な面２５に設定された歩行路２６を歩行する。この際、足裏の複数の部位毎にかかる圧力の経時変化が測定される。この測定は、上記提供者測定ステップＳ１１での測定と同様にして行われる。すなわち、推定対象者Ｐ２が歩行している期間には、踵センサ２３ａが踵２４ａにかかる圧力を、つま先センサ２３ｂがつま先２４ｂにかかる圧力をそれぞれ測定する。また、上記期間には、内側センサ２３ｃが、足裏の内側部分にかかる圧力を、外側センサ２３ｄが、足裏の外側部分にかかる圧力をそれぞれ測定する。そして、各インソール２２の送信部は、各圧力センサ２３によって測定された圧力データを、ネットワークを介してクラウドへ送信する。

【0060】

図５の推定ステップＳ１４では、上記対象者測定ステップＳ１３で測定された圧力の経時変化が、上記学習モデル作成ステップＳ１２で作成された学習モデルに対し、未知のデータとして、与えられる。そして、上記推定ステップＳ１４では、推定対象者Ｐ２の上体Ｐ２ａの複数の部位毎の位置の経時変化が推定される。

【0061】

図５の上述した複数の手順中、学習モデル作成ステップＳ１２及び推定ステップＳ１４は、解析用のコンピュータによって行われる。
＜本実施形態の効果＞
（１－１）データ提供者Ｐ１が歩行したときに、足裏の複数の部位（踵２４ａ、つま先２４ｂ、仮想線Ｌよりも内側部分及び外側部分）毎にかかる圧力の経時変化を測定する。この測定と同期して、上体Ｐ１ａにおける複数の部位毎の位置の経時変化を測定する。測定された圧力の経時変化と、位置の経時変化との関連性を学習して学習モデルを作成する。データ提供者Ｐ１の圧力測定に用いられたインソール２２と共通のインソール２２を用いることにより、推定対象者Ｐ２が歩行したときに、足裏の複数の部位毎にかかる圧力の経時変化を測定する。測定された圧力の経時変化を、上記学習モデルに与えて、推定対象者Ｐ２の上体Ｐ２ａの複数の部位毎の位置の経時変化を推定するようにしている。

【0062】

そのため、推定対象者Ｐ２が歩行したときに、足裏の複数の部位毎にかかる圧力の経時変化を測定することで、上体Ｐ２ａの複数の部位毎の位置の経時変化を推定できる。
（１－２）上記（１－１）で推定された推定対象者Ｐ２の上体Ｐ２ａの複数の部位毎の位置の経時変化から、以下に示す、推定対象者Ｐ２の身体の状態に関する種々の有用な情報を得ることが可能となる。

【0063】

・推定対象者Ｐ２の姿勢。例えば、腕が曲がっている、体幹が前傾している等である。この情報から、病気になる前に適切な対応をとることや、予防のための検診を受診することを推定対象者Ｐ２に勧めること等が可能となる。

【0064】

・推定対象者Ｐ２の動作。例えば、スマートフォンを持って歩行している等である。
・推定対象者Ｐ２の脳の中にある自分の身体に対するイメージ（ボディイメージ）と、実際に機能している身体の状態との乖離。ボディイメージには、自分自身の身体の輪郭（形）や大きさ、位置等を把握する機能が含まれるほか、自分にはどの程度の運動能力があるのかを把握する機能が含まれる。

【0065】

この乖離の度合いと認知症の進行度合いとの間には相関関係があると考えられる。そのため、上記乖離が判ると、認知症の進行度合い、例えば、軽度認知障害（ＭＣＩ）を推定することが可能となる。

【0066】

（１－３）提供者測定ステップＳ１１では、データ提供者Ｐ１の上体Ｐ１ａにおける複数の部位として、同上体Ｐ１ａの関節の位置の経時変化が測定される。関節は、上体Ｐ１ａが動いたときに位置の変化量の最も少ない箇所である。そのため、上体Ｐ１ａの動きの少ない箇所で、同上体Ｐ１ａの複数の部位毎の位置の経時変化を測定することが可能である。

【0067】

（１－４）足裏の複数の部位毎の圧力測定に際し、圧力センサ２３が組み込まれたインソール２２を内底部に備えるシューズ２１を用いている。そのため、提供者測定ステップＳ１１では、データ提供者Ｐ１が上記シューズ２１を履いた状態で歩行し、対象者測定ステップＳ１３では、推定対象者Ｐ２が上記シューズ２１を履いて歩行する。こうすることで、それぞれ足裏の複数の部位毎にかかる圧力の経時変化を測定できる。

【0068】

（１－５）圧力センサ２３が、インソール２２において、踵２４ａの荷重のかかる部分及びつま先２４ｂの荷重のかかる部分のそれぞれに組み込まれている。また、圧力センサ２３が、インソール２２において、仮想線Ｌに対し内側及び外側となる部分のそれぞれに組み込まれている。そのため、少ない数の圧力センサ２３で、足裏の複数の部位毎にかかる圧力の経時変化を過不足なく測定することが可能である。

【0069】

＜変更例＞
本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。

【0070】

・推定ステップＳ１４で推定される、位置の経時変化を利用することにより、個人認証が行われてもよい。上記認証は、推定された各部の位置の経時変化のみによって行われてもよい。また、他の認証技術、例えば、ＩＤカード、指紋認証、顔認証等と組み合わせられることにより、上記認証が行われてもよい。組み合わせられることにより、認証の精度を高めることが可能である。

【0071】

・上記個人認証が、例えば、歩行して認証用ゲートを通過することにより行われる場合、足裏の圧力を測定する圧力センサが、インソール２２に代えて、認証用ゲートの付近の床面に組み込まれてもよい。この場合には、床を歩行することで、インソール２２がなくても認証できるメリットがある。

【0072】

また、認証用ゲートで認証される人に対し、インソール２２を備えたシューズ２１を履かせて歩行させ、認証用ゲートを通過させてもよい。
・圧力センサ２３によって足裏にかかる部位毎の圧力が測定される足２４は、原則、両方の足２４であるが、左右の片方の足２４であってもよい。

【0073】

・インソール２２に組み込まれる圧力センサ２３の数及び配置が、適宜、変更されてもよい。
・第１測定装置１０として、撮像機器１１，１２に代えて、加速度センサが用いられてもよい。

【0074】

・歩行路９，２６の長さが適宜変更されてもよい。また、データ提供者Ｐ１が歩行路９を往復する回数が変更されてもよい。
・上記実施形態及び上記変更例では、力の１つとして圧力で説明したが、力は加速度やトルクであってもよい。力センサは、それらの力を測定可能な加速度センサ、トルクセンサ等であってもよい。これらのセンサは、例えば、インソール２２に組み込まれてもよい。

【符号の説明】

【0075】

１０…第１測定装置
１１，１２…撮像機器
２０…第２測定装置（測定装置）
２１…シューズ
２２…インソール
２３…圧力センサ（力センサ）
２４ａ…踵
２４ｂ…つま先
Ｌ…仮想線
Ｐ１…データ提供者
Ｐ１ａ，Ｐ２ａ…上体
Ｐ２…推定対象者

【図1】

【図2】

【図3】

【図4】

【図5】