JP2018161258A - 認知機能評価支援装置、認知機能評価支援方法及びプログラム - Google Patents

Abstract

【課題】迅速に認知機能の程度を評価することができる認知機能評価支援装置等を提供する。【解決手段】認知機能評価支援装置１００は、人の歩行時における体動を示す歩行パラメータと人の認知機能の程度との関係を示す参照データ１４１を記憶している記憶部１４０と、被測定者５００の歩行時における動画像データを取得する取得部１１０と、動画像データから、被測定者５００が歩行する歩行面Ｗ上の位置を示す歩行点Ｔの移動軌跡を算出し、移動軌跡から被測定者５００の歩行パラメータを算出する算出部１２０と、被測定者５００の歩行パラメータと記憶部１４０に記憶されている参照データ１４１とを照合し、被測定者５００の歩行パラメータに対応する認知機能の程度を出力する出力部１３０と、を備える。【選択図】図２

Description

本発明は、認知機能評価支援装置、認知機能評価支援方法及びプログラムに関する。

人の歩行から計測されるパラメータに基づいて膝痛等の老年障害の起こりやすさを評価するシステム等が提案されている。例えば、人の歩幅等を計測し、転倒リスク又は歩行能力を判断し、人が転倒することの予防を支援するシステムがある。また、転倒以外の老年障害についても、老年障害の発生の危険性を歩行から簡便に評価する評価方法がある（例えば、特許文献１参照）。

特許文献１に記載の評価方法は、老年障害の起こりやすさを人の歩行から計測した歩行パラメータに基づいて評価する評価方法であって、歩行パラメータとして、歩行比、歩幅、歩隔等を使用し、膝痛、腰痛等の老年障害について評価する方法である。

これにより、特許文献１に記載の評価方法では、転倒以外の老年障害についても、その発生の危険性を歩行から簡便に評価できる。

特開２０１３−２５５７８６号公報

しかしながら、特許文献１に記載の評価方法では、歩行パラメータを測定するためにシート式圧力センサを用いる等、簡便に老年障害の起こりやすさを評価できない。そのために、老年障害の起こりやすさを評価には時間がかかるといった問題がある。

本発明は、迅速に認知機能の程度を評価することが可能な認知機能評価支援装置等を提供する。

本発明の一態様に係る認知機能評価支援装置は、人の歩行時における体動を示す歩行パラメータと前記人の認知機能の程度との関係を示す参照データを記憶している記憶部と、被測定者の歩行時における動画像データを取得する取得部と、前記動画像データから、前記被測定者が歩行する歩行面上の位置を示す歩行点の移動軌跡を算出し、前記移動軌跡から前記被測定者の１以上の歩行パラメータを算出する算出部と、前記被測定者の歩行パラメータと前記記憶部に記憶されている前記参照データとを照合し、前記被測定者の歩行パラメータに対応する認知機能の程度を出力する出力部と、を備える。

また、本発明の一態様に係る認知機能評価支援方法は、被測定者の歩行時における動画像データを取得する取得ステップと、前記動画像データから、前記被測定者が歩行する歩行面上の位置を示す歩行点の移動軌跡を算出し、前記移動軌跡から前記被測定者の歩行パラメータとして算出する算出ステップと、前記被測定者の歩行パラメータと、人の歩行時における体動を示す歩行パラメータ及び前記人の認知機能の程度の関係を示す参照データとを照合し、前記被測定者の歩行パラメータに対応する認知機能の程度を出力する出力ステップと、を含む。

また、本発明は、認知機能評価支援方法に含まれるステップをコンピュータに実行させるプログラムとして実現されてもよい。

本発明の認知機能評価支援装置等によれば、迅速に認知機能の程度を評価することができる。

図１は、実施の形態１に係る認知機能評価支援装置を含むシステムの構成を示す図である。 図２は、実施の形態１に係る認知機能評価支援装置の特徴的な機能構成を示すブロック図である。 図３は、実施の形態１に係る認知機能評価支援装置が算出する画像データの座標を説明するための図である。 図４は、実施の形態１に係る認知機能評価支援装置が算出する画像データ上の座標と歩行面上の座標との関係式を算出する処理手順を示すフローチャートである。 図５は、実施の形態１に係る認知機能評価支援装置が被測定者の歩行パラメータを算出する処理手順を示すフローチャートである。 図６は、実施の形態１に係る認知機能評価支援装置が算出する特徴点を説明するための図である。 図７Ａは、実施の形態１に係る認知機能評価支援装置が算出する被測定者の特徴点を説明するための図である。 図７Ｂは、実施の形態１に係る認知機能評価支援装置が算出する被測定者の歩行点を説明するための図である。 図８は、実施の形態１に係る認知機能評価支援装置が算出した被測定者の移動軌跡のデータの一例を示す図である。 図９は、被測定者がＭｏＣＡテストを受けた際に獲得したスコアを示す図である。 図１０は、実施の形態１に係る認知機能評価支援装置が算出した歩行パラメータに対するＭｏＣＡテストで被測定者が獲得したスコアの一例を示す図である。 図１１は、実施の形態１に係る認知機能評価支援装置が被測定者の歩行パラメータと参照データとを照合して出力する処理手順を示すフローチャートである。 図１２は、実施の形態２に係る認知機能評価支援装置の特徴的な機能構成を示すブロック図である。 図１３は、実施の形態２に係る認知機能評価支援装置が被測定者の歩行パラメータを算出する処理手順を示すフローチャートである。 図１４は、実施の形態２に係る認知機能評価支援装置が算出する特徴点を説明するための図である。 図１５は、実施の形態２に係る認知機能評価支援装置が算出した被測定者の移動軌跡のデータの一例を示す図である。 図１６は、実施の形態２に係る認知機能評価支援装置が算出した歩行パラメータに対するＭｏＣＡテストで被測定者が獲得したスコアの一例を示す図である。

以下、実施の形態について、図面を参照しながら説明する。なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序等は、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

なお、各図は模式図であり、必ずしも厳密に図示されたものではない。また、各図において、実質的に同一の構成に対しては同一の符号を付しており、重複する説明は省略又は簡略化される場合がある。

また、以下の実施の形態において、Ｘ軸、Ｙ軸及びＺ軸は、三次元直交座標系の三軸を表している。Ｘ軸及びＹ軸は、互いに直交し、且つ、いずれもＺ軸に直交する軸である。Ｙ軸方向を人の歩行方向（前後方向）とし、Ｙ軸正方向に被測定者が歩くものとして定義する。また、Ｚ軸方向は鉛直方向（上下方向）とし、Ｚ軸正方向を被測定者の鉛直上方として定義する。また、Ｘ軸方向は、被測定者の歩行方向と直交する水平方向（左右方向）とし、Ｘ軸正方向を被測定者から見て左方向として定義する。

また、以下の実施の形態において、動画像データ上の座標をＵＶ座標として定義する。Ｕ軸及びＶ軸は、互いに直交する軸である。

（実施の形態１）
［認知機能評価支援装置の構成］
実施の形態１に係る認知機能評価支援装置の構成に関して説明する。図１は、実施の形態１に係る認知機能評価支援装置を含むシステムの構成を示す図である。

認知機能評価支援装置１００は、被測定者５００の歩行時（歩行中）の体動を測定することにより、被測定者５００の認知機能の程度を評価するための装置である。認知機能とは、認識したり、記憶したり、判断したりする能力を示す。一具体例として、認知機能評価支援装置１００は、認知症である人（認知症患者）かどうかを評価する。

認知症とは、上述した認知機能の低下が見られる症状を示す。認知症の一具体例としては、アルツハイマー型認知症（ＡＤ：Ａｌｚｈｅｉｍｅｒ’ｓ ｄｉｓｅａｓｅ）が挙げられる。認知症は自覚症状がないため、認知症患者の家族又は第三者等が認知症患者に病院での診察を促すことで、認知症患者は医師からの診察を受けることとなる。また、ＭｏＣＡ（Ｍｏｎｔｒｅａｌ Ｃｏｇｎｉｔｉｖｅ Ａｓｓｅｓｓｍｅｎｔ）テスト等の認知症の診断のためのバッチテストを被測定者５００が受けることにより、被測定者５００が認知症であるかどうかを確認することができる。

しかしながら、ＭｏＣＡテストは、１５分程度の時間を要する。また、ＭｏＣＡテストは、被測定者５００の経時的な変化を診断するために、日をおいて複数回実行することで、被測定者５００が認知症であるかどうかの判定を行う必要がある。つまり、ＭｏＣＡテストは、被測定者５００が認知症であるかどうかを診断するために、長い期間を要する。

ところで、認知症患者は、歩行時の体動が認知症ではない人（健常者）と異なることが知られている。

認知機能評価支援装置１００は、被測定者５００の歩行時の体動を評価することで、当該被測定者５００の認知機能の程度を迅速に評価する装置である。

図１に示されるように、認知機能評価支援装置１００は、カメラ３００と、表示装置４００とに接続されている。

認知機能評価支援装置１００は、カメラ３００によって、被測定者５００が、マーカＭが付された歩行面Ｗを歩行時の動画像データを生成する。なお、フレームレート（動画像データに含まれる１秒当たりの画像データ数）は、特に限定されるものではなく、例えば、４０ｆｐｓ（ｆｒａｍｅｓ ｐｅｒ ｓｅｃｏｎｄ）でもよいし、６０ｆｐｓでもよい。本実施の形態において、フレームレートは、４０ｆｐｓである。

カメラ３００は、被測定者５００の歩行時の動画像データを撮影するための撮影装置である。つまり、カメラ３００は、被測定者５００の歩行時の体動を示す動画像データを生成する。カメラ３００は、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサを用いたカメラでもよいし、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）イメージセンサを用いたカメラでもよい。カメラ３００は、例えば、老人ホーム又は介護施設の天井又は壁等に設置され、室内を常時撮影する。認知機能評価支援装置１００は、カメラ３００によって撮影（生成）された動画像データに基づいて被測定者５００の歩行態様を分析し、被測定者５００の認知機能の程度を評価する。評価結果は、表示装置４００に表示される。

なお、カメラ３００が被測定者５００を撮影する方向は、特に限定されないが、本実施の形態において、カメラ３００は、歩行時の被測定者５００の体前面側と、被測定者５００が歩行する歩行面とが撮影されるように設置されている。

表示装置４００は、認知機能評価支援装置１００から出力される画像データ（評価結果）に基づいた画像を表示する。表示装置４００は、具体的には、液晶パネル、又は、有機ＥＬパネル等によって構成されるモニタ装置である。表示装置４００として、テレビ、スマートフォン、又は、タブレット端末等の情報端末が用いられてもよい。認知機能評価支援装置１００と表示装置４００との間の通信は、例えば、有線通信であるが、表示装置４００がスマートフォン又はタブレット端末である場合には、無線通信であってもよい。

認知機能評価支援装置１００は、カメラ３００によって撮影された動画像データに基づいて被測定者５００の歩行態様を分析し、被測定者５００の認知機能の程度を評価し、表示装置４００へ出力する。こうすることで、認知機能評価支援装置１００は、自覚症状がない認知症患者へ認知機能の程度を通知できるため、例えば、認知症患者に医師に診察を受けるように促すことができる。言い換えると、認知機能評価支援装置１００は、自覚症状がない認知症患者へ認知機能の程度を通知することで、認知症患者が医師に診察を受ける支援をすることができる。

なお、認知機能評価支援装置１００は、例えば、パーソナルコンピュータであるが、サーバ装置であってもよい。また、認知機能評価支援装置１００は、カメラ３００が設置された建物内に設置されてもよいし、当該建物の外に設置されてもよい。

図２は、実施の形態１に係る認知機能評価支援装置１００の特徴的な機能構成を示すブロック図である。認知機能評価支援装置１００は、運動機能測定装置２００と、記憶部１４０とを備える。

運動機能測定装置２００は、被測定者５００の歩行時の体動を示す歩行パラメータを測定する装置である。運動機能測定装置２００は、取得部１１０と、算出部１２０と、出力部１３０とを備える。

取得部１１０は、カメラ３００によって撮影された動画像データを、被測定者５００の歩行時の体動を示す体動データとして取得する。取得部１１０は、具体的には、有線通信又は無線通信を行う通信モジュール（通信回路）である。取得部１１０は、カメラ３００と通信可能であればよく、取得部１１０の通信方式（通信規格、通信プロトコル）は、特に限定されない。なお、取得部１１０は、記憶部１４０から動画像データを取得してもよい。つまり、認知機能評価支援装置１００の外部ではなく内部から動画像データを取得してもよい。

算出部１２０は、被測定者５００の認知機能の程度を評価するための情報処理、及び、記憶部１４０へ動画像データを記憶させる制御等を行う制御装置である。算出部１２０は、具体的には、プロセッサ、マイクロコンピュータ、又は、専用回路によって実現される。

算出部１２０は、取得部１１０によって取得された動画像データから、被測定者５００が歩行する歩行面Ｗ上の位置を示す歩行点の移動軌跡を算出し、当該移動軌跡から被測定者５００の１以上の歩行パラメータを算出する。

また、算出部１２０は、動画像データに含まれる複数の画像データのそれぞれから、被測定者５００に基づく特徴点を抽出し、歩行面Ｗ上の座標に対応する画像データ上の座標を生成し、画像データ上の座標の特徴点の位置から歩行点を算出する。

また、算出部１２０は、歩行面Ｗ上の座標に対応する動画像データ上の座標を生成し、動画像データに含まれる複数の画像データのそれぞれから、被測定者５００に基づく特徴点を抽出し、動画像データ上の特徴点の座標から、歩行点の座標を算出する。

図３は、実施の形態１に係る認知機能評価支援装置１００が算出する画像データ上の座標を説明するための図である。

取得部１１０は、カメラ３００からマーカＭが付された歩行面Ｗを含む画像データＡ１を取得する。

算出部１２０は、画像データＡ１に含まれるマーカＭの位置から、被測定者５００が歩行する歩行面Ｗの座標に対応する画像データ上の座標（つまり、動画像データ上の座標）を算出する。

算出部１２０は、画像データから被測定者５００のＵＶ座標の座標点の値を算出し、ＸＹ座標の座標点の値に変換する。具体的には、算出部１２０は、画像データ上の特徴点の座標から、歩行面Ｗ上の歩行点の座標点を算出する。特徴点とは、画像データ上における被測定者５００に応じた点である。歩行点とは、被測定者５００が歩行する歩行面Ｗ上の、画像データの特徴点に応じた点である。

算出部１２０は、例えば、画像データ上の座標の特徴点の位置を、歩行点として算出する。特徴点の一例としては、被測定者５００のつま先である。つまり、算出部１２０は、画像データから被測定者５００のつま先を特徴点として、当該特徴点のＵＶ座標を算出し、算出したＵＶ座標をＸＹ座標に変換した点を歩行点として算出する。

なお、算出部１２０は、例えば、画像データにおける被測定者５００の頭頂部を特徴点としてもよい。この場合には、当該頭頂部が歩行面Ｗから離れていることが想定されるために、算出部１２０が歩行点を算出するためには、当該頭頂部と歩行面Ｗとの距離に応じた補正計算が必要となる。

また、特徴点は、例えば、画像データに含まれる被測定者５００における、コーナー検出法によって抽出される複数の抽出点の内の、最も下方に位置する抽出点でもよい。コーナーとは、画像データにおける被測定者５００の角ばった点、曲率が極大である曲線上の点である。抽出点とは、画像データにおける被測定者５００のコーナーを示す。つまり、コーナー検出法とは、画像データに含まれる被測定者５００における当該コーナーを検出する方法である。複数の抽出点のうちの最下方の抽出点を特徴点とした場合においても、被測定者５００のつま先を特徴点とした場合と同様に、特徴点が歩行時に歩行面Ｗの近傍に位置するために、算出部１２０は、歩行点の算出が容易となる。

また、算出部１２０は、移動軌跡から算出される被測定者５００の歩行に関する複数の歩行パラメータを多変量解析してもよい。

出力部１３０は、被測定者５００の歩行パラメータと記憶部１４０に記憶されている参照データ１４１とを照合し、被測定者５００の歩行パラメータに対応する認知機能の程度を出力する。出力部１３０は、具体的には、プロセッサ、マイクロコンピュータ、又は、専用回路によって実現される。なお、算出部１２０及び出力部１３０は、それぞれの機能を併せ持つ１つのプロセッサ、マイクロコンピュータ、又は、専用回路で実現されてもよいし、プロセッサ、マイクロコンピュータ、又は、専用回路のうちの２つ以上の組み合わせによって実現されてもよい。

なお、評価結果は、例えば、表示装置４００に評価結果を画像として表示するための画像データであるが、評価結果の具体的態様は、特に限定されない。認知機能の程度の評価方法の詳細については後述する。

また、出力部１３０は、算出部１２０が複数の歩行パラメータを多変量解析した場合、多変量解析した結果と記憶部１４０に記憶されている参照データ１４１とを照合し、被測定者５００の歩行パラメータに対応する認知機能の程度を出力する。

記憶部１４０は、人の歩行時における体動を示す歩行パラメータと、人の認知機能の程度との関係を示す参照データ１４１が記憶されている記憶装置である。参照データ１４１は、被測定者５００の認知機能の程度の評価が行われるときに出力部１３０によって参照される。記憶部１４０は、具体的には、半導体メモリ又はＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等によって実現される。

また、記憶部１４０には、算出部１２０が実施の形態に係る認知機能評価支援方法を実行するためのプログラム、及び、認知機能の程度の評価結果を出力する際に用いられる当該評価結果を示す画像データも記憶されている。

なお、記憶部１４０には、取得部１１０によって取得された動画像データが記憶されてもよい。例えば、被測定者５００の歩行時の体動の例えばひと月ごとの長期的な経時変化を評価したい場合、算出部１２０は、被測定者５００の動画像データを記憶部１４０に記憶させてもよい。こうすることにより、運動機能測定装置２００は、被測定者５００の過去の歩行時の体動を参照データとして、現在の歩行時の体動を評価することができる。

［歩行パラメータの算出方法］
続いて、認知機能評価支援装置１００が実行する認知機能評価支援方法における歩行パラメータの算出方法について説明する。

図４は、実施の形態１に係る認知機能評価支援装置１００が算出する画像データ上のＵＶ座標と歩行面Ｗ上のＸＹ座標との関係式を算出する処理手順を示すフローチャートである。

取得部１１０は、カメラ３００からマーカＭが付された歩行面Ｗを含む画像データＡ１を取得する（ステップＳ１０１）。

次に、算出部１２０は、画像データＡ１に含まれるマーカＭの位置から、被測定者５００が歩行する歩行面Ｗ上の座標点と画像データ上の座標点との関係式を生成する（ステップＳ１０２）。具体的には、画像データＡ１から、動画像データ上のＵＶ座標と歩行面Ｗ上のＸＹ座標との対応関係をしめす関係式を生成する。例えば、各マーカＭの間の座標は、線形補完することにより生成される。例えば、算出部１２０は、当該関係式を記憶部１４０に記憶させる。こうすることで、算出部１２０は、記憶部１４０に記憶された関係式を参照できる。算出部１２０は、取得部１１０がカメラ３００から取得した画像データから、関係式を参照して、被測定者５００の特徴点のＵＶ座標の座標点の値を歩行面Ｗ上の座標であるＸＹ座標の座標点の値に変換して歩行点を算出することができる。

続いて、取得部１１０がカメラ３００から取得した動画像データを用いて、被測定者５００の歩行パラメータを算出する方法について説明する。

図５は、実施の形態１に係る認知機能評価支援装置１００が被測定者５００の歩行パラメータを算出する処理手順を示すフローチャートである。

取得部１１０は、カメラ３００から動画像データを取得する（ステップＳ２０１）。

次に、算出部１２０は、取得部１１０が取得した動画像データに含まれる各画像データから、背景差分法によって各画像データの被測定者５００を抽出する（ステップＳ２０２）。背景差分法とは、画像データと事前に取得しておいた背景画像データとを比較することで、事前に取得しておいた背景画像データには存在しない物体を抽出する処理方法である。つまり、算出部１２０は、ステップＳ１０２において、動画像データに含まれる各画像データと、予め取得しておいた被測定者５００が含まれていない画像データ（例えば、図３に示す画像データＡ１）との差分を算出することにより、被測定者５００を抽出する。

次に、算出部１２０は、コーナー検出法によって被測定者５００の抽出点を抽出する（ステップＳ２０３）。

次に、算出部１２０は、画像データにおける抽出点の最下方を特徴点として抽出する（ステップＳ２０４）。具体的には、ステップＳ２０４において、算出部１２０は、画像データの情報をＶ軸正方向側とした場合に、Ｖ座標の最も小さい値の抽出点を特徴点として算出する。

図６は、実施の形態１に係る認知機能評価支援装置１００が算出する特徴点を説明するための図である。

図６に示されるように、算出部１２０は、背景差分法によって被測定者５００のみが抽出されている画像データＡ２から、コーナー検出法によって被測定者５００の抽出点Ｉを算出する。なお、図６において、抽出点Ｉは、丸で囲まれている部分である。説明のために、抽出点を丸で図示しているが、抽出点Ｉは、画像データＡ２上の点である。具体的には、抽出点Ｉは、画像データＡ２上の１ピクセルに相当する。このように、抽出点Ｉは、画像データＡ２から複数算出される。算出部１２０は、算出した複数の抽出点Ｉの中から、Ｖ座標の最も小さい値の抽出点を特徴点Ｉａとして算出する。

Ｖ座標の最も小さい値の抽出点を特徴点Ｉａとすることで、被測定者５００における歩行面Ｗと最も近い部位を抽出することができる。例えば、カメラ３００によって、被測定者５００の正面側から被測定者５００を撮像することで、算出部１２０は、Ｖ座標の最も小さい値の抽出点である特徴点Ｉａを、被測定者５００におけるつま先として算出する。例えば、被測定者５００のつま先にマーカを付し、算出部１２０が当該マーカを抽出することで、被測定者５００のつま先のＵＶ座標を算出してもよいが、このような方法を用いれば、簡便に被測定者５００のつま先を算出できる。

なお、算出部１２０は、コーナー検出法による抽出点Ｉの抽出を精度よく行うために、背景差分法によって抽出した被測定者５００の画像データを、色調を広げる処理であるいわゆる標準化処理、及び／又は、抽出した被測定者５００と背景との色調のコントラストを大きくするいわゆるシャープネス処理をしてもよい。

再び図５を参照して、ステップＳ２０４の次に、算出部１２０は、特徴点ＩａのＵＶ座標の座標点の値を算出する（ステップＳ２０５）。

次に、算出部１２０は、ステップＳ２０６で算出した特徴点ＩａのＵＶ座標の座標点の値を、記憶部１４０に記憶させた関係式を用いてＸＹ座標の座標点の値に変換することで、歩行点を算出する（ステップＳ２０６）。

次に、算出部１２０は、動画像データに含まれる複数の画像データごとに算出された歩行点Ｔから、被測定者５００の移動軌跡を算出する（ステップＳ２０７）。具体的には、算出部１２０は、動画像データに含まれる複数の画像データごとに算出された複数の歩行点Ｔを被測定者５００の移動軌跡として算出する。

図７Ａは、実施の形態１に係る認知機能評価支援装置１００が算出する被測定者５００の特徴点Ｉａを説明するための図である。図７Ｂは、実施の形態１に係る認知機能評価支援装置１００が算出する被測定者５００の歩行点Ｔを説明するための図である。

図７Ａに示されるように、算出部１２０は、取得部１１０がカメラ３００から取得した動画像データに含まれる特徴点Ｉａを複数算出する。また、算出部１２０は、図７Ｂに示されるように、複数の特徴点Ｉａを、ＵＶ座標からＸＹ座標へ変換するための関係式を用いて、歩行点Ｔを複数算出する。こうすることで、算出部１２０は、被測定者５００の移動軌跡を算出する。

再び図５を参照して、ステップＳ２０７の次に、算出部１２０は、被測定者５００の移動軌跡から、被測定者５００の歩行パラメータを算出する（ステップＳ２０８）。

図８は、実施の形態１に係る認知機能評価支援装置１００が算出した歩行面Ｗにおける被測定者５００の移動軌跡のデータの一例を示す図である。具体的には、図８の（ａ）は、実施の形態１に係る認知機能評価支援装置１００が算出した歩行点ＴのＸＹ座標の座標点のデータを示す図である。図８の（ｂ）は、実施の形態１に係る認知機能評価支援装置１００が算出した歩行点Ｔの観測時間に対するＹ座標の座標点の変化を示す図である。図８の（ｃ）は、実施の形態１に係る認知機能評価支援装置１００が算出した歩行点Ｔの観測時間に対するＸ座標の座標点の変化を示す図である。

図８の（ａ）〜（ｃ）に示されるように、算出部１２０は、上述した認知機能評価支援方法によって算出される移動軌跡から、歩行パラメータとして、例えば、一歩の時間Ｐ１、歩隔Ｐ２、歩幅Ｐ３を算出する。また、算出部１２０は、一歩の時間Ｐ１から被測定者５００の歩行速度を算出する。なお、一歩の時間Ｐ１とは、被測定者５００の一歩あたりにかかる時間を示す。一歩の時間Ｐ１とは、例えば、被測定者５００の左足のつま先が歩行面Ｗから離れてから、右足が歩行の軸足として動き、さらに被測定者５００の左足の踵が歩行面Ｗに接触し、さらに被測定者５００の左足のつま先が歩行面Ｗから離れるまでの時間を示す。つまり、一歩の時間とは、左右両足を含めた歩行の１周期分である。歩隔Ｐ２とは、被測定者５００の左右方向（Ｘ軸方向）における、被測定者５００の右足と左足との幅を示す。歩幅Ｐ３とは、被測定者５００の前後方向（Ｙ軸方向）における、被測定者５００の一歩あたりの幅を示す。

ところで、認知症の診断は、認知症の診断のためのバッチテストであるＭｏＣＡテストを被測定者５００が受けることにより、被測定者５００が認知症であるかどうかを評価することができる。図９は、被測定者５００がＭｏＣＡテストを受けた際に獲得したスコアを示す図である。

本発明者らは、健常者（ＮＣ：Ｎｏｒｍａｌ Ｃｏｎｔｒｏｌ）、軽度の認知症患者（ＭＣＩ：Ｍｉｌｄ Ｃｏｇｎｉｔｉｖｅ Ｉｎｐａｉｒｍｅｎｔ）及び認知症患者（ＡＤ）を含む複数の被測定者を集めて、ＭｏＣＡテストを実施した。ＮＣの被測定者数（Ｎｕｍｂｅｒ ｏｆ ｓｕｂｊｅｃｔｓ）は９０人とし、ＭＣＩの被測定者数は９４人とし、ＡＤの被測定者数は９３人とした。

図９から、ＮＣ、ＭＣＩ及びＡＤとでＭｏＣＡのスコアの平均値（ＭｏＣＡ ａｖｅｒａｇｅ ｓｃｏｒｅ）及びスコアの範囲（ＭｏＣＡ ｓｃｏｒｅ ｒａｎｇｅ）が異なることが確認できる。具体的には、ＮＣのＭｏＣＡのスコアの平均値は２７．４であり、ＭＣＩのＭｏＣＡのスコアの平均値は２２．１であり、ＡＤのＭｏＣＡのスコアの平均値は１６．２であった。

図１０は、実施の形態１に係る認知機能評価支援装置１００が算出した被測定者５００の歩行パラメータに対するＭｏＣＡテストで被測定者５００が獲得したスコアの一例を示す図である。

本発明者らは、ＭｏＣＡテストを実施した被測定者の中から、ＮＣを４名、ＭＣＩを７名、ＡＤを４名抽出した。また、本発明者らは、抽出した被測定者らから認知機能評価支援装置１００を用いて移動軌跡を算出し、当該移動軌跡から歩行パラメータを算出した。図１０の（ａ）は、歩幅Ｐ３に対するＭｏＣＡテストのスコアである。図１０の（ｂ）は、歩行速度に対するＭｏＣＡテストのスコアである。図１０の（ｃ）は、歩行速度及び歩幅に対するＭｏＣＡテストのスコアである。

図１０の（ａ）に示されるように、歩幅Ｐ３とＭｏＣＡテストのスコアとには、ＮＣとＭＣＩとＡＤとで相関が異なることがわかる。具体的には、ＡＤは歩幅が小さく、ＮＣは歩幅が大きい傾向が見てとれる。つまり、本実施の形態に係る認知機能評価支援方法によって算出された歩幅Ｐ３から、ＮＣかＭＣＩかＡＤかを評価することができる。

認知機能評価支援装置１００が備える記憶部１４０には、上述した歩行パラメータと、ＮＤ、ＭＣＩ及びＡＤとの対応関係である参照データ１４１が予め記憶されている。算出部１２０は、取得部１１０で取得された動画像データから被測定者５００の移動軌跡を算出し、移動軌跡から歩行パラメータを算出する。出力部１３０は、算出部１２０が算出した歩行パラメータと参照データ１４１とを照合することで、被測定者５００の認知機能の程度を評価し、評価結果を出力する。

また、図１０の（ｂ）に示されるように、歩行速度とＭｏＣＡテストのスコアとには、ＮＣとＭＣＩとＡＤとで相関が異なることがわかる。具体的には、ＡＤは歩行速度が小さく、ＮＣは歩行速度が大きい傾向が見てとれる。つまり、本実施の形態に係る認知機能評価支援方法によって算出された歩行速度から、ＮＣかＭＣＩかＡＤかを評価することができる。

また、図１０の（ｃ）に示されるように、歩行速度及び歩幅Ｐ３と、ＭｏＣＡテストのスコアとを照合することで、ＮＣかＭＣＩかＡＤかを評価してもよい。つまり、算出部１２０は、移動軌跡から算出される被測定者５００の歩行に関する複数の歩行パラメータを多変量解析してもよい。例えば、記憶部１４０には、歩行速度及び歩幅に対するＭｏＣＡテストのスコアが多変量解析された結果が参照データ１４１として予め記憶されている。例えば、図１０の（ｃ）に示されるように、参照データ１４１には、横軸を歩行速度、縦軸を歩幅Ｐ３とした場合に、ＮＣが位置するＮＣ領域Ｒ１、ＭＣＩが位置するＭＣＩ領域Ｒ２、及びＡＤが位置するＡＤ領域Ｒ３のような相関データが含まれる。出力部１３０は、算出部１２０が算出した歩行速度及び歩幅Ｐ３と参照データ１４１とを照合することで、被測定者５００の認知機能の程度を評価し、評価結果を出力する。

なお、多変量解析される歩行パラメータは、歩行速度及び歩幅Ｐ３に限定されない。例えば、多変量解析される歩行パラメータは、一歩の時間Ｐ１及び歩隔Ｐ２でもよいし、一歩の時間Ｐ１、歩隔Ｐ２、歩幅Ｐ３でもよい。このように、多変量解析される歩行パラメータの数及び種類は、任意に選択されてもよい。

図１１は、実施の形態１に係る認知機能評価支援装置１００が被測定者５００の歩行パラメータと参照データ１４１とを照合して出力する処理手順を示すフローチャートである。

取得部１１０は、カメラ３００から動画像データを取得する（ステップＳ２０１）。

次に、算出部１２０は、図５に示されるステップＳ２０２〜ステップＳ２０７の処理手順を実行した後、移動軌跡から歩行パラメータを算出する（ステップＳ２０８）。

次に、出力部１３０は、ステップＳ２０８で算出された歩行パラメータと、記憶部１４０に記憶されている参照データ１４１とを照合する（ステップＳ３０１）。

次に、出力部１３０は、ステップＳ３０２で照合した結果である被測定者５００の認知機能の程度を出力する（ステップＳ３０２）。例えば、出力部１３０は、被測定者５００の歩行パラメータと参照データ１４１とを照合した結果、被測定者５００は認知機能が正常であると判断した場合、認知機能が正常であることを表示するための画像データを表示装置４００に出力する。この結果、表示装置４００には、出力部１３０が照合した結果を示す画像が表示される。

［効果等］
以上、実施の形態１に係る認知機能評価支援装置１００は、人の歩行時における体動を示す歩行パラメータと、当該人の認知機能の程度との関係を示す参照データ１４１を記憶している記憶部１４０を備える。また、認知機能評価支援装置１００は、さらに、被測定者５００の歩行時における動画像データを取得する取得部１１０を備える。また、認知機能評価支援装置１００は、さらに、当該動画像データから、被測定者５００が歩行する歩行面Ｗ上の位置を示す歩行点Ｔの移動軌跡を算出し、当該移動軌跡から被測定者５００の１以上の歩行パラメータを算出する算出部１２０を備える。また、認知機能評価支援装置１００は、さらに、被測定者５００の歩行パラメータと記憶部１４０に記憶されている参照データ１４１とを照合し、被測定者５００の歩行パラメータに対応する認知機能の程度を出力する出力部１３０と、を備える。

これにより、認知機能評価支援装置１００は、ＭｏＣＡテストのような時間を要さずに被測定者５００の認知機能の程度を評価することができる。つまり、認知機能評価支援装置１００は、迅速に被測定者５００の認知機能の程度を評価することができる。さらには、認知機能評価支援装置１００によれば、簡便に被測定者５００の認知機能の程度を評価できるので、高い頻度で認知機能の程度を評価することができる。そのため、認知機能評価支援装置１００によれば、被測定者５００は、被測定者５００の認知機能の経時変化を確認しやすい。

例えば、算出部１２０は、動画像データから、被測定者５００に基づく特徴点Ｉａを抽出し、動画像データ上の特徴点Ｉａの座標から、歩行点Ｔの座標を算出することで、移動軌跡を算出してもよい。

このようにすることで、算出部１２０は、被測定者５００の歩行点Ｔを算出できる。そのため、算出部１２０は、動画像データに含まれる各画像データの歩行点Ｔを算出することで、被測定者５００の移動軌跡を簡便に算出することができる。

例えば、特徴点Ｉａは、動画像データに含まれる被測定者５００におけるつま先でもよい。

これにより、被測定者５００において、歩行点Ｔの位置は、歩行面Ｗと近い位置が選択される。そのため、算出部１２０は、ＸＹ座標の移動軌跡を精度よく算出することができる。

また、例えば、特徴点Ｉａは、動画像データに含まれる被測定者５００における、コーナー検出法によって抽出される複数の抽出点Ｉの内の、最も下方に位置する抽出点でもよい。

これにより、算出部１２０は、被測定者５００にマーカ等が付されていなくても、簡便に被測定者５００における歩行面Ｗに近い位置を抽出することができる。

また、歩行パラメータは、移動軌跡から算出される被測定者５００の歩行速度を含んでもよい。また、歩行パラメータは、移動軌跡から算出される被測定者５００の歩幅を含んでもよい。

これらのパラメータが歩行パラメータとして選択されることで、認知機能評価支援装置１００は、精度よく被測定者５００の認知機能の程度を評価することができる。

また、算出部１２０は、移動軌跡から算出される被測定者５００の歩行に関する複数の歩行パラメータを多変量解析してもよい。この場合、出力部１３０は、複数の歩行パラメータを多変量解析した結果と記憶部１４０に記憶されている参照データ１４１とを照合し、被測定者５００の歩行パラメータに対応する認知機能の程度を出力してもよい。

こうすることで、認知機能評価支援装置１００は、複数の歩行パラメータから、被測定者５００の認知機能の程度を評価することができる。そのため、認知機能評価支援装置１００によれば、被測定者５００の認知機能の程度を精度よく評価することができる。

また、実施の形態１に係る認知機能評価支援方法は、被測定者５００の歩行時における動画像データを取得する取得ステップと、動画像データから、被測定者５００が歩行する歩行面Ｗ上の位置を示す歩行点Ｔの移動軌跡を算出し、移動軌跡から被測定者５００の歩行パラメータとして算出する算出ステップを含む。また、実施の形態１に係る認知機能評価支援方法は、さらに、被測定者５００の歩行パラメータと、人の歩行時における体動を示す歩行パラメータ及び当該人の認知機能の程度の関係を示す参照データ１４１とを照合し、被測定者５００の歩行パラメータに対応する認知機能の程度を出力する出力ステップを含む。

実施の形態１に係る認知機能評価支援方法によれば、ＭｏＣＡテストのような時間を要さずに被測定者５００の認知機能の程度を評価することができる。つまり、認知機能評価支援方法によれば、迅速に被測定者５００の認知機能の程度を評価することができる。さらには、認知機能評価支援方法よれば、簡便に被測定者５００の認知機能の程度を特定できるので、頻度高く認知機能の程度を評価することができる。そのため、認知機能評価支援方法によれば、被測定者５００は、被測定者５００の認知機能の経時変化を確認しやすい。

また、本発明は、実施の形態１に係る認知機能評価支援方法に含まれるステップをコンピュータに実行させるプログラムとして実現されてもよい。

これにより、実施の形態１に係る認知機能評価支援方法は、簡便に被測定者５００の認知機能を評価できるプログラムとしてコンピュータが実行できる。

（実施の形態２）
続いて、実施の形態２に係る認知機能評価支援装置及び認知機能評価支援方法について説明する。

実施の形態１においては、算出部１２０は、コーナー検出法によって被測定者５００の複数の抽出点Ｉを抽出し、画像データにおける複数の抽出点Ｉの最下方を特徴点Ｉａとして抽出した。実施の形態２においては、特徴点は、画像データに含まれる被測定者５００における、被測定者５００の外接矩形の下辺中央の点である。

以下に、実施の形態２に係る認知機能評価支援装置及び認知機能評価支援方法について説明する。なお、実施の形態１と同一の構成又は同一の動作に関しては同一の符号を付しており、重複する説明は省略又は簡略化する場合がある。

［認知機能評価支援装置の構成］
実施の形態２に係る認知機能評価支援装置の構成に関して説明する。

図１２は、実施の形態２に係る認知機能評価支援装置の特徴的な機能構成を示すブロック図である。図１２に示されるように、認知機能評価支援装置１００ａは、運動機能測定装置２００ａと、記憶部１４０とを備える。運動機能測定装置２００ａは、取得部１１０と、算出部１２０ａと、出力部１３０と、記憶部１４０とを備える。

算出部１２０ａは、被測定者５００の認知機能の程度を評価するための情報処理、及び、記憶部１４０へ動画像データを記憶させる制御等を行う制御装置である。算出部１２０ａは、具体的には、プロセッサ、マイクロコンピュータ、又は、専用回路によって実現される。

算出部１２０ａは、取得部１１０によって取得された動画像データから、被測定者５００が歩行する歩行面Ｗ上の位置を示す歩行点Ｔの移動軌跡を算出し、当該移動軌跡から被測定者５００の歩行パラメータを算出する。

また、算出部１２０は、動画像データに含まれる複数の画像データのそれぞれから、被測定者５００に基づく特徴点を抽出し、歩行面Ｗ上の座標に対応する画像データの座標を生成し、画像データの座標上の特徴点の位置から歩行点を算出する。

ここで、算出部１２０ａは、画像データに含まれる被測定者５００における、被測定者５００の外接矩形の下辺中央の点を特徴点として抽出する。

［歩行パラメータの算出方法］
図１３は、実施の形態２に係る認知機能評価支援装置１００ａが被測定者５００の歩行パラメータを算出する処理手順を示すフローチャートである。

取得部１１０は、カメラ３００から動画像データを取得する（ステップＳ２０１）。

次に、算出部１２０ａは、取得部１１０が取得した動画像データに含まれる各画像データから、背景差分法によって各画像データの被測定者５００を抽出する（ステップＳ２０２）。

次に、算出部１２０は、実施の形態１とは異なり、被測定者５００の外接矩形を算出する（ステップＳ２０３ａ）。

次に、算出部１２０は、外接矩形の下辺中央を特徴点として抽出する（ステップＳ２０４ａ）。

図１４は、実施の形態２に係る認知機能評価支援装置１００ａが算出する特徴点を説明するための図である。

図１４に示されるように、算出部１２０ａは、背景差分法によって被測定者５００のみが抽出されている画像データＡ３から、被測定者５００の外接矩形Ｊを算出する。また、算出部１２０ａは、算出した外接矩形Ｊの下辺Ｊａの中央（具体的には、図１４に示すＵ軸方向の中央）の点を特徴点Ｉｂとして抽出する。

外接矩形Ｊの中で、Ｖ座標が最も小さい値の下辺Ｊａから特徴点Ｉｂを抽出することで、外接矩形Ｊにおける歩行面Ｗと最も近い部位を抽出することができる。例えば、カメラ３００によって、被測定者５００の正面側から被測定者５００を撮像することで、算出部１２０ａは、外接矩形Ｊの下辺Ｊａの中央の点を特徴点Ｉｂとして抽出する。こうすることで、特徴点Ｉｂは、被測定者５００の体前面中央の移動が反映されやすい。つまり、特徴点Ｉｂを上述の点とすることで、歩行点Ｔの移動経路には、被測定者５００の重心の移動が反映されやすくなる。

再び図１４を参照して、ステップＳ２０４以降、実施の形態１と同様に、ステップＳ２０５〜ステップＳ２０８の手順によって、算出部１２０ａは、被測定者５００の歩行パラメータを算出する。

図１５は、実施の形態２に係る認知機能評価支援装置１００ａが算出した被測定者５００の移動軌跡のデータの一例を示す図である。具体的には、図１５の（ａ）は、実施の形態２に係る認知機能評価支援装置１００ａが算出した歩行点ＴのＸＹ座標の座標点のデータを示す図である。図１５の（ｂ）は、実施の形態２に係る認知機能評価支援装置１００ａが算出した歩行点Ｔの時間に対するＹ座標の座標点の変化を示す図である。図１５の（ｃ）は、実施の形態２に係る認知機能評価支援装置１００ａが算出した歩行点Ｔの時間に対するＸ座標の座標点の変化を示す図である。

算出部１２０ａは、上述した認知機能評価支援方法によって算出される移動軌跡から、歩行パラメータとして、例えば、被測定者５００の歩行速度を算出する。具体的には、算出部１２０ａは、図１５の（ｂ）に示されるＹ座標値に対する被測定者５００の歩行の観測時間から、各歩行点Ｔを線形近似し、線形近似した直線の傾きから歩行速度を算出する。このような構成によれば、実施の形態１と異なり、被測定者５００の右足と左足との歩行点の動きが排除されることから、右足と左足との前後関係が入れ替わる前のＹ座標値が変化しない観測時間がないために、歩行速度を算出しやすい。

図１６は、実施の形態２に係る認知機能評価支援装置１００ａが算出した歩行パラメータに対するＭｏＣＡテストで被測定者が獲得したスコアの一例を示す図である。

本発明者らは、ＭｏＣＡテストを実施した被測定者の中から、ＮＣを４名、ＭＣＩを７名、ＡＤを４名抽出した。また、本発明者らは、抽出した被測定者らから認知機能評価支援装置１００を用いて移動軌跡を算出し、当該移動軌跡から歩行パラメータを算出した。

図１６に示されるように、歩行速度とＭｏＣＡテストのスコアとには、ＮＣとＭＣＩとＡＤとで相関が異なることがわかる。具体的には、ＡＤは歩行速度が小さく、ＮＣは歩行速度が大きい傾向が見てとれる。つまり、本実施の形態に係る認知機能評価支援方法によって算出された歩行速度から、ＮＣかＭＣＩかＡＤかを評価することができる。

［効果等］
以上、実施の形態２において、特徴点Ｉｂは、動画像データに含まれる被測定者５００における外接矩形Ｊの下辺Ｊａ中央の点である。言い換えると、算出部１２０は、画像データに含まれる被測定者５００の外接矩形Ｊの下辺Ｊａ中央の点を特徴点Ｉｂとして抽出する。

これにより、被測定者５００の右足と左足との歩行点の動きが排除される。そのため、算出部１２０は、被測定者５００の右足と左足との前後関係が入れ替わる前のＹ座標値が変化しない観測時間がないために、歩行速度を算出しやすい。

なお、本発明は、実施の形態２に係る認知機能評価支援方法に含まれるステップをコンピュータに実行させるプログラムとして実現されてもよい。これにより、実施の形態２に係る認知機能評価支援方法は、簡便に被測定者５００の認知機能を評価できるプログラムとしてコンピュータが実行できる。

（その他の実施の形態）
以上、実施の形態１及び実施の形態２に係る認知機能評価支援装置及び認知機能評価支援方法について説明したが、本発明は、上記実施の形態に限定されるものではない。

上記実施の形態では、認知機能評価支援装置１００、１００ａは、認知機能の程度の評価の一具体例として、ＮＤかＭＣＩかＡＤかの評価をした。しかしながら、認知機能評価支援装置１００、１００ａは、ＮＤかＭＣＩかＡＤかの評価に限定されない。例えば、被測定者５００の酩酊の度合いが評価されてもよい。

また、上記実施の形態では、認知機能の低下の症状の一具体例として、アルツハイマー型認知症が挙げられた。しかしながら、認知機能とは、認識したり、記憶したり、判断したりする能力を示し、認知症とは、上述した認知機能の低下が見られる症状を示す。つまり、認知機能評価支援装置１００、１００ａが評価する認知機能の程度は、アルツハイマー型認知症に限定されず、例えば、血管性認知症等でもよい。

また、上記実施の形態では、被測定者５００の認知機能の程度を評価するために、ＭｏＣＡテストのスコアと歩行時の体動が示す歩行パラメータとの関係性を示すデータを参照データ１４１として予め記憶部１４０が記憶している。しかしながら、参照データは、歩行パラメータと照合することで認知機能の程度の評価をすることができるデータであればよく、ＭｏＣＡテストと歩行パラメータとの関係性を示すデータに限定されない。例えば、参照データは、ＭＭＳＥ（Ｍｉｎｉ−Ｍｅｎｔａｌ Ｓｔａｔｅ Ｅｘａｍｉｎａｔｉｏｎ：ミニメンタルステート検査）のスコアと歩行パラメータとの関係を示すデータでもよい。

また、上記実施の形態では、歩行パラメータとして、一歩の時間Ｐ１、歩隔Ｐ２、歩幅Ｐ３、歩行速度、及びこれらの組み合わせを多変量解析した結果を例示したが、歩行パラメータはこれに限定されない。例えば、歩隔Ｐ２、歩幅Ｐ３等の変化量を歩行パラメータとしてもよい。また、例えば図８の（ｃ）に示される、時間に対する被測定者５００の左右方向（Ｘ軸方向）の移動軌跡のＸ座標値の変化量、歩行速度の変化量、被測定者５００の体前面の中心位置の揺らぎを歩行パラメータとしてもよい。

また、本発明は、認知機能評価支援装置が実行するステップをコンピュータに実行させるプログラムとして実現されてもよい。また、本発明は、そのプログラムを記録したコンピュータによって読み取り可能なＣＤ−ＲＯＭ等の記録媒体として実現されてもよい。また、本発明は、そのプログラムを示す情報、データ又は信号として実現されてもよい。そして、それらプログラム、情報、データ及び信号は、インターネット等の通信ネットワークを介して配信されてもよい。

その他、各実施の形態に対して当業者が思いつく各種変形を施して得られる形態、又は、本発明の趣旨を逸脱しない範囲で各実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本発明に含まれる。

１００、１００ａ 認知機能評価支援装置
１１０ 取得部
１２０、１２０ａ 算出部
１３０ 出力部
１４０ 記憶部
１４１ 参照データ
５００ 被測定者
Ａ１、Ａ２、Ａ３ 画像データ
Ｉ 抽出点
Ｉａ、Ｉｂ 特徴点
Ｔ 歩行点
Ｗ 歩行面

Claims (10)

1. 人の歩行時における体動を示す歩行パラメータと前記人の認知機能の程度との関係を示す参照データを記憶している記憶部と、
   被測定者の歩行時における動画像データを取得する取得部と、
   前記動画像データから、前記被測定者が歩行する歩行面上の位置を示す歩行点の移動軌跡を算出し、前記移動軌跡から前記被測定者の１以上の歩行パラメータを算出する算出部と、
   前記被測定者の歩行パラメータと前記記憶部に記憶されている前記参照データとを照合し、前記被測定者の歩行パラメータに対応する認知機能の程度を出力する出力部と、を備える
   認知機能評価支援装置。
2. 前記算出部は、前記動画像データから、前記被測定者に基づく特徴点を抽出し、前記動画像データ上の前記特徴点の座標から、前記歩行点の座標を算出することで、前記移動軌跡を算出する
   請求項１に記載の認知機能評価支援装置。
3. 前記特徴点は、前記動画像データに含まれる前記被測定者におけるつま先である
   請求項２に記載の認知機能評価支援装置。
4. 前記特徴点は、前記動画像データに含まれる前記被測定者における、コーナー検出法によって抽出される複数の抽出点の内の、最も下方に位置する抽出点である
   請求項２に記載の認知機能評価支援装置。
5. 前記特徴点は、前記動画像データに含まれる前記被測定者における外接矩形の下辺中央の点である
   請求項２に記載の認知機能評価支援装置。
6. 前記歩行パラメータは、前記移動軌跡から算出される前記被測定者の歩行速度を含む
   請求項１〜５のいずれか１項に記載の認知機能評価支援装置。
7. 前記歩行パラメータは、前記移動軌跡から算出される前記被測定者の歩幅を含む
   請求項１〜６のいずれか１項に記載の認知機能評価支援装置。
8. 前記算出部は、前記移動軌跡から算出される前記被測定者の歩行に関する複数の歩行パラメータを多変量解析し、
   前記出力部は、前記複数の歩行パラメータを多変量解析した結果と前記記憶部に記憶されている前記参照データとを照合し、前記被測定者の歩行パラメータに対応する認知機能の程度を出力する
   請求項１〜７のいずれか１項に記載の認知機能評価支援装置。
9. 被測定者の歩行時における動画像データを取得する取得ステップと、
   前記動画像データから、前記被測定者が歩行する歩行面上の位置を示す歩行点の移動軌跡を算出し、前記移動軌跡から前記被測定者の歩行パラメータとして算出する算出ステップと、
   前記被測定者の歩行パラメータと、人の歩行時における体動を示す歩行パラメータ及び前記人の認知機能の程度の関係を示す参照データとを照合し、前記被測定者の歩行パラメータに対応する認知機能の程度を出力する出力ステップと、を含む
   認知機能評価支援方法。
10. 請求項９に記載の認知機能評価支援方法に含まれるステップをコンピュータに実行させるための
    プログラム。

Images