JP6958744B2 - 歩行状態判別プログラム、歩行状態判別方法および情報処理装置 - Google Patents

Description

本発明は、歩行状態判別プログラム、歩行状態判別方法および情報処理装置に関する。

近年、高齢者の数が多くなり、医師が、高齢者の一人一人を診察して、治療を施すことが難しくなってきている。人の健康状態を把握可能な情報を自動測定し、遠隔地から健康状態を把握できるようにすれば、医師は、治療すべき人に対して治療を施すことができる。例えば、歩行速度や歩幅などの歩行特徴は、人の健康状態を把握するための重要な指標となる。このため、足などに取り付けたセンサの情報から、人の歩行特徴を定量化する技術が望まれている。

先行技術としては、両足の慣性データのうち、所定方式で検出したピークが頻繁に発生する箇所を歩行区間とし、歩行区間のデータを用いて歩行速度や歩幅などを抽出するものがある（例えば、非特許文献１参照）。

また、歩行動作に応じて変化する検知信号に基づいて、遊脚前期時間、遊脚後期時間および遊脚通期時間のうちの少なくとも１つを算出し、遊脚前期時間、遊脚後期時間および遊脚通期時間のうちの少なくとも１つに基づいて、歩行動作の種類を判別するものがある（例えば、特許文献１参照）。また、使用者の腰部に装着される加速度計により検出された各加速度の時間変化、および、記憶されている推定指標と歩行能力との関係から、使用者の歩行能力を推定する技術がある（例えば、特許文献２参照）。また、連続して採取された加速度ベクトルデータに関して、各々の加速度ベクトルの絶対値、これらの絶対値の平均値、標準偏差、および周期性を計算し、標準偏差が所定範囲内にあり、かつ周期性が所定値より大きい場合に、歩行状態と判断する技術がある（例えば、特許文献３参照）。また、被験者に装着されるセンサ装置からの加速度データを用いて、被験者の姿勢を識別し、その姿勢の中で取り得る行動を識別する行動特徴量を算出し、行動特徴量に基づき、識別された姿勢の中で取り得る複数の行動から１の行動を識別する技術がある（例えば、特許文献４参照）。また、加速度センサによって計測された各軸の計測値を合成して合成値を算出し、所定の条件を満たす合成値の変動を検出し、その検出回数から歩数を算出するにあたり、所定の条件を満たす合成値の変動を検出した後、所定期間内に発生した所定の条件を満たす合成値の変動を歩数としてカウントしない技術がある（例えば、特許文献５参照）。

特開２０１５−１３６５８２号公報 特開２００７−１２５３６８号公報 特開２０１０−１７２７５８号公報 特開２００９−３９４６６号公報 特開２０１７−５９０８９号公報

Ｆｒａｃｃａｌｏ， "Ｒｅａｌ−ｗｏｒｌｄ Ｇｙｒｏｓｃｏｐｅ−ｂａｓｅｄ Ｇａｉｔ Ｅｖｅｎｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｇａｉｔ Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔｉｏｎ"，２０１４

しかしながら、従来技術では、足などに取り付けたセンサの情報から、歩行状態であるか否かを精度よく判別することが難しい。対象者がセンサを足に取り付けるまでに、センサを「運ぶ」、「持ち上げる」、「置く」、「振る」などの動きが生じることがあり、このような動きは自由度が高く、様々なパターンのデータが発生する可能性がある。このため、例えば、センサを足に取り付けるときにピークが検出されて、歩行区間と誤判定するおそれがある。

一つの側面では、本発明は、歩行状態であるか否かの判別精度を向上させることを目的とする。

１つの実施態様では、左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得し、取得した前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、算出した前記相関度に基づいて、歩行であるか否かを判定する、歩行状態判別プログラムが提供される。

本発明の一側面によれば、歩行状態であるか否かの判別精度を向上させることができるという効果を奏する。

図１は、実施の形態にかかる歩行状態判別方法の一実施例を示す説明図である。 図２は、情報処理システム２００のシステム構成例を示す説明図である。 図３は、センサの装着例を示す説明図である。 図４は、慣性データの軸方向を示す説明図である。 図５は、情報処理装置１０１のハードウェア構成例を示すブロック図である。 図６は、慣性データＤＢ２２０の記憶内容の一例を示す説明図である。 図７は、情報処理装置１０１の機能的構成例を示すブロック図である。 図８は、暫定歩行区間情報の具体例を示す説明図である。 図９は、非歩行時の計測データの具体例を示す説明図である。 図１０は、歩行の期間の判定例を示す説明図である。 図１１は、窓幅の設定例を示す説明図である。 図１２は、９０度足曲げ歩行時の計測データの具体例を示す説明図である。 図１３は、ジャイロデータのピークの比較例を示す説明図である。 図１４Ａは、監視画面の画面例を示す説明図（その１）である。 図１４Ｂは、監視画面の画面例を示す説明図（その２）である。 図１５は、情報処理装置１０１の歩行状態判別処理手順の一例を示すフローチャートである。 図１６は、第２の相関度算出処理の具体的処理手順の一例を示すフローチャートである。 図１７は、閾値判定の一例を示す説明図である。

以下に図面を参照して、本発明にかかる歩行状態判別プログラム、歩行状態判別方法および情報処理装置の実施の形態を詳細に説明する。

（実施の形態）
図１は、実施の形態にかかる歩行状態判別方法の一実施例を示す説明図である。図１において、情報処理装置１０１は、歩行の期間を判定するコンピュータである。歩行の期間は、計測対象によって歩行が行われた期間である。計測対象は、動きに関する値を計測する対象であり、例えば、人間であってもよいし、人間以外の動物であってもよい。より具体的には、例えば、計測対象は、医師による診断や治療、経過観察、健康管理などを受ける患者である。

ここで、足などに取り付けたセンサの情報から歩行特徴を抽出する技術として、両足の慣性データのうち、所定方式で検出したピークが頻繁に発生する箇所を歩行区間とし、歩行区間のデータを用いて歩行速度や歩幅などを抽出するものがある。慣性データは、例えば、左右のそれぞれの足に取り付けられるセンサで計測される角速度の情報である。

しかしながら、疾病や疾病の回復状態によっては、健康のときと比べて、対象者の歩き方が異なることがある。このため、ピークが頻繁に発生する箇所を歩行区間と判定する場合、健康のときと比べてピークの出方が異なると、歩行区間の検出漏れが生じるおそれがある。

また、対象者がセンサを足に取り付けるまでに、センサを「運ぶ」、「持ち上げる」、「置く」、「振る」などの動きが生じることがある。このような動きは自由度が高く、様々なパターンのデータが発生する可能性がある。このため、例えば、センサを足に取り付けるときにピークが検出されて、歩行区間と誤判定するおそれがある。

なお、データ取得の開始・終了のトリガーを、対象者または第三者が与えて、対象者が歩行した期間のデータのみを取得することも考えられる。例えば、足に取り付けたセンサからデータをスマートフォンに無線通信で送っておき、スマートフォンのアプリケーションを通じて、センサ装着後にデータ取得開始のトリガーを与え、センサを外す前にデータ取得終了のトリガーを与えることが考えられる。しかし、データ取得の開始・終了のトリガーを人手により与える手間が生じるとともに、トリガーを与え忘れるおそれがある。トリガーを与え忘れると、判定結果を保証できなくなる。

そこで、本実施の形態では、歩行時においては、左足の慣性データと右足の慣性データとが無相関になる傾向があることを利用して、歩行状態であるか否かの判定精度を向上させる歩行状態判別方法について説明する。以下、情報処理装置１０１の歩行状態判別処理例について説明する。

ここでは、対象者Ｐの左右のそれぞれの足に第１のセンサ１０２および第２のセンサ１０３が取り付けられる場合を想定する。足は、からだを支えたり歩行に使ったりする部分である。例えば、第１のセンサ１０２および第２のセンサ１０３は、左右のそれぞれの足のくるぶしあたりに取り付けられる。

（１）情報処理装置１０１は、第１のセンサ１０２および第２のセンサ１０３のそれぞれで所定期間Ｔに計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得する。ここで、所定期間Ｔは、歩行の期間であるか否かを判定する対象の期間である。

なお、所定期間Ｔは、本歩行状態判別方法とは異なる既存技術により歩行の期間であると推定された期間であってもよい。この場合、本歩行状態判別方法によって、既存技術により推定された歩行の期間の正しさを判定することができる。

図１の例では、所定期間Ｔ１について、第１の計測データ１１１および第２の計測データ１１２が取得され、所定期間Ｔ２について、第１の計測データ１２１および第２の計測データ１２２が取得された場合を想定する。

（２）情報処理装置１０１は、取得した第１の計測データと第２の計測データとの間の相関度を算出する。ここで、相関度は、第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関の高さを示す値である。例えば、相関度は、「０以上１以下」の範囲の数値によってあらわされる相関係数の絶対値である。

図１の例では、第１の計測データ１１１と第２の計測データ１１２との間の相関度として「０．０３」が算出され、第１の計測データ１２１と第２の計測データ１２２との間の相関度として「０．９９」が算出された場合を想定する。

（３）情報処理装置１０１は、算出した相関度に基づいて、歩行であるか否かを判定する。ここで、歩行時においては、片足がスイングしているときは、もう一方の足（膝下部）は止まっている。スイングとは、つま先が地面を離れてから、足を前に振ってかかとが地面に着くまでの、足の振りである。

このため、歩行時においては、左足の計測データと右足の計測データとが無相関になる傾向がある。換言すれば、左足の計測データと右足の計測データとに相関がある場合には、歩行以外の動きをしている期間、いわゆる、非歩行の区間であると判断することができる。

例えば、センサを「運ぶ」、「持ち上げる」、「置く」、「振る」などの歩行以外の動きは、センサ１つずつではなく、複数のセンサ（例えば、第１のセンサ１０２、第２のセンサ１０３）に対して同時に行われることがある。この場合、左右の計測データ間で相関が大きくなり、非歩行の区間とみなすことが可能となる。

そこで、情報処理装置１０１は、例えば、算出した相関度が第１の閾値未満の場合に、歩行であると判定する。一方、相関度が第１の閾値以上の場合には、情報処理装置１０１は、歩行ではないと判定する。第１の閾値は、任意に設定可能であり、例えば、０．２程度の値に設定される。

図１の例では、第１の閾値を「０．２」とする。この場合、第１の計測データ１１１と第２の計測データ１１２との間の相関度「０．０３」は、第１の閾値未満である。このため、情報処理装置１０１は、歩行であると判定する。一方、第１の計測データ１２１と第２の計測データ１２２との間の相関度「０．９９」は、第１の閾値以上である。このため、情報処理装置１０１は、歩行ではないと判定する。

このように、情報処理装置１０１によれば、第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関度を算出し、算出した相関度に基づいて、歩行であるか否かを判定することができる。これにより、歩行時においては、左足の計測データと右足の計測データとが無相関になる傾向があることを利用して、対象者Ｐが歩行状態であるか否かの判別精度を向上させることができる。

（情報処理システム２００のシステム構成例）
つぎに、図１に示した情報処理装置１０１を含む情報処理システム２００のシステム構成例について説明する。情報処理システム２００は、例えば、対象者Ｐの健康状態を監視する遠隔監視システムに適用される。

図２は、情報処理システム２００のシステム構成例を示す説明図である。図２において、情報処理システム２００は、情報処理装置１０１と、管理者端末２０１と、対象者端末２０２と、を含む。情報処理システム２００において、情報処理装置１０１、管理者端末２０１および対象者端末２０２は、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。なお、他のシステム構成例として、情報処理装置１０１と対象者端末２０２は単一装置として実現されていてもよいし、全ての装置が一体になったスタンドアロンシステムとして実現されていてもよい。

ここで、情報処理装置１０１は、慣性データＤＢ（Ｄａｔａｂａｓｅ）２２０を有し、対象者Ｐの歩行区間を判定する。歩行区間は、歩行の期間であり、例えば、センサＳ１，Ｓ２を足に取り付けた状態で歩行した期間である。情報処理装置１０１は、例えば、サーバである。なお、慣性データＤＢ２２０の記憶内容については、図６を用いて後述する。

管理者端末２０１は、管理者が使用するコンピュータである。管理者は、例えば、医療機関の医師、看護師などの医療従事者である。管理者端末２０１は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、タブレット型ＰＣ、スマートフォンなどである。

対象者端末２０２は、対象者Ｐが使用するコンピュータである。対象者Ｐは、例えば、医療従事者による診断、治療、経過観察などを受ける患者である。対象者端末２０２は、読取部２０３を有し、センサＳ１，Ｓ２からデータを取得可能である。対象者端末２０２は、例えば、ＰＣ、タブレット型ＰＣ、スマートフォンなどである。

センサＳ１，Ｓ２は、動きに関する値を計測するセンサであり、対象者Ｐの左右のそれぞれの足に取り付けられる。例えば、センサＳ１，Ｓ２は、複数の方向の角速度を計測するジャイロセンサである。図１に示した第１のセンサ１０２は、例えば、センサＳ１に対応する。また、図１に示した第２のセンサ１０３は、例えば、センサＳ２に対応する。

各センサＳ１，Ｓ２は、例えば、読取部２０３を介して、対象者端末２０２とＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）接続される。より詳細に説明すると、例えば、対象者Ｐが、読取部２０３のＵＳＢポートに各センサＳ１，Ｓ２を取り付けると、対象者端末２０２が、各センサＳ１，Ｓ２からデータを取得する。なお、読取部２０３には、複数のＵＳＢポートが設けられていてもよい。また、対象者端末２０２は、複数の読取部２０３を有していてもよい。

センサＳ１，Ｓ２間は、時刻同期されているものとする。例えば、センサＳ１，Ｓ２を対象者端末２０２に接続したときに、センサＳ１，Ｓ２に絶対時刻を記録することで、時刻同期を実現することにしてもよい。なお、各センサＳ１，Ｓ２は、無線通信機能を有していてもよい。この場合、各センサＳ１，Ｓ２は、対象者端末２０２に対して無線通信によりデータを送信することにしてもよい。また、センサＳ１，Ｓ２は、例えば、加速度を計測する加速度センサであってもよい。

ここで、センサＳ１，Ｓ２の装着例について説明する。センサＳ１，Ｓ２は、例えば、バンドやテープによって取り付け可能である。

図３は、センサの装着例を示す説明図である。図３に示すように、対象者Ｐは、左足のくるぶしあたりにセンサＳ１を取り付け、右足のくるぶしあたりにセンサＳ２を取り付ける。センサＳ１，Ｓ２は、複数の方向のそれぞれの角速度を計測し、各方向の計測値と計測時刻とを対応付けてあらわす慣性データを生成する。対象者端末２０２は、センサＳ１，Ｓ２が生成した慣性データを取得する。

ここで、慣性データの軸方向について説明する。

図４は、慣性データの軸方向を示す説明図である。図４において、（Ａ）には、矢状面４０１、横断面４０２および冠状面４０３が示されている。慣性データの軸方向として、Ｘ軸ジャイロデータを、矢状面方向（前後方向）の角速度（回転速度）と定義する。また、Ｙ軸ジャイロデータを、横断面方向（左右方向）の角速度（回転速度）と定義し、Ｚ軸ジャイロデータを、冠状面方向（上下方向）の角速度（回転速度）と定義する。

（Ｂ）には、前後方向（矢状面方向）の正方向の回転（矢印４０４）が示されている。（Ｃ）には、左右方向（横断面方向）の正方向の回転（矢印４０５）が示されている。（Ｄ）には、上下方向（冠状面方向）の正方向の回転（矢印４０６）が示されている。各センサＳ１，Ｓ２は、例えば、１０ミリ秒程度の一定時間ごとに、Ｘ軸ジャイロデータ、Ｙ軸ジャイロデータおよびＺ軸ジャイロデータを計測する。

（情報処理装置１０１のハードウェア構成例）
つぎに、情報処理装置１０１のハードウェア構成例について説明する。

図５は、情報処理装置１０１のハードウェア構成例を示すブロック図である。図５において、情報処理装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５０１と、メモリ５０２と、ディスクドライブ５０３と、ディスク５０４と、通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）５０５と、可搬型記録媒体Ｉ／Ｆ５０６と、可搬型記録媒体５０７と、を有する。また、各構成部は、バス５００によってそれぞれ接続される。

ここで、ＣＰＵ５０１は、情報処理装置１０１の全体の制御を司る。ＣＰＵ５０１は、複数のコアを有していてもよい。メモリ５０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭがＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）のプログラムを記憶し、ＲＯＭがアプリケーションプログラムを記憶し、ＲＡＭがＣＰＵ５０１のワークエリアとして使用される。メモリ５０２に記憶されるプログラムは、ＣＰＵ５０１にロードされることで、コーディングされている処理をＣＰＵ５０１に実行させる。

ディスクドライブ５０３は、ＣＰＵ５０１の制御に従ってディスク５０４に対するデータのリード／ライトを制御する。ディスク５０４は、ディスクドライブ５０３の制御で書き込まれたデータを記憶する。ディスク５０４としては、例えば、磁気ディスク、光ディスクなどが挙げられる。

通信Ｉ／Ｆ５０５は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して外部のコンピュータ（例えば、図２に示した管理者端末２０１、対象者端末２０２）に接続される。そして、通信Ｉ／Ｆ５０５は、ネットワーク２１０と装置内部とのインターフェースを司り、外部のコンピュータからのデータの入出力を制御する。通信Ｉ／Ｆ５０５には、例えば、モデムやＬＡＮアダプタなどを採用することができる。

可搬型記録媒体Ｉ／Ｆ５０６は、ＣＰＵ５０１の制御に従って可搬型記録媒体５０７に対するデータのリード／ライトを制御する。可搬型記録媒体５０７は、可搬型記録媒体Ｉ／Ｆ５０６の制御で書き込まれたデータを記憶する。可搬型記録媒体５０７としては、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）−ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリなどが挙げられる。

なお、情報処理装置１０１は、上述した構成部のほかに、例えば、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、入力装置、ディスプレイ等を有することにしてもよい。また、情報処理装置１０１は、上述した構成部のうち、例えば、ディスクドライブ５０３、ディスク５０４、可搬型記録媒体Ｉ／Ｆ５０６、可搬型記録媒体５０７を有していなくてもよい。また、図２に示した管理者端末２０１、対象者端末２０２についても、情報処理装置１０１と同様のハードウェア構成により実現することができる。ただし、管理者端末２０１、対象者端末２０２は、上述した構成部のほかに、例えば、入力装置、ディスプレイを有する。

（慣性データＤＢ２２０の記憶内容）
つぎに、情報処理装置１０１が有する慣性データＤＢ２２０の記憶内容について説明する。慣性データＤＢ２２０は、例えば、図５に示した情報処理装置１０１のメモリ５０２、ディスク５０４等の記憶装置により実現される。

図６は、慣性データＤＢ２２０の記憶内容の一例を示す説明図である。図６において、慣性データＤＢ２２０は、患者ＩＤ、時刻、左足Ｘ軸ジャイロ、左足Ｙ軸ジャイロ、左足Ｚ軸ジャイロ、右足Ｘ軸ジャイロ、右足Ｙ軸ジャイロおよび右足Ｚ軸ジャイロのフィールドを有する。各フィールドに情報を設定することで、ジャイロデータ（例えば、ジャイロデータ６００−１〜６００−７）がレコードとして記憶される。

ここで、患者ＩＤは、対象者Ｐを一意に識別する識別子である。時刻は、各軸方向の角速度の計測時刻である（単位：ミリ秒）。左足Ｘ軸ジャイロは、対象者Ｐの左足に取り付けられるセンサＳ１により計測された前後方向の角速度を示す（単位：ｄｅｇ／秒）。左足Ｙ軸ジャイロは、対象者Ｐの左足に取り付けられるセンサＳ１により計測された左右方向の角速度を示す（単位：ｄｅｇ／秒）。左足Ｚ軸ジャイロは、対象者Ｐの左足に取り付けられるセンサＳ１により計測された上下方向の角速度を示す（単位：ｄｅｇ／秒）。

右足Ｘ軸ジャイロは、対象者Ｐの右足に取り付けられるセンサＳ２により計測された前後方向の角速度を示す（単位：ｄｅｇ／秒）。右足Ｙ軸ジャイロは、対象者Ｐの右足に取り付けられるセンサＳ２により計測された左右方向の角速度を示す（単位：ｄｅｇ／秒）。右足Ｚ軸ジャイロは、対象者Ｐの右足に取り付けられるセンサＳ２により計測された上下方向の角速度を示す（単位：ｄｅｇ／秒）。

左足Ｘ軸ジャイロおよび右足Ｘ軸ジャイロは、図４で説明したＸ軸ジャイロデータに相当する。左足Ｙ軸ジャイロおよび右足Ｙ軸ジャイロは、図４で説明したＹ軸ジャイロデータに相当する。左足Ｚ軸ジャイロおよび右足Ｚ軸ジャイロは、図４で説明したＺ軸ジャイロデータに相当する。

（情報処理装置１０１の機能的構成例）
図７は、情報処理装置１０１の機能的構成例を示すブロック図である。図７において、情報処理装置１０１は、取得部７０１と、算出部７０２と、判定部７０３と、出力部７０４と、を含む。具体的には、例えば、各機能部は、図５に示したメモリ５０２、ディスク５０４、可搬型記録媒体５０７などの記憶装置に記憶されたプログラムをＣＰＵ５０１に実行させることにより、または、通信Ｉ／Ｆ５０５により、その機能を実現する。各機能部の処理結果は、例えば、メモリ５０２、ディスク５０４などの記憶装置に記憶される。

取得部７０１は、第１の計測データおよび第２の計測データを取得する。ここで、第１の計測データは、対象者Ｐの左右のそれぞれの足に取り付けられるセンサＳ１，Ｓ２のうち、センサＳ１で所定期間Ｔに計測された計測値の推移をあらわす。また、第２の計測データは、センサＳ２で所定期間Ｔに計測された計測値の推移をあらわす。

所定期間Ｔは、歩行の期間であるか否かを判定する対象の期間であり、任意に設定可能である。所定期間Ｔの時間長は、例えば、人間が４〜６歩程度歩くのに要する典型的な時間に設定される。一例として、時間長を「８秒」とすると、対象者Ｐの健康状態を監視するにあたり、情報処理装置１０１は、８秒ごとの期間を所定期間Ｔに設定してもよい。ただし、期間同士は一部重複していてもよい。

具体的には、例えば、取得部７０１は、図６に示した慣性データＤＢ２２０から、所定期間Ｔに時刻（計測時刻）が含まれるジャイロデータを取得する。これにより、対象者Ｐ１の左右のそれぞれの足に取り付けられるセンサＳ１，Ｓ２のそれぞれで所定期間Ｔに計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得することができる。

この場合、第１の計測データは、対象者Ｐ１の左足に取り付けられるセンサＳ１で所定期間Ｔに計測された計測値（左足Ｘ軸ジャイロ、左足Ｙ軸ジャイロ、左足Ｚ軸ジャイロ）の推移をあらわす。第２の計測データは、対象者Ｐ１の右足に取り付けられるセンサＳ２で所定期間Ｔに計測された計測値（右足Ｘ軸ジャイロ、右足Ｙ軸ジャイロおよび右足Ｚ軸ジャイロ）の推移をあらわす。

また、所定期間Ｔは、既存技術により、歩行の期間であると推定された期間、例えば、対象者Ｐの左右のそれぞれの足に取り付けられるセンサＳ１，Ｓ２のデータをもとに歩行区間と判定された期間であってもよい。なお、歩行区間を判定する既存技術としては、例えば、国際公開第２０１７／１９９３０５号を参照することができる。

例えば、情報処理装置１０１は、図８に示すような暫定歩行区間情報８００を参照して、暫定歩行区間を所定期間Ｔに設定することにしてもよい。暫定歩行区間は、既存技術により歩行区間と判定された期間である。

図８は、暫定歩行区間情報の具体例を示す説明図である。図８において、暫定歩行区間情報８００は、期間ＩＤ、開始時刻、終了時刻および歩行特徴のフィールドを有し、各フィールドに情報を設定することで、暫定判定結果（例えば、暫定判定結果８００−１）をレコードとして記憶する。

期間ＩＤは、暫定歩行区間を一意に識別する識別子である。開始時刻は、暫定歩行区間の開始時刻である（単位：ミリ秒）。終了時刻は、暫定歩行区間の終了時刻である（単位：ミリ秒）。歩行特徴は、暫定歩行区間における歩行特徴を示す情報である。歩行特徴には、例えば、暫定歩行区間におけるステップ数、歩幅、歩行速度、左右の足のスイングの時間差などが含まれる。ステップ数は、対象者Ｐが歩行した歩数である。歩行特徴は、既存技術（例えば、国際公開第２０１７／１９９３０５号参照）を用いて算出される。

例えば、暫定判定結果８００−１は、暫定歩行区間Ｔ’１の開始時刻「１５１８０７１４１３８６２」、終了時刻「１５１８０７１４２１８６２」および歩行特徴「・・・」を示す。情報処理装置１０１は、例えば、暫定判定結果８００−１を参照して、暫定歩行区間Ｔ’１を所定期間Ｔに設定する。この場合、取得部７０１は、慣性データＤＢ２２０から、所定期間Ｔ「１５１８０７１４１３８６２〜１５１８０７１４２１８６２」に時刻（計測時刻）が含まれるジャイロデータを取得することにより、第１の計測データおよび第２の計測データを取得する。

なお、暫定歩行区間情報８００は、他のコンピュータから（例えば、管理者端末２０１）から取得されることにしてもよい。また、暫定歩行区間情報８００は、情報処理装置１０１において生成されることにしてもよい。すなわち、情報処理装置１０１は、歩行区間を判定する既存技術を利用して、第１の計測データおよび第２の計測データに基づき、所定期間Ｔが歩行区間であるか否かを判定することで、暫定歩行区間情報８００を生成することにしてもよい。

図７の説明に戻り、算出部７０２は、取得された第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度Ｃを算出する。具体的には、例えば、算出部７０２は、下記式（１）を用いて、第１の計測データと第２の計測データとの間の相関度Ｃを算出することができる。ただし、時刻ｔでの左足ジャイロデータをｘ（ｔ）とし、時刻ｔでの右足ジャイロデータをｙ（ｔ）とする。また、所定期間Ｔを［ｔ１，ｔ２］、すなわち、時刻ｔ１〜時刻ｔ２の期間とする。

［数１］

なお、センサＳ１，Ｓ２が複数の方向の角速度を計測可能な場合、相関度Ｃを求めるにあたり、各センサＳ１，Ｓ２のどの方向の計測値を用いるかは、任意に設定可能である。例えば、各センサＳ１，Ｓ２の前後方向（Ｘ軸方向）の計測値、すなわち、Ｘ軸ジャイロデータを用いると設定されているとする。この場合、算出部７０２は、時刻ｔでの左足Ｘ軸ジャイロデータをｘ（ｔ）とし、時刻ｔでの右足Ｘ軸ジャイロデータをｙ（ｔ）として、相関度Ｃを算出する。

判定部７０３は、算出された相関度Ｃに基づいて、歩行であるか否かを判定する。具体的には、例えば、判定部７０３は、所定期間Ｔが歩行の期間であるか否かを判定する。より具体的には、例えば、判定部７０３は、相関度Ｃが第１の閾値α未満の場合に、所定期間Ｔが歩行の期間であると判定する。この際、判定部７０３は、所定期間Ｔに歩行の期間が含まれると判定してもよい。一方、相関度Ｃが第１の閾値α以上の場合には、判定部７０３は、所定期間Ｔが歩行の期間ではないと判定する。第１の閾値αは、例えば、０．２程度の値に設定される。

これにより、歩行時においては、片足がスイングしているときは、もう一方の足は止まっており、左足の計測データと右足の計測データとが無相関になる傾向があることを利用して、所定期間Ｔが歩行の期間であるか否かを判定することができる。

出力部７０４は、判定された判定結果を出力する。また、出力部７０４は、判定された判定結果を、所定期間Ｔと対応付けて出力することにしてもよい。具体的には、例えば、出力部７０４は、所定期間Ｔごとに、所定期間Ｔが歩行の期間であるか否かを示す判定結果を出力することにしてもよい。また、出力部７０４は、各センサＳ１，Ｓ２で計測された計測値の推移をあらわす各波形データと対応付けて、歩行の期間であると判定された期間を判別可能な情報を出力することにしてもよい。

出力部７０４の出力形式としては、例えば、メモリ５０２、ディスク５０４などの記憶装置への記憶、通信Ｉ／Ｆ５０５による他のコンピュータへの送信、不図示のプリンタへの印刷出力などがある。より具体的には、例えば、出力部７０４は、管理者端末２０１に対して、後述の図１４Ａおよび図１４Ｂに示すような監視画面１４００および監視画面１４１０を表示することにしてもよい。

なお、上述した説明では、各センサＳ１，Ｓ２により計測される計測値として、角速度を例に挙げて説明したが、これに限らない。例えば、各センサＳ１，Ｓ２により計測される計測値として、加速度を用いることにしてもよい。

（歩行の期間の他の判定例）
ここで、対象者ＰがセンサＳ１，Ｓ２を手に持って運ぶ途中に持ち方を変えるなどの要因により、センサＳ１の計測データとセンサＳ２の計測データとの間で相関が低くなる場合がある。この場合、非歩行であるにもかかわらず、歩行の期間と誤判定されるおそれがある。

図９は、非歩行時の計測データの具体例を示す説明図である。図９において、計測データ９０１は、センサＳ１で所定期間Ｔｘに計測された計測値の推移をあらわす。計測データ９０２は、センサＳ２で所定期間Ｔｘに計測された計測値の推移をあらわす。ただし、横軸は、計測時刻を示す。縦軸は、計測値を正規化した値を示す。

ここで、所定期間Ｔｘは、対象者ＰがセンサＳ１，Ｓ２を手に持って運んでいる、すなわち、左右のそれぞれの足にセンサＳ１，Ｓ２を取り付けた状態で歩行していない、非歩行の期間である。ここでは、対象者Ｐが、センサＳ１，Ｓ２を運ぶ途中の時刻ｔａにおいて、センサＳ１，Ｓ２の持ち方を変えた場合を想定する。

この場合、時刻ｔａより前の期間Ｔｙにおいては、センサＳ１の計測データとセンサＳ２の計測データとの間で相関がある。一方、時刻ｔａより後の期間Ｔｚにおいては、センサＳ１の計測データとセンサＳ２の計測データとの間で相関がない。この結果、所定期間Ｔｘ全体では、センサＳ１の計測データとセンサＳ２の計測データとの間で相関が低いものとなっている。

この場合に、左足の計測データと右足の計測データとが無相関になる傾向があることを利用して、所定期間Ｔｘが歩行の期間であるか否かを判定すると、歩行の期間であると誤判定してしまう。しかし、このような場合でも、計測データ９０１，９０２の一部では相関が非常に高くなるところがある。

そこで、情報処理装置１０１は、計測データ９０１，９０２の一部で相関が高くなっていれば、所定期間Ｔｘ全体としては相関が低い場合であっても、所定期間Ｔｘが歩行の期間ではないと判定することにしてもよい。

以下、情報処理装置１０１の各機能部の処理内容を具体的に説明する。

まず、取得部７０１は、所定期間Ｔに含まれる所定の時間幅の区間ごとに、センサＳ１，Ｓ２それぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得する。所定の時間幅は、任意に設定可能であり、例えば、１〜２秒程度に設定される。

以下の説明では、所定期間Ｔに含まれる所定の時間幅の区間を「窓」と表記し、所定の時間幅を「窓幅」と表記し、区間データを「窓データ」と表記する場合がある。

具体的には、例えば、取得部７０１は、所定期間Ｔにおいて窓をずらしながら、第１の計測データおよび第２の計測データのそれぞれから、窓ごとの第１の窓データおよび第２の窓データを取得する。第１の計測データは、センサＳ１で所定期間Ｔに計測された計測値の推移をあらわす。第２の計測データは、センサＳ２で所定期間Ｔに計測された計測値の推移をあらわす。

つぎに、算出部７０２は、窓ごとに、取得された第１の窓データと第２の窓データとの間の相関の高さを示す相関度Ｃを算出する。具体的には、例えば、算出部７０２は、上記式（１）を用いて、第１の窓データと第２の窓データとの間の相関度Ｃを算出することができる。

なお、第１の窓データと第２の窓データとの間の相関度Ｃを求めるにあたり、各センサＳ１，Ｓ２のどの方向の計測値を用いるかは、任意に設定可能である。例えば、算出部７０２は、各センサＳ１，Ｓ２が角速度を計測可能な方向の組み合わせごとに、第１の窓データと第２の窓データとの間の相関の高さを示す相関度Ｃを算出することにしてもよい。

そして、判定部７０３は、算出された窓ごとの相関度Ｃに基づいて、所定期間Ｔが歩行の期間であるか否かを判定する。具体的には、例えば、判定部７０３は、算出された窓ごとの相関度Ｃのうちの最大の相関度Ｃが第２の閾値β未満の場合に、所定期間Ｔが歩行の期間であると判定する。一方、最大の相関度Ｃが第２の閾値β以上の場合には、判定部７０３は、所定期間Ｔが歩行の期間ではないと判定する。第２の閾値βは、例えば、０．９程度の値に設定される。

これにより、センサＳ１，Ｓ２を運ぶ途中に持ち方を変えるなどの要因により計測データ間で相関がなくなる場合があることを考慮して、所定期間Ｔが歩行の期間であるか否かを判定することができる。

ここで、図９に示した所定期間Ｔｘを例に挙げて、所定期間Ｔｘが歩行の期間であるか否かの判定例について説明する。

図１０は、歩行の期間の判定例を示す説明図である。図１０において、所定期間Ｔｘ内の窓ｗ１〜ｗｋが示されている（ｋ：自然数）。この場合、取得部７０１は、計測データ９０１，９０２から、窓ｗ１〜ｗｋごとの第１の窓データ９０１−１〜９０１−ｋおよび第２の窓データ９０２−１〜９０２−ｋをそれぞれ取得する。

算出部７０２は、窓ｗ１〜ｗｋごとに、第１の窓データ９０１−１〜９０１−ｋと第２の窓データ９０２−１〜９０２−ｋとの相関度Ｃをそれぞれ算出する。ここでは、窓ｗ１について、第１の窓データ９０１−１と第２の窓データ９０２−１との相関度Ｃとして、「０．９９」が算出されたとする。

また、窓ｗ２について、第１の窓データ９０１−２と第２の窓データ９０２−２との相関度Ｃとして、「０．９９」が算出されたとする。また、窓ｗ３について、第１の窓データ９０１−３と第２の窓データ９０２−３との相関度Ｃとして、「０．０４」が算出されたとする。また、窓ｗｋについて、第１の窓データ９０１−ｋと第２の窓データ９０２−ｋとの相関度Ｃとして、「０．０１」が算出されたとする。

判定部７０３は、算出された窓ｗ１〜ｗｋごとの相関度Ｃに基づいて、所定期間Ｔｘが歩行の期間であるか否かを判定する。具体的には、例えば、判定部７０３は、窓ｗ１〜ｗｋごとの相関度Ｃのうちの最大の相関度Ｃを特定する。ここでは、最大の相関度Ｃを「０．９９」とする。

そして、判定部７０３は、特定した最大の相関度Ｃが第２の閾値β未満であるか否かを判断する。ここで、第２の閾値βを「β＝０．９」とする。この場合、最大の相関度Ｃは第２の閾値β以上である。このため、判定部７０３は、所定期間Ｔｘが歩行の期間ではないと判定する。

これにより、センサＳ１，Ｓ２を運ぶ途中に持ち方を変えたことで所定期間Ｔｘ全体として相関が低くなるような場合であっても、非歩行の期間を正しく除去して誤判定を防ぐことができる。

ただし、窓データを取得するにあたり、窓幅の設定の仕方を誤ると、歩行時の左右の足の計測データの相関度Ｃを正しく求められない場合がある。

図１１は、窓幅の設定例を示す説明図である。図１１において、窓データ１１０１，１１０３は、歩行時の計測データであり、センサＳ１で計測された計測値の推移をあらわす。窓データ１１０２，１１０４は、歩行時の計測データであり、センサＳ２で計測された計測値の推移をあらわす。ただし、横軸は、計測時刻を示す。縦軸は、計測値を示す。

ここで、窓幅を「１．８秒」に設定した場合、窓データ１１０１，１１０２間の相関度Ｃは「−０．０５」となり、歩行時の相関度Ｃが正しく求められているといえる。一方、窓幅を「０．６秒」に設定した場合、窓データ１１０３，１１０４間の相関度Ｃは「０．２１」となり、歩行時の相関度Ｃが正しく求められているとはいえない。

すなわち、窓幅を短くし過ぎると、窓データ内に歩行周期が含まれなくなり、窓データ間の相関が高くなる傾向がある。歩行周期とは、対象者Ｐが、スイングを開始してから、次のスイングを開始するまでの期間である。一方で、窓幅を長くしすぎると、窓データに分割する効果が薄れてしまう。

そこで、算出部７０２は、窓幅を、少なくとも１以上の歩行周期を含む時間幅に設定することにしてもよい。具体的には、例えば、算出部７０２は、下記式（２）を用いて、所定期間Ｔについての窓幅を算出することにしてもよい。ただし、所定期間Ｔは、歩行区間と推定された期間である。Ｎは、所定期間Ｔにおけるステップ数である。Ｄは、所定期間Ｔの時間長である。所定期間Ｔ、ステップ数Ｎおよび時間長Ｄは、例えば、図８に示した暫定歩行区間情報８００の暫定判定結果から特定される。

窓幅＝２Ｄ／Ｎ ・・・（２）

この場合、算出部７０２は、例えば、２Ｄ／Ｎ以上の窓幅に設定する。これにより、窓データ内に歩行周期が含まれなくなるのを防いで、歩行時の相関度Ｃを正しく求めることが可能となる。なお、窓幅は、例えば、所定期間Ｔごとに設定し直してもよく、所定期間Ｔにおける平均ステップ数などをもとに一括して設定することにしてもよい。

（ジャイロデータの選定）
ここで、歩行中にスイングしているときの回転運動は、前後方向のジャイロデータに現れる。しかし、片足置換手術や事故などによって、例えば、片足が外に曲がったままスイングする場合、回転運動は、前後方向のジャイロデータではなく、左右方向のジャイロデータに現れる傾向がある。

図１２は、９０度足曲げ歩行時の計測データの具体例を示す説明図である。図１２に示すように、対象者Ｐの左足Ｌ（患側足）が、右足Ｒ（健側足）に対して９０度曲がっている場合を想定する。なお、患側足は、動きが不自由な足である。健側足は、動きに障害のない足である。

この場合、両足について、前後方向の計測値の推移をあらわすジャイロデータ１２０１，１２０２を用いると、歩行時であっても相関度Ｃが高くなる傾向がある。一方、左足Ｌについては、左右方向の計測値の推移をあらわすジャイロデータ１２０３を、右足Ｒについては、前後方向の計測値の推移をあらわすジャイロデータ１２０４を用いると、相関度Ｃが低くなる傾向がある。

そこで、算出部７０２は、所定期間Ｔについての相関度Ｃを求めるにあたり、各センサＳ１，Ｓ２のどの方向の計測値を用いるかを決めることにしてもよい。例えば、健側足の場合、前後方向の運動量が最も高くなり、健側足に対して９０度曲がった患側足の場合、左右方向の運動量が最も高くなる。

このため、算出部７０２は、第１の計測データとして、角速度を計測可能な複数の方向のうち、センサＳ１により計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわすジャイロデータを優先して用いることにしてもよい。また、算出部７０２は、第２の計測データとして、角速度を計測可能な複数の方向のうち、センサＳ２により計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわすジャイロデータを優先して用いることにしてもよい。

すなわち、各センサＳ１，Ｓ２が角速度を計測可能な複数の方向（軸方向）のうち、運動量が大きい方向のジャイロデータを用いることにしてもよい。具体的には、例えば、算出部７０２は、センサＳ１について、各方向（前後方向、左右方向、上下方向）の計測値の推移をあらわすジャイロデータからピークをそれぞれ検出する。

つぎに、算出部７０２は、各方向のジャイロデータからそれぞれ検出したピークの平均値を算出する。ただし、ピークの平均値は、ピークの上位平均値であってもよい。上位平均値は、上位いくつかの値を用いた平均値である。また、ピークを検出する方法としては、既存のいかなる技術を用いることにしてもよい。

そして、算出部７０２は、センサＳ１について、複数の方向のうちピークの平均値が最大の方向を、運動量が最大の方向として特定する。この場合、算出部７０２は、第１の計測データとして、特定した方向のジャイロデータを用いる。ただし、算出部７０２は、ピークの平均値が予め決められた閾値以上の方向のジャイロデータを用いることにしてもよい。

同様に、算出部７０２は、センサＳ２について、各方向（前後方向、左右方向、上下方向）の計測値の推移をあらわすジャイロデータからピークをそれぞれ検出する。つぎに、算出部７０２は、各方向のジャイロデータからそれぞれ検出したピークの平均値を算出する。そして、算出部７０２は、センサＳ２について、複数の方向のうちピークの平均値が最大の方向を、運動量が最大の方向として特定する。この場合、算出部７０２は、第２の計測データとして、特定した方向のジャイロデータを用いる。

図１３は、ジャイロデータのピークの比較例を示す説明図である。図１３において、ジャイロデータ１３０１は、センサＳ１について、前後方向の角速度の推移をあらわす。ジャイロデータ１３０２は、センサＳ１について、左右方向の角速度の推移をあらわす。

ここで、ジャイロデータ１３０１とジャイロデータ１３０２とでピークの平均値を比較すると、ジャイロデータ１３０２のほうが大きい。この場合、算出部７０２は、各方向（前後方向、左右方向）のうち運動量が大きい左右方向のジャイロデータ１３０２を、第１の計測データとして用いる。

なお、運動量が最大の方向を特定するにあたり、例えば、算出部７０２は、ジャイロデータを積分して得られる面積が最大の方向を特定することにしてもよい。面積は、ジャイロデータがあらわす波形と計測値が０の直線とで囲まれる図形の面積に相当する。

（監視画面の画面例）
つぎに、図１４Ａおよび図１４Ｂを用いて、管理者端末２０１に表示される監視画面の画面例について説明する。

図１４Ａおよび図１４Ｂは、監視画面の画面例を示す説明図である。図１４Ａにおいて、監視画面１４００は、対象者Ｐ１について、センシングデータ１４０１，１４０２と対応付けて、歩行の期間であると判定された期間を特定する情報１４０３〜１４０５を表示する操作画面である。

センシングデータ１４０１，１４０２は、対象者Ｐ１の左右のそれぞれの足に取り付けられるセンサＳ１，Ｓ２それぞれで計測された計測値の推移をあらわす波形データである。監視画面１４００によれば、ユーザ（例えば、医師）は、対象者Ｐ１の歩行期間を特定することができる。

また、図１４Ｂにおいて、監視画面１４１０は、歩行期間の歩行特徴を表示する。歩行特徴は、例えば、歩数、歩幅などを含む。歩行特徴は、例えば、暫定歩行区間情報８００内の暫定判定結果から特定される。

ここでは、グラフ１４１１に各歩行区間における歩数が表示され、また、グラフ１４１２に各歩行区間における歩幅が表示されている。各グラフにおける横軸は、歩行区間の番号を表す。例えば、グラフ中の表記Ｎｏ．１は情報１４０３の歩行区間を表し、表記Ｎｏ．２は情報１４０４の歩行区間を表し、表記Ｎｏ．３は情報１４０５の歩行区間を表す。

監視画面１４１０によれば、ユーザ（例えば、医師）は、対象者Ｐ１の歩行特徴から健康状態を判断することができる。すなわち、対象者Ｐ１が病院に通院したり、医師が対象者Ｐ１の自宅に訪問したりすることなく、遠隔地から対象者Ｐ１の健康状態を把握することができる。

（情報処理装置１０１の歩行状態判別処理手順）
つぎに、情報処理装置１０１の歩行状態判別処理手順について説明する。ここでは、所定期間Ｔを、歩行の期間と推定された暫定歩行区間とする場合を例に挙げて説明する。

図１５は、情報処理装置１０１の歩行状態判別処理手順の一例を示すフローチャートである。図１５のフローチャートにおいて、まず、情報処理装置１０１は、図８に示したような暫定歩行区間情報８００を参照して、未選択の暫定歩行区間を選択する（ステップＳ１５０１）。

つぎに、情報処理装置１０１は、慣性データＤＢ２２０から、選択した暫定歩行区間の各軸方向のジャイロデータを取得する（ステップＳ１５０２）。以下の説明では、センサＳ１が取り付けられる左足のジャイロデータを「左足データ」と表記し、センサＳ２が取り付けられる右足のジャイロデータを「右足データ」と表記する場合がある。

つぎに、情報処理装置１０１は、左足について、取得した各軸方向の左足データに基づいて、運動量が最大の軸方向を特定する（ステップＳ１５０３）。つぎに、情報処理装置１０１は、右足について、取得した各軸方向の右足データに基づいて、運動量が最大の軸方向を特定する（ステップＳ１５０４）。

そして、情報処理装置１０１は、ステップＳ１５０３において特定した運動量が最大の軸方向の左足データと、ステップＳ１５０４において特定した運動量が最大の軸方向の右足データとの間の相関度Ｃを算出する（ステップＳ１５０５）。以下の説明では、ステップＳ１５０５において算出された相関度を「第１の相関度Ｃ１」と表記する場合がある。

つぎに、情報処理装置１０１は、算出した第１の相関度Ｃ１が第１の閾値α未満であるか否かを判断する（ステップＳ１５０６）。ここで、第１の相関度Ｃ１が第１の閾値α未満の場合（ステップＳ１５０６：Ｙｅｓ）、情報処理装置１０１は、選択した暫定歩行区間が歩行の期間であると判定して（ステップＳ１５０７）、ステップＳ１５１１に移行する。

一方、第１の相関度Ｃ１が第１の閾値α以上の場合（ステップＳ１５０６：Ｎｏ）、情報処理装置１０１は、第２の相関度Ｃ２を算出する第２の相関度算出処理を実行する（ステップＳ１５０８）。第２の相関度Ｃ２は、上述した窓ごとの相関度Ｃのうちの最大の相関度Ｃに相当する。第２の相関度算出処理の具体的な処理手順については、図１６を用いて後述する。

つぎに、情報処理装置１０１は、算出した第２の相関度Ｃ２が第２の閾値β未満であるか否かを判断する（ステップＳ１５０９）。ここで、第２の相関度Ｃ２が第２の閾値β未満の場合（ステップＳ１５０９：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１５０７に移行する。

一方、第２の相関度Ｃ２が第２の閾値β以上の場合（ステップＳ１５０９：Ｎｏ）、情報処理装置１０１は、選択した暫定歩行区間が非歩行の期間であると判定する（ステップＳ１５１０）。そして、情報処理装置１０１は、暫定歩行区間情報８００を参照して、未選択の暫定歩行区間があるか否かを判断する（ステップＳ１５１１）。

ここで、未選択の暫定歩行区間がある場合（ステップＳ１５１１：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１５０１に戻る。一方、未選択の暫定歩行区間がない場合（ステップＳ１５１１：Ｎｏ）、情報処理装置１０１は、選択した暫定歩行区間ごとに、暫定歩行区間が歩行の期間であるか否かを示す判定結果を出力して（ステップＳ１５１２）、本フローチャートによる一連の処理を終了する。

つぎに、図１５のステップＳ１５０８に示した第２の相関度算出処理の具体的な処理手順について説明する。

図１６は、第２の相関度算出処理の具体的処理手順の一例を示すフローチャートである。図１６のフローチャートにおいて、まず、情報処理装置１０１は、左足について、複数の軸方向から未選択の軸方向を選択する（ステップＳ１６０１）。つぎに、情報処理装置１０１は、右足について、複数の軸方向から未選択の軸方向を選択する（ステップＳ１６０２）。

そして、情報処理装置１０１は、選択した暫定歩行区間において窓をずらしながら、ステップＳ１６０１において選択した軸方向の左足データを、窓ごとの第１の窓データに分割する（ステップＳ１６０３）。つぎに、情報処理装置１０１は、選択した暫定歩行区間において窓をずらしながら、ステップＳ１６０２において選択した軸方向の右足データを、窓ごとの第２の窓データに分割する（ステップＳ１６０４）。

そして、情報処理装置１０１は、分割した第１の窓データのうち、未選択の第１の窓データを選択する（ステップＳ１６０５）。つぎに、情報処理装置１０１は、選択した第１の窓データと、当該第１の窓データに対応する第２の窓データとの間の相関度Ｃを算出する（ステップＳ１６０６）。

そして、情報処理装置１０１は、分割した第１の窓データのうち、未選択の第１の窓データがあるか否かを判断する（ステップＳ１６０７）。ここで、未選択の第１の窓データがある場合（ステップＳ１６０７：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１６０５に戻る。

一方、未選択の第１の窓データがない場合（ステップＳ１６０７：Ｎｏ）、情報処理装置１０１は、右足について、複数の軸方向のうち未選択の軸方向があるか否かを判断する（ステップＳ１６０８）。ここで、未選択の軸方向がある場合（ステップＳ１６０８：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１６０２に戻る。

一方、未選択の軸方向がない場合（ステップＳ１６０８：Ｎｏ）、情報処理装置１０１は、左足について、複数の軸方向のうち未選択の軸方向があるか否かを判断する（ステップＳ１６０９）。ここで、未選択の軸方向がある場合（ステップＳ１６０９：Ｙｅｓ）、情報処理装置１０１は、ステップＳ１６０１に戻る。

一方、未選択の軸方向がない場合（ステップＳ１６０９：Ｎｏ）、情報処理装置１０１は、算出した相関度Ｃのうちの最大の相関度Ｃを第２の相関度Ｃ２として特定して（ステップＳ１６１０）、第２の相関度算出処理を呼び出したステップに戻る。

これにより、非歩行区間を適切に除去して、暫定歩行区間において対象者Ｐが歩行状態であるか否かの判別精度を向上させることができる。例えば、歩行時に足が曲がっている可能性を想定して、左右のそれぞれの足について運動量が最大の軸方向を特定し、その軸方向の左足データと右足データとの間の第１の相関度Ｃ１を得ることができる。また、ステップＳ１５０８の第２の相関度算出処理では、非歩行時のセンサＳ１，Ｓ２の向きが互いに異なる可能性を考慮して、全ての軸方向の組み合わせについての相関度Ｃを求めて、その最大値である第２の相関度Ｃ２を得ることができる。

第１の相関度Ｃ１および第２の相関度Ｃ２は、異なる考えに基づいて算出されたものであり、これらを組み合わせた判定を行うことで、歩行区間の判定精度を高めることができる。ここで、図１７を用いて、第１の相関度Ｃ１および第２の相関度Ｃ２による閾値判定の一例について説明する。

図１７は、閾値判定の一例を示す説明図である。図１７において、左側には、第１の相関度Ｃ１のみを用いた閾値判定の様子が示されており、右側には、第１の相関度Ｃ１および第２の相関度Ｃ２を組み合わせた閾値判定の様子が示されている。

ただし、●は、真の歩行区間における値をプロットしたものである。○は、真の非歩行区間における値をプロットしたものである。点線１７０１は、第１の相関度Ｃ１に関する第１の閾値αをあらわしたものである。点線１７０２は、第２の相関度Ｃ２に関する第２の閾値βをあらわしたものである。

第１の相関度Ｃ１のみを用いた閾値判定では、第１の相関度Ｃ１が第１の閾値α未満の場合、すなわち、第１の相関度Ｃ１が点線１７０１より左側の領域となる場合に、歩行の期間と判定される。しかし、第１の相関度Ｃ１のみを用いた閾値判定では、誤判定が起こることがある。

一方で、第１の相関度Ｃ１および第２の相関度Ｃ２を組み合わせた閾値判定では、第２の相関度Ｃ１が第２の閾値β未満の場合、すなわち、第２の相関度Ｃ２が点線１７０２より下側の領域となる場合に、歩行の期間と判定される。このように、第１の相関度Ｃ１および第２の相関度Ｃ２を組み合わせて閾値判定を行うことで、より正確な判定を行うことが可能となる。

以上説明したように、実施の形態にかかる情報処理装置１０１によれば、左右のそれぞれの足に取り付けられるセンサＳ１およびセンサＳ２のそれぞれで所定期間Ｔに計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得することができる。また、情報処理装置１０１によれば、取得した第１の計測データがあらわす計測値の推移と、第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度Ｃを算出し、算出した相関度Ｃに基づいて、歩行であるか否かを判定することができる。例えば、情報処理装置１０１は、相関度Ｃが第１の閾値α未満の場合に、所定期間Ｔが歩行の期間であると判定する。一方、相関度Ｃが第１の閾値α以上の場合には、情報処理装置１０１は、所定期間Ｔが歩行の期間ではないと判定する。

これにより、歩行時においては、左足の計測データと右足の計測データとが無相関になる傾向があることを利用して、対象者Ｐの歩行状態であるか否かの判別精度を向上させることができる。例えば、左足の計測データと右足の計測データとの間に相関がないときは、所定期間Ｔが歩行の期間であると判定することができる。また、例えば、左足の計測データと右足の計測データとの間に相関があるときは、所定期間Ｔが歩行の期間ではないと判定して、非歩行区間を適切に除去することができる。

また、情報処理装置１０１によれば、所定期間Ｔに含まれる所定の時間幅の区間（窓）ごとに、センサＳ１およびセンサＳ２のそれぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得することができる。さらに、情報処理装置１０１によれば、区間ごとに、取得した第１の区間データがあらわす計測値の推移と第２の区間データがあらわす計測値の推移との間の相関の高さを示す相関度Ｃを算出することができる。そして、情報処理装置１０１によれば、算出した区間ごとの相関度Ｃに基づいて、所定期間Ｔが歩行の期間であるか否かを判定することができる。例えば、情報処理装置１０１は、区間ごとの相関度Ｃのうちの最大の相関度Ｃが第２の閾値β未満の場合に、所定期間Ｔが歩行の期間であると判定する。一方、最大の相関度Ｃが第２の閾値β以上の場合には、情報処理装置１０１は、所定期間Ｔが歩行の期間ではないと判定する。

これにより、センサＳ１，Ｓ２を運ぶ途中に持ち方を変えるなどの要因により、計測データ間で相関がなくなる場合があることを考慮して、所定期間Ｔが歩行の期間であるか否かを判定することができる。このため、例えば、センサＳ１，Ｓ２を運ぶ途中に持ち方を変えたことで所定期間Ｔ全体として相関が低くなるような場合であっても、非歩行区間を正しく除去して誤判定を防ぐことができる。

また、情報処理装置１０１によれば、センサＳ１，Ｓ２が角速度を計測可能な複数の方向のそれぞれについて、センサＳ１により計測された計測値の推移をあらわす第１の区間データを取得することができる。また、情報処理装置１０１によれば、センサＳ１，Ｓ２が角速度を計測可能な複数の方向のそれぞれについて、センサＳ２により計測された計測値の推移をあらわす第２の区間データを取得することができる。そして、情報処理装置１０１によれば、所定期間Ｔに含まれる区間ごとに、取得した第１の区間データと第２の区間データとの全ての組み合わせについて相関度Ｃを算出することができる。

これにより、非歩行時のセンサＳ１，Ｓ２の向きが互いに異なる可能性を考慮して、全ての軸方向の組み合わせについての相関度Ｃを求めて、最大の相関度Ｃ（第２の相関度Ｃ２）から歩行の期間であるか否かを判定することができる。このため、例えば、非歩行であるにもかかわらず、センサＳ１，Ｓ２の向きが互いに異なるために、左右の区間データの相関が低くなって、歩行の期間であると誤判定されるのを防ぐことができる。

また、情報処理装置１０１によれば、所定期間Ｔとして、歩行の期間と推定された期間（暫定歩行期間）を設定することができる。これにより、本歩行状態判別方法とは異なる既存技術により推定された歩行の期間の正しさを判定することができる。

また、情報処理装置１０１によれば、区間（窓）の時間幅を、少なくとも１以上の歩行周期を含む時間幅に設定することができる。例えば、情報処理装置１０１は、歩行の期間と推定された所定期間Ｔの時間長と、所定期間Ｔにおけるステップ数とに基づいて、区間（窓）の時間幅を設定する。

これにより、区間データ内に歩行周期が含まれなくなるのを防いで、歩行時の相関度Ｃを正しく求めることが可能となる。

また、情報処理装置１０１によれば、第１の計測データとして、センサＳ１，Ｓ２が角速度を計測可能な複数の方向のうち、センサＳ１により計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわすジャイロデータを用いることができる。また、情報処理装置１０１によれば、第２の計測データとして、センサＳ１，Ｓ２が角速度を計測可能な複数の方向のうち、センサＳ２により計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわすジャイロデータを用いることができる。

これにより、歩行中にスイングしているときの回転運動が適切に現れているジャイロデータを用いて相関度Ｃを求めることができ、歩行時の相関度Ｃを正しく求めることが可能となる。

また、情報処理装置１０１によれば、判定した判定結果を、所定期間Ｔと対応付けて出力することができる。これにより、非歩行区間を適切に除去した歩行区間の情報を提供することができ、対象者Ｐの歩行特徴から健康状態を把握する場合などに役立てることができる。

また、情報処理装置１０１によれば、第１の計測データと第２の計測データとの間の相関度Ｃが第１の閾値α以上の場合に、所定期間Ｔに含まれる区間ごとの相関度Ｃに基づいて、所定期間Ｔが歩行の期間であるか否かを判定することができる。

これにより、異なる考えに基づいて求めた２種類の相関度Ｃ（例えば、第１の相関度Ｃ１、第２の相関度Ｃ２）を組み合わせて、所定期間Ｔが歩行の期間であるか否かを判定することができ、判定精度を向上させることができる。

これらのことから、情報処理装置１０１によれば、歩行状態であるか否かの判別精度を向上させて、対象者Ｐの歩行区間を精度よく特定することができる。これにより、例えば、遠隔監視システムにおいて、医師や看護師などが、遠隔地から患者の健康状態を把握するにあたり、正確な歩行区間を特定して歩行特徴を提示することが可能となる。

なお、本実施の形態で説明した歩行状態判別方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本歩行状態判別プログラムは、ハードディスク、フレキシブルディスク、ＣＤ、ＤＶＤ、ＵＳＢメモリ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本歩行状態判別プログラムは、インターネット等のネットワークを介して配布してもよい。

また、本実施の形態で説明した情報処理装置１０１は、スタンダードセルやストラクチャードＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などの特定用途向けＩＣやＦＰＧＡなどのＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）によっても実現することができる。

上述した実施の形態に関し、さらに以下の付記を開示する。

（付記１）左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得し、
取得した前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
算出した前記相関度に基づいて、歩行であるか否かを判定する、
処理をコンピュータに実行させることを特徴とする歩行状態判別プログラム。

（付記２）前記判定する処理は、
算出した前記相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する、ことを特徴とする付記１に記載の歩行状態判別プログラム。

（付記３）前記判定する処理は、
前記相関度が第１の閾値未満の場合に、前記所定期間が歩行の期間であると判定する、ことを特徴とする付記２に記載の歩行状態判別プログラム。

（付記４）前記所定期間に含まれる所定の時間幅の区間ごとに、前記第１のセンサおよび前記第２のセンサのそれぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得し、
前記区間ごとに、取得した前記第１の区間データがあらわす計測値の推移と前記第２の区間データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
算出した前記区間ごとの相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する、
処理を前記コンピュータに実行させることを特徴とする付記２または３に記載の歩行状態判別プログラム。

（付記５）前記判定する処理は、
算出した前記区間ごとの相関度のうちの最大の相関度が第２の閾値未満の場合に、前記所定期間が歩行の期間であると判定する、ことを特徴とする付記４に記載の歩行状態判別プログラム。

（付記６）前記所定期間は、歩行の期間と推定された期間であり、
前記所定の時間幅は、少なくとも１以上の歩行周期を含む時間幅に設定される、
ことを特徴とする付記４または５に記載の歩行状態判別プログラム。

（付記７）前記第１のセンサおよび前記第２のセンサは、複数の方向のそれぞれの角速度または加速度を計測可能であり、
前記第１の計測データは、前記複数の方向のうち、前記第１のセンサにより計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわし、
前記第２の計測データは、前記複数の方向のうち、前記第２のセンサにより計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわす、
ことを特徴とする付記２〜６のいずれか一つに記載の歩行状態判別プログラム。

（付記８）判定した判定結果を、前記所定期間と対応付けて出力する、
処理を前記コンピュータに実行させることを特徴とする付記２〜７のいずれか一つに記載の歩行状態判別プログラム。

（付記９）前記判定する処理は、
前記相関度が第１の閾値以上の場合に、算出した前記区間ごとの相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する、ことを特徴とする付記４に記載の歩行状態判別プログラム。

（付記１０）前記第１のセンサおよび前記第２のセンサは、複数の方向のそれぞれの角速度または加速度を計測可能であり、
前記第１の区間データは、前記複数の方向のそれぞれについて、前記第１のセンサにより計測された計測値の推移をあらわし、
前記第２の区間データは、前記複数の方向のそれぞれについて、前記第２のセンサにより計測された計測値の推移をあらわし、
前記区間ごとの相関度を算出する処理は、
前記区間ごとに、前記第１の区間データと前記第２の区間データとの全ての組み合わせについて相関度を算出する、
ことを特徴とする付記４または５に記載の歩行状態判別プログラム。

（付記１１）左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得し、
取得した前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
算出した前記相関度に基づいて、歩行であるか否かを判定する、
処理をコンピュータが実行することを特徴とする歩行状態判別方法。

（付記１２）左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得する取得部と、
前記取得部によって取得された前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出する算出部と、
前記算出部によって算出された前記相関度に基づいて、歩行であるか否かを判定する判定部と、
を有することを特徴とする情報処理装置。

１０１ 情報処理装置
１０２ 第１のセンサ
１０３ 第２のセンサ
１１１，１２１ 第１の計測データ
１１２，１２２ 第２の計測データ
２００ 情報処理システム
２０１ 管理者端末
２０２ 対象者端末
２０３ 読取部
２１０ ネットワーク
２２０ 慣性データＤＢ
４０１ 矢状面
４０２ 横断面
４０３ 冠状面
４０４，４０５，４０６ 矢印
５００ バス
５０１ ＣＰＵ
５０２ メモリ
５０３ ディスクドライブ
５０４ ディスク
５０５ 通信Ｉ／Ｆ
５０６ 可搬型記録媒体Ｉ／Ｆ
５０７ 可搬型記録媒体
７０１ 取得部
７０２ 算出部
７０３ 判定部
７０４ 出力部
８００ 暫定歩行区間情報
９０１，９０２ 計測データ
９０１−１〜９０１−ｋ 第１の窓データ
９０２−１〜９０２−ｋ 第２の窓データ
１１０１，１１０２，１１０３，１１０４ 窓データ
１２０１，１２０２，１２０３，１２０４，１３０１，１３０２ ジャイロデータ
１４００ 監視画面
１４０１，１４０２ センシングデータ
１４０３，１４０４，１４０５ 情報
１４１０ 詳細欄
１４１１ 歩行特徴
１４１２，１４１３ 波形データ
１７０１，１７０２ 点線
Ｐ 対象者
ｗ１〜ｗｋ 窓

Claims (7)

1. 所定期間に含まれる所定の時間幅の区間ごとに、左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得し、
   前記区間ごとに、取得した前記第１の区間データがあらわす計測値の推移と前記第２の区間データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
   算出した前記区間ごとの相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する、
   処理をコンピュータに実行させることを特徴とする歩行状態判別プログラム。
2. 前記判定する処理は、
   算出した前記区間ごとの相関度のうちの最大の相関度が第２の閾値未満の場合に、前記所定期間が歩行の期間であると判定する、ことを特徴とする請求項１に記載の歩行状態判別プログラム。
3. 前記所定期間は、歩行の期間と推定された期間であり、
   前記所定の時間幅は、少なくとも１以上の歩行周期を含む時間幅に設定される、
   ことを特徴とする請求項１または２に記載の歩行状態判別プログラム。
4. 前記第１のセンサおよび前記第２のセンサのそれぞれで前記所定期間に計測された計測値の推移をあらわす第１の計測データおよび第２の計測データを取得し、
   取得した前記第１の計測データがあらわす計測値の推移と、前記第２の計測データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
   算出した前記相関度に基づいて、歩行であるか否かを判定する、
   処理を前記コンピュータに実行させ、
   前記第１のセンサおよび前記第２のセンサは、複数の方向のそれぞれの角速度または加速度を計測可能であり、
   前記第１の計測データは、前記複数の方向のうち、前記第１のセンサにより計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわし、
   前記第２の計測データは、前記複数の方向のうち、前記第２のセンサにより計測された計測値の振幅またはピークが大きい方向の計測値の推移をあらわす、
   ことを特徴とする請求項１〜３のいずれか一つに記載の歩行状態判別プログラム。
5. 判定した判定結果を、前記所定期間と対応付けて出力する、
   処理を前記コンピュータに実行させることを特徴とする請求項１〜４のいずれか一つに記載の歩行状態判別プログラム。
6. 所定期間に含まれる所定の時間幅の区間ごとに、左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得し、
   前記区間ごとに、取得した前記第１の区間データがあらわす計測値の推移と前記第２の区間データがあらわす計測値の推移との間の相関の高さを示す相関度を算出し、
   算出した前記区間ごとの相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する、
   処理をコンピュータが実行することを特徴とする歩行状態判別方法。
7. 所定期間に含まれる所定の時間幅の区間ごとに、左右のそれぞれの足に取り付けられる第１のセンサおよび第２のセンサのそれぞれで計測された計測値の推移をあらわす第１の区間データおよび第２の区間データを取得する取得部と、
   前記区間ごとに、前記取得部によって取得された前記第１の区間データがあらわす計測値の推移と前記第２の区間データがあらわす計測値の推移との間の相関の高さを示す相関度を算出する算出部と、
   前記算出部によって算出された前記区間ごとの相関度に基づいて、前記所定期間が歩行の期間であるか否かを判定する判定部と、
   を有することを特徴とする情報処理装置。

Images