JP5952511B1 - 人体運動状態監視方法及び装置 - Google Patents

人体運動状態監視方法及び装置 Download PDF

Info

Publication number
JP5952511B1
JP5952511B1 JP2015563051A JP2015563051A JP5952511B1 JP 5952511 B1 JP5952511 B1 JP 5952511B1 JP 2015563051 A JP2015563051 A JP 2015563051A JP 2015563051 A JP2015563051 A JP 2015563051A JP 5952511 B1 JP5952511 B1 JP 5952511B1
Authority
JP
Japan
Prior art keywords
acceleration signal
time length
state
human body
exercise
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2015563051A
Other languages
English (en)
Other versions
JP2016525895A (ja
Inventor
リー，ボ
ワン，フーポ
リー，ナ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Goertek Inc
Original Assignee
Goertek Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Goertek Inc filed Critical Goertek Inc
Application granted granted Critical
Publication of JP5952511B1 publication Critical patent/JP5952511B1/ja
Publication of JP2016525895A publication Critical patent/JP2016525895A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Power Engineering (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

【解決手段】本発明は、人体運動状態監視方法及び装置を提供し、該方法は、人体に装着された３軸加速度センサ（１００）の出力から、設定されたサンプリング時間長を含む加速度信号を取得すると共に、該加速度信号のエネルギー及び平均パワーを算出するステップと、加速度信号の平均パワーによって人体運動状態を判断し、平均パワーが激しい運動閾値より大きい場合、激しい運動状態にあると判定し、平均パワーが睡眠閾値より小さい場合、睡眠状態にあると判定し、平均パワーが激しい運動閾値より小さくて睡眠閾値より大きい場合、軽微な運動状態にあると判定するステップと、激しい運動状態にあると、加速度信号が準周期性を有するか否かを判断し、有しない場合、不規則な激しい運動状態にあると判定し、有する場合、規則的な激しい運動状態にあると判定するステップと、を繰り返して実行することを含む。該方法は、自動的、全面的、全天候に対応して人の様々な運動状態を正確に監視することができる。【選択図】 図５

Description

本発明は、スポーツ器具分野に関し、具体的には、人体運動状態監視方法及び装置に関する。
社会経済の持続的発展に伴い、人々の物質的生活水準はだんだん上昇している。それと同時に、人々がますます自分の健康を気にしてきて、自分のために様々な健康づくり運動のプランを立てて実行している。したがって、運動プランを監視するための様々な装置が現れている。
歩数計は、その装着者の歩行又は走行歩数を算出可能な装置である。しかし、歩数計は、機能が比較的に単一であり、人のその他の運動形式及び睡眠を監視することができない。人の様々な運動形式を全面的に監視可能な装置は幾つかあるが、人間の介入操作を必要とし、人の様々な運動状況及び睡眠状況の監視に自動的、全面的、全天候に対応することができない。その一方、睡眠状況は、人の健康状態の判断に非常に役立つものである。人は、睡眠過程において、例えば寝返り、引っかき、驚愕等、何らかの体の移動があり、これらの移動が比較的に頻繁になると、人の睡眠の質がよくないことを表す。したがって、人の睡眠状況を監視すること及び人の正常な運動状況を監視することは、何れも、人のフィットネスプランの改善に寄与する。
本発明は、上記従来技術に存在する問題を解決するためになされたものであり、自動的、全面的、全天候に対応して人の様々な運動状態を正確に監視することにより、人のフィットネスプランの改善に根拠を提供することができる人体運動状態監視方法及び装置を提供することを目的とする。
上記目的を達成するために、本発明の一つの局面において、人体運動状態監視方法を提供し、該方法は、人体に装着された３軸加速度センサの出力から、設定されたサンプリング時間長を含む加速度信号を取得すると共に、該加速度信号のエネルギー及び平均パワーを算出するステップ（ａ）と、
加速度信号の平均パワーによって人体運動状態を判断し、加速度信号の平均パワーが所定の激しい運動閾値より大きい場合、人体が激しい運動状態にあると判定し、加速度信号の平均パワーが所定の睡眠閾値より小さい場合、人体が睡眠状態にあると判定し、加速度信号の平均パワーが激しい運動閾値より小さくて睡眠閾値より大きい場合、人体が軽微な運動状態にあると判定するステップ（ｂ）と、
人体が睡眠状態にあると、加速度信号の時間長を睡眠状態総時間長に累積（積算）し、加速度信号のエネルギーを睡眠状態総エネルギーに累積して、加速度信号の強度が所定の強度閾値より大きい時間長を集計してから該時間長を睡眠移動総時間長に累積すると共に、加速度信号のサンプリング時間長を睡眠状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻るステップ（ｃ１）と、
人体が軽微な運動状態にあると、加速度信号の時間長を軽微な運動状態総時間長に累積し、加速度信号のエネルギーを軽微な運動状態総エネルギーに累積すると共に、加速度信号のサンプリング時間長を軽微な運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻るステップ（ｃ２）と、
人体が激しい運動状態にあると、更に、加速度信号が準周期性を有するか否かを判断し、加速度信号が準周期性を有しない場合、人体が不規則な激しい運動状態にあると判定し、加速度信号が準周期性を有する場合、人体が規則的な激しい運動状態にあると判定するステップ（ｃ３）と、
人体が不規則な激しい運動状態にあると、加速度信号の時間長を不規則な激しい運動状態総時間長に累積し、加速度信号のエネルギーを不規則な激しい運動状態総エネルギーに累積すると共に、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻るステップ（ｄ１）と、
人体が規則的な激しい運動状態にあると、加速度信号の時間長を規則的な激しい運動状態総時間長に累積し、加速度信号のエネルギーを規則的な激しい運動状態総エネルギーに累積して、加速度信号によって運動歩数を算出してから該運動歩数を運動総歩数に累積すると共に、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻るステップ（ｄ２）と、を繰り返して実行することを含む。
好ましくは、加速度信号の平均パワーＰは、下式によって算出してもよい。
そのうち、αiが加速度信号の第ｉ個の値であり、Ｎが加速度信号の長さであり、且つ、１≦ｉ≦Ｎ、α0が加速度信号の平均値であり、
好ましくは、加速度信号の準周期性の判断ステップは、
（１）加速度信号に対してハイパスフィルタリングを行うことと、
（２）ハイパスフィルタリングされた加速度信号に対して基本周波数検出を行うことと、
（３）基本周波数検出によって獲得された基本周波数を遮断周波数としてローパス又はバンドパスフィルタを設置すると共に、該ローパス又はバンドパスフィルタによって、対応するハイパスフィルタ後の加速度信号に対してローパス又はバンドパスフィルタリングを行うことと、
（４）ローパス又はバンドパスフィルタリングされた加速度信号から加速度信号極値点を獲得すると共に加速度信号極値点における干渉極値点を除去することで、ローパス又はバンドパスフィルタリングされた加速度信号における有効極値点を獲得することと、
（５）隣接する有効極値点の間の時間間隔を算出して時間間隔系列を獲得すると共に、該時間間隔系列において隣接する時間間隔の間の差分を算出し、時間間隔差分系列を獲得し、もし該時間間隔差分系列において連続所定数の時間間隔の差分が何れも所定の周期閾値より小さいと、加速度信号が準周期性を有すると判定し、そうでない場合、加速度信号が準周期性を有しないと判定することと、を含んでもよい。
より好ましくは、加速度信号によって運動歩数を算出するステップは、ローパス又はバンドパスフィルタリングされた準周期性を有する加速度信号における有効極値点をカウントすることを含んでもよく、該有効極値点の数が即ち運動歩数である。より好ましくは、加速度信号を時間で２重積分することで変位信号を求めてもよい。
ハイパスフィルタリングされた加速度信号に対して基本周波数検出を行う方法は、自己相関関数法、ケプストラム法、線形予測符号化法、平均振幅差関数法のうちの一種又は多種の方法を含んでもよい。
好ましくは、ハイパスフィルタリングされた加速度信号に対して基本周波数検出を行うのは、信号の減衰の度合いが低周波から高周波へだんだん増えていくフィルタによって、該信号に対して減衰処理を行うことと、下式によって、減衰処理された信号の自己相関関数ρ(τ)を求め、
そのうち、α(ｎ)が減衰処理された信号の第ｎ個の値であり、Ｎが該信号の長さであり、且つ、１≦ｎ≦Ｎ、τが遅延時間であり、ρ(τ)が該信号の正規化自己相関関数であることと、ρ(τ)の最大値に対応するτの値を求め、該τ値の逆数が即ち該信号の基本周波数であることとを含んでもよい。
そのうち、加速度信号極値点における干渉極値点を除去するのは、時間間隔によって加速度信号極値点における干渉極値点をフィルタアウトすること、又は、時間間隔及び振幅値によって加速度信号極値点における干渉極値点をフィルタアウトすることを含む。
好ましくは、該干渉極値点は、その前の加速度信号極値点との時間間隔が所定の閾値より小さい加速度信号極値点を含んでもよく、若しくは、干渉極値点は、時間間隔が連続的に所定の閾値より小さい各グループの加速度信号極値点のうち振幅値が最大でない加速度信号極値点を含んでもよい。
好ましくは、人体運動状態監視方法は、更に、睡眠状態総時間長、睡眠状態総エネルギー、睡眠移動総時間長、軽微な運動状態総時間長、軽微な運動状態総エネルギー、不規則な激しい運動状態総時間長、不規則な激しい運動状態総エネルギー、規則的な激しい運動状態総時間長、規則的な激しい運動状態総エネルギー、運動総歩数を選択可能に表示することを含んでもよい。
本発明のもう一つの局面によれば、３軸加速度センサ、加速度信号取得手段、算出手段、人体運動状態判断手段、睡眠移動統計手段、サンプリング時間長設置手段、記憶手段、準周期性判断手段及び歩数カウント手段を含む人体運動状態監視装置が提供される。
加速度信号取得手段は、人体に装着された３軸加速度センサの出力から、設定されたサンプリング時間長を含む加速度信号を取得し、算出手段は、該加速度信号のエネルギー及び平均パワーを算出し、
人体運動状態判断手段は、加速度信号の平均パワーによって人体運動状態を判断し、加速度信号の平均パワーが所定の激しい運動閾値より大きい場合、人体が激しい運動状態にあると判定し、加速度信号の平均パワーが所定の睡眠閾値より小さい場合、人体が睡眠状態にあると判定し、加速度信号の平均パワーが激しい運動閾値より小さくて睡眠閾値より大きい場合、人体が軽微な運動状態にあると判定し、
人体運動状態判断手段は、人体が睡眠状態にあると判定すると、加速度信号の時間長を睡眠状態総時間長に累積し、加速度信号のエネルギーを睡眠状態総エネルギーに累積し、睡眠移動統計手段は、加速度信号の強度が所定の強度閾値より大きい時間長を集計してから該時間長を睡眠移動総時間長に累積し、サンプリング時間長設置手段は、加速度信号のサンプリング時間長を睡眠状態サンプリング時間長として設定し、記憶手段は、睡眠状態総時間長、睡眠状態総エネルギー、睡眠移動総時間長を記憶し、
人体運動状態判断手段は、人体が軽微な運動状態にあると判定すると、加速度信号の時間長を軽微な運動状態総時間長に累積し、加速度信号のエネルギーを軽微な運動状態総エネルギーに累積すると共に、サンプリング時間長設置手段は、加速度信号のサンプリング時間長を軽微な運動状態サンプリング時間長として設定し、記憶手段は、軽微な運動状態総時間長、軽微な運動状態総エネルギーを記憶し、
人体運動状態判断手段は、人体が激しい運動状態にあると判定すると、準周期性判断手段は、加速度信号が準周期性を有するか否かを判断し、加速度信号が準周期性を有しないと判定する場合、人体運動状態判断手段は、人体が不規則な激しい運動状態にあると判定し、準周期性判断手段は加速度信号が準周期性を有すると判定する場合、人体運動状態判断手段は、人体が規則的な激しい運動状態にあると判定し、
人体運動状態判断手段は、人体が不規則な激しい運動状態にあると判定すると、加速度信号の時間長を不規則な激しい運動状態総時間長に累積し、加速度信号のエネルギーを不規則な激しい運動状態総エネルギーに累積すると共に、サンプリング時間長設置手段は、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、記憶手段は、不規則な激しい運動状態総時間長、不規則な激しい運動状態総エネルギーを記憶し、
人体運動状態判断手段は、人体が規則的な激しい運動状態にあると判定すると、加速度信号の時間長を規則的な激しい運動状態総時間長に累積し、加速度信号のエネルギーを規則的な激しい運動状態総エネルギーに累積し、歩数カウント手段は、加速度信号によって運動歩数を算出してから該運動歩数を運動総歩数に累積し、サンプリング時間長設置手段は、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、記憶手段は、規則的な激しい運動状態総時間長、規則的な激しい運動状態総エネルギー、運動歩数を記憶する。
好ましくは、人体運動状態監視装置は、更に、睡眠状態総時間長、睡眠状態総エネルギー、睡眠移動総時間長、軽微な運動状態総時間長、軽微な運動状態総エネルギー、不規則な激しい運動状態総時間長、不規則な激しい運動状態総エネルギー、規則的な激しい運動状態総時間長、規則的な激しい運動状態総エネルギー、運動総歩数を選択可能に表示するための表示手段を含んでもよい。
上記の説明及び実践から分かるように、本発明による人体運動状態監視方法及び装置は、自動的、全面的、全天候に対応して人の様々な運動状態（睡眠状態を含み）を正確に監視することができ、人の睡眠の質を定量に評価し、人の歩行及び走行時の運動歩数を正確に測定することができ、人の運動レベル及びエネルギー消費状況を定量に測定することができる。
上記の説明は、あくまでも本発明の技術考案に対する概略的な説明であり、本発明の技術手段をより明らかに理解した上で明細書の内容に基づいて実施可能にし、そして、本発明の上記及びその他の目的、特徴及び利点をより明瞭で理解しやすくするために、以下、特に、本発明の具体的な実施形態を例挙する。
図１は、信号図であり、３軸加速度センサがその装着者の睡眠過程において三つの方向に発生した加速度信号の例を示している。 図２は、信号図であり、３軸加速度センサがその装着者の軽微な運動過程において三つの方向に発生した加速度信号の例を示している。 図３は、信号図であり、３軸加速度センサがその装着者の不規則な激しい運動過程において三つの方向に発生した加速度信号の例を示している。 図４は、信号図であり、３軸加速度センサがその装着者の規則的な激しい運動過程において三つの方向に発生した加速度信号の例を示している。 図５は、ブロック図であり、一つの実施例による人体運動状態監視方法を示している。 図６ａは、信号図であり、３軸加速度センサから出力された所定の長さを有する代表的な正規化加速度信号を示して 図６ｂは、信号図であり、ハイパスフィルタリングされた加速度信号を示している。 図６ｃは、信号図であり、ローパスフィルタリングされた加速度信号を示している。 図６ｄは、信号図であり、ローパスフィルタリングされた加速度信号の極値点の例を示している。 図７は、信号の減衰の度合いが低周波から高周波へだんだん増えていくフィルタの周波数応答曲線の例を示している。 図８は、信号図であり、ローパスフィルタリングされた１軸加速度信号の極値点のその他の例を示している。 図９は、ブロック図であり、一つの実施例による人体運動状態監視装置を示している。 図１０は、本発明による方法を実行するためのサーバーのブロック図を模式的に示している。 図１１は、本発明による方法を実現するプログラムコードを保持又は担持するための記憶手段を模式的に示している。
以下、図面及び具体的な実施例を参照しながら、本発明について詳述する。以下の説明において、単に例を挙げて本発明の特定の例示的な実施例を説明する。無論、当業者は、本発明の精神及び範囲を逸脱せずに、様々な異なる方式によって前記実施例を修正可能であると理解することができる。したがって、図面及び説明は、本質上例示的なものであり、請求項の保護範囲を制限するためのものではない。本明細書において、同一の符号が同一又は類似の部分を表す。
本発明による人体運動状態監視方法は、３軸加速度センサを有する装置によって実施される。図１〜図４は、信号図であり、それぞれ、３軸加速度センサが、その装着者の睡眠過程（浅い睡眠、深い睡眠を含み）、軽微な運動過程（例えばタイピング、無意識に体を揺らすこと等）、不規則な激しい運動過程（肉体労働、バスケットボールをすること等）、及び、規則的な激しい運動過程（歩行、走行、縄跳び、アスレチックジムでフィットネスすること等）において三つの方向に発生した加速度信号の例を示している。
図１〜４に示すように、一般的に、使用過程において３軸加速度センサを含む装置の方位が一定のものではないため、睡眠過程、軽微な運動過程及び不規則な激しい運動過程において、３軸加速度センサの３軸出力信号は、ほぼ同じであるが、規則的な激しい運動過程において、特定の方向において信号強度がより大きくなる。何れの場合においても、３軸加速度センサの３軸出力のうちでエネルギーの最も大きい加速度信号を選択すれば、運動状況を正確に、代表的に測定することができる。
したがって、本発明の説明において、３軸加速度センサから出力された加速度信号は、３軸出力のうちでエネルギーの最も大きい加速度信号を指してもよいが、本発明は、これに限定されるものではなく、様々な方式で３軸出力が融合された加速度信号を指してもよい。或いは、３軸加速度センサの各１軸加速度信号から対応する測定量を獲得した後、或る加重方式によってそれに対して加重平均を行い、最後に総測定量を獲得してもよい。
図１〜３に示すように、睡眠過程、軽微な運動過程及び不規則な激しい運動過程において、３軸加速度センサから出力された加速度信号に共通した特徴としては、準周期性を有しないため、これらの信号の持続時間及び総エネルギーを測定することにより、これらの運動方式の運動量を定量に測定することができる。規則的な激しい運動過程において、３軸加速度センサから出力された加速度信号の特徴としては、準周期性を有するため、その持続時間及び総エネルギーを測定することができる他に、更にその周期数を測定することもでき、該周期数が、走行の歩数、ジャンプの回数、押し引きの回数等に対応しており、本発明において、これらの量を運動歩数と総称する。
一方、睡眠過程、軽微な運動過程及び不規則な（規則的な）激しい運動過程において、３軸加速度センサから出力された加速度信号に相違した特徴としては、信号変化の激しさが異なることであり、これは、加速度信号の強度尺度に表れるだけでなく、時間尺度にも表れる。例えば、睡眠過程において、ほとんどの時間では加速度信号が非常に小さくて緩やかであり、睡眠過程において移動（例えば図１において６００〜６１０秒の時間帯に発生する寝返り動作）が発生する時間の総睡眠時間に占める割合は非常に小さい。
したがって、睡眠中に発生した加速度信号を分析する場合、信号のサンプリングの長さを大きくすべきであり、これは、演算量を減らし、分析の速度を向上させるのに役立つだけでなく、睡眠中の移動を、軽微な活動及び激しい過程における運動と区別することもできる。その理由は、移動時間の総睡眠時間に占める割合が小さいため、睡眠移動の平均パワーへの寄与が無視できるからである。同様に、軽微な運動及び激しい運動に発生した加速度信号を分析する場合、異なるサンプリングの長さを採用すべきであり、これで、演算量を減らし、分析の速度を向上させると共に、対応する加速度信号に特性を失わせるに至らない。
本発明の一つの実施例による人体運動状態監視方法は、繰り返して実行される以下のステップ（ａ）〜ステップ（ｄ２）を含み、
ステップ（ａ）は、人体に装着された３軸加速度センサの出力から、設定されたサンプリング時間長を含む加速度信号を取得すると共に、該加速度信号のエネルギー及び平均パワーを算出し、ステップ（ｂ）に入り、
ステップ（ｂ）は、加速度信号の平均パワーによって人体運動状態を判断し、加速度信号の平均パワーが所定の激しい運動閾値より大きい場合、人体が激しい運動状態にあると判定し、ステップ（ｃ３）に入り、加速度信号の平均パワーが所定の睡眠閾値より小さい場合、人体が睡眠状態にあると判定し、ステップ（ｃ１）に入り、加速度信号の平均パワーが激しい運動閾値より小さくて睡眠閾値より大きい場合、人体が軽微な運動状態にあると判定し、ステップ（ｃ２）に入り、
ステップ（ｃ１）は、人体が睡眠状態にあると、加速度信号の時間長を睡眠状態総時間長に累積し、加速度信号のエネルギーを睡眠状態総エネルギーに累積して、加速度信号の強度が所定の強度閾値より大きい時間長を集計してから該時間長を睡眠移動総時間長に累積すると共に、加速度信号のサンプリング時間長を睡眠状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻り、
ステップ（ｃ２）は、人体が軽微な運動状態にあると、加速度信号の時間長を軽微な運動状態総時間長に累積し、加速度信号のエネルギーを軽微な運動状態総エネルギーに累積すると共に、加速度信号のサンプリング時間長を軽微な運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻り、
ステップ（ｃ３）は、人体が激しい運動状態にあると、更に、加速度信号が準周期性を有するか否かを判断し、加速度信号が準周期性を有しない場合、人体が不規則な激しい運動状態にあると判定し、ステップ（ｄ１）に入り、加速度信号が準周期性を有する場合、人体が規則的な激しい運動状態にあると判定し、ステップ（ｄ２）に入り、
ステップ（ｄ１）は、人体が不規則な激しい運動状態にあると、加速度信号の時間長を不規則な激しい運動状態総時間長に累積し、加速度信号のエネルギーを不規則な激しい運動状態総エネルギーに累積すると共に、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻り、
ステップ（ｄ２）は、人体が規則的な激しい運動状態にあると、加速度信号の時間長を規則的な激しい運動状態総時間長に累積し、加速度信号のエネルギーを規則的な激しい運動状態総エネルギーに累積して、加速度信号によって運動歩数を算出してから該運動歩数を運動総歩数に累積すると共に、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻る。
本発明の各実施例に付いた記号は、あくまでも一つの好ましい形態の実行プロセスの説明の便宜のためのものであり、各ステップの具体的な実行順序を厳しく限定するものではない。
図５は、ブロック図であり、一つの実施例による人体運動状態監視方法を示している。図５に示すように、本発明の一つの実施例による人体運動状態監視方法は、繰り返して実行される以下のステップを含み、
まず、ステップＳ１０において、人体に装着された３軸加速度センサの出力から、設定されたサンプリング時間長を含む加速度信号を取得すると共に、該加速度信号のエネルギー及び平均パワーを算出する。
好ましくは、加速度信号の平均パワーＰは、下式によって算出してもよく、
そのうち、αiが加速度信号の第ｉ個の値であり、Ｎが加速度信号の長さであり、且つ、１≦ｉ≦Ｎ、α0が加速度信号の平均値であり、
となる。
次に、加速度信号の平均パワーによって人体運動状態を判断する。例えば、ステップＳ２０において、加速度信号の平均パワーが所定の激しい運動閾値より大きいか否かを判断し、加速度信号の平均パワーが所定の激しい運動閾値より大きい場合、人体が激しい運動状態にあると判定し（ステップＳ３０）、そうでない場合、ステップＳ４０において、加速度信号の平均パワーが所定の睡眠閾値より小さいか否かを判断し、加速度信号の平均パワーが所定の睡眠閾値より小さい場合、人体が睡眠状態にあると判定し（ステップＳ５０）、加速度信号の平均パワーが激しい運動閾値より小さくて睡眠閾値より大きい場合、人体が軽微な運動状態にあると判定する（ステップＳ６０）。そのうち、激しい運動閾値及び睡眠閾値は、実験によって獲得され、しかも調整できるものである。
人体が睡眠状態にあると、ステップＳ５５において、加速度信号の時間長を睡眠状態総時間長に累積し、加速度信号のエネルギーを睡眠状態総エネルギーに累積して、加速度信号の強度が所定の強度閾値より大きい時間長を集計してから該時間長を睡眠移動総時間長に累積すると共に、加速度信号のサンプリング時間長を睡眠状態サンプリング時間長として設定し、そして、ステップＳ１０に戻る。
説明すべきことは、加速度信号の強度が所定の強度閾値より大きい時間長とは、加速度信号の強度の大きさが所定の強度閾値より大きい時間帯の長さを指す。この時間帯は、睡眠移動中の時間であり、その中に、寝返り、驚愕、痙攣等の睡眠移動が発生しており、睡眠移動中の時間の総時間長が睡眠総時間長に占める割合を分析することにより、睡眠の質を定量に分析することができ、この割合が非常に小さい場合、深い睡眠であることを表し、この割合が比較的に大きい場合、浅い睡眠であることを表す。また、睡眠状態サンプリング時間長は、実験によって確定でき、例えば、５分間〜１０分間にしてもよい。
人体が軽微な運動状態にあると、ステップＳ６５において、加速度信号の時間長を軽微な運動状態総時間長に累積し、加速度信号のエネルギーを軽微な運動状態総エネルギーに累積すると共に、加速度信号のサンプリング時間長を軽微な運動状態サンプリング時間長として設定し、そして、ステップＳ１０に戻る。軽微な運動状態サンプリング時間長は、実験によって確定でき、例えば、１分間にしてもよい。
人体が激しい運動状態にあると、ステップＳ７０において、更に、加速度信号が準周期性を有するか否かを判断し、加速度信号が準周期性を有しない場合、人体が不規則な激しい運動状態にあると判定し（ステップＳ８０）、加速度信号が準周期性を有する場合、人体が規則的な激しい運動状態にあると判定する（ステップＳ９０）。
そのうち、加速度信号の準周期性に対する判断は、下記（１）〜（５）のステップを含んでもよく、ステップ（１）は、加速度信号に対してハイパスフィルタリングを行う。通常、３軸加速度センサから出力された加速度信号に直流成分が含まれ、この直流成分の存在によって加速度信号の分析が干渉されることになるため、ハイパスフィルタリングによって加速度信号における直流成分を除去する。
図６ａは、信号図であり、３軸加速度センサから出力された所定の長さを有する代表的な正規化加速度信号α/gを示しており、そのうち、αが加速度を表し、gが重力加速度を表す。図６ｂは、信号図であり、ハイパスフィルタリングされた加速度信号を示している。図６ｂから分かるように、ハイパスフィルタリングされた後、加速度信号に交流成分しか含まれない。
ステップ（２）は、ハイパスフィルタリングされた各加速度信号に対して基本周波数検出を行う。加速度信号には、身体の異なるリズムに対応する多種の周波数成分、例えば、基本周波数成分、倍周波数成分及びその他の高周波成分を含む可能性がある。
図７は、加速度信号の周波数スペクトル模式図である。そのうち、基本周波数成分が最も基本的なリズムに関連付けられており、しかも、基本周波数成分によって信号の準周期性を判断する方が、より正確になる。基本周波数成分しか含まない加速度信号を獲得できるように、加速度信号における高周波成分をフィルタアウトする必要がある。しかし、高周波成分をフィルタアウトするために、基本周波数成分の周波数を大体において検出する必要があり、これにより、適切なフィルタを構築して基本周波数成分以外の高周波成分をフィルタアウトする。
基本周波数の検出方法が非常に多い。例えば、音声信号ピッチ検出によく使われる自己相関関数法、ケプストラム法、線形予測符号化法、平均振幅差関数法等の典型的な方法を用いてもよい。好ましくは、自己相関関数法を用いてもよい。
具体的に、ハイパスフィルタリングされた加速度信号について、信号エネルギーの減衰が低周波から高周波へだんだん増えていくフィルタによって該信号に対して減衰処理を行い、加速度信号における高周波成分を抑制することにより、１軸加速度信号における基本周波数成分を突出させ、獲得される基本周波数の誤差を低減する。
図７は、信号エネルギーの減衰が低周波から高周波へだんだん増えていくフィルタの周波数応答曲線の例を示している。加速度信号が該フィルタを通して減衰された後、信号における低周波成分が少し減衰されるのに対して、高周波成分が大幅に減衰されることになる。このように、該フィルタを通した１軸加速度信号に対して、更に自己相関関数法によって基本周波数を求めると、獲得される基本周波数は、比較的に正確になる。
そして、下式によって、減衰された信号の自己相関関数ρを求め、
そのうち、α(ｎ)が該信号の第ｎ個の値であり、Ｎが該信号の所定の長さであり、且つ、１≦ｎ≦Ｎ、τが遅延時間であり、ρ(τ)が該信号の正規化自己相関関数である。そして、 の最大値に対応するτの値を求め、該τ値の逆数が即ち該信号の基本周波数である。
ステップ（３）は、基本周波数検出によって獲得された基本周波数を遮断周波数としてローパス又はバンドパスフィルタを設置すると共に、該ローパス又はバンドパスフィルタによって、対応するハイパスフィルタリングされた加速度信号に対してローパス又はバンドパスフィルタリングを行う。ローパス又はバンドパスフィルタリングされた後、比較的に平滑な信号が獲得され、これにより、加速度信号の極値点を正確に統計するのは、容易になる。図６ｃは、信号図であり、ローパスフィルタリングされた加速度信号を示している。
ステップ（４）は、ローパス又はバンドパスフィルタリングされた加速度信号から加速度信号極値点を獲得すると共に、加速度信号極値点における干渉極値点を除去することにより、有効極値点を獲得する。図６ｄは、信号図であり、ローパス又はバンドパスフィルタリングされた１軸加速度信号の極値点の一例を示しており、そのうち、記号＋は、極値点（極大値点及び極小値点を含む）を示す。図６ｄは、比較的特殊な例を示しており、そのうち、ローパス又はバンドパスフィルタリングされた加速度信号におけるノイズ干渉がほとんどなくなった。より一般的な場合、ローパス又はバンドパスフィルタリングされた後、加速度信号には、依然としてノイズ干渉が存在し、干渉極値点の存在があると表れる。
図８は、信号図であり、ローパス又はバンドパスフィルタリングされた加速度信号の極値点のその他の一例を示している。図８に示すように、ローパス又はバンドパスフィルタリングされた１軸加速度信号には、干渉極値点が存在し（図８における矢印が示したように）、これらの干渉極値点は、周期性運動に関連する極値点を表すものではおらず、歩数を多めに数えることを招くだけであり、これらの干渉極値点を除去すると、統計される歩数がより正確になる。したがって、歩行又は走行歩数に対応する極値点を正確に獲得するために、これらの干渉極値点を除去する必要がある。
本発明の一つの実施例において、干渉極値点は、その前の加速度信号極値点との時間間隔が所定の閾値より小さい加速度信号極値点を含んでもよく、そのうち、該所定の閾値が１軸加速度信号の基本周波数成分の周期より遥かに小さい。該実施例において、距離が比較的に近い極値点からなる各グループから、一番左の極値点のみを残して、残りの極値点を全て干渉極値点として除去する。この方式では、加速度信号極値点の間の時間間隔によって、加速度信号極値点における干渉極値点をフィルタアウトする。
本発明のもう一つの実施例において、干渉極値点は、時間間隔が連続的に所定の閾値より小さい各グループの加速度信号極値点のうち振幅値が最大でない加速度信号極値点を含んでもよい。言い換えれば、該実施例において、距離が比較的に近い極値点からなる各グループから、振幅値が最大の加速度信号極値点のみを残し、残りの極値点を全て干渉極値点として除去する。この方式では、加速度信号極値点の間の時間間隔及び加速度信号極値点の振幅値によって、加速度信号極値点における干渉極値点をフィルタアウトする。
ステップ（５）は、隣接する有効極値点の間の時間間隔を算出して時間間隔系列を獲得すると共に、該時間間隔系列において隣接する時間間隔の間の差分を算出し、時間間隔差分系列を獲得し、もし該時間間隔差分系列において連続所定数の時間間隔の差分が何れも所定の周期閾値より小さいと、加速度信号が準周期性を有すると判定し、そうでない場合、加速度信号が準周期性を有しないと判定する。
図５に戻り、人体が不規則な激しい運動状態にあると、ステップＳ８５において、加速度信号の時間長を不規則な激しい運動状態総時間長に累積し、加速度信号のエネルギーを不規則な激しい運動状態総エネルギーに累積すると共に、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、そして、ステップＳ１０に戻る。激しい運動状態サンプリング時間長は、１秒間〜３秒間にしてもよい。
人体が規則的な激しい運動状態にあると、ステップＳ９５において、加速度信号の時間長を規則的な激しい運動状態総時間長に累積し、加速度信号のエネルギーを規則的な激しい運動状態総エネルギーに累積して、加速度信号によって運動歩数を算出してから該運動歩数を運動総歩数に累積すると共に、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、そして、ステップＳ１０に戻る。
加速度信号によって運動歩数を算出する方法は、ローパス又はバンドパスフィルタリングされた準周期性を有する加速度信号における有効極値点をカウントすることを含み、該有効極値点の数が即ち今回のカウント過程で獲得される運動歩数である。更に、加速度信号を時間で２重積分することで変位信号を求めることにより、運動者に実際運動距離の参考を提供することも可能である。また、変位の大きさによって、原位置での運動なのか、それとも実際の歩行又は走行なのかを区分することもできる。
本発明による人体運動状態監視方法は、更に、睡眠状態総時間長、睡眠状態総エネルギー、睡眠移動総時間長、軽微な運動状態総時間長、軽微な運動状態総エネルギー、不規則な激しい運動状態総時間長、不規則な激しい運動状態総エネルギー、規則的な激しい運動状態総時間長、規則的な激しい運動状態総エネルギー、運動総歩数を選択可能に表示することを含む。このように、これらのデータによって、人の睡眠の質、人の運動レベル及びエネルギー消費状況を把握することができる。
上記のように、図１〜図８を参照しながら、本発明による人体運動状態監視方法を説明した。本発明による人体運動状態監視方法は、ソフトウェアによって実現してもよく、ハードウェアによって実現してもよく、或いは、ソフトウェアとハードウェアとを組み合わせる形で実現してもよい。
図９は、ブロック図であり、一つの実施例による人体運動状態監視装置を示している。図９に示すように、本発明の一つの実施例による人体運動状態監視装置１０００は、３軸加速度センサ１００、加速度信号取得手段２００、算出手段３００、人体運動状態判断手段４００、睡眠移動統計手段５００、サンプリング時間長設置手段６００、記憶手段７００、準周期性判断手段８００、歩数カウント手段９００を含む。
加速度信号取得手段２００は、人体に装着された３軸加速度センサ１００の出力から、設定されたサンプリング時間長を含む加速度信号を取得し、算出手段３００は、該加速度信号のエネルギー及び平均パワーを算出する。
人体運動状態判断手段４００は、加速度信号の平均パワーによって人体運動状態を判断し、加速度信号の平均パワーが所定の激しい運動閾値より大きい場合、人体が激しい運動状態にあると判定し、加速度信号の平均パワーが所定の睡眠閾値より小さい場合、人体が睡眠状態にあると判定し、加速度信号の平均パワーが激しい運動閾値より小さくて睡眠閾値より大きい場合、人体が軽微な運動状態にあると判定し、
人体運動状態判断手段４００は、人体が睡眠状態にあると判定すると、加速度信号の時間長を睡眠状態総時間長に累積し、加速度信号のエネルギーを睡眠状態総エネルギーに累積し、睡眠移動統計手段５００は、加速度信号の強度が所定の強度閾値より大きい時間長を集計してから該時間長を睡眠移動総時間長に累積し、サンプリング時間長設置手段６００は、加速度信号のサンプリング時間長を睡眠状態サンプリング時間長として設定し、記憶手段７００は、睡眠状態総時間長、睡眠状態総エネルギー、睡眠移動総時間長を記憶し、
人体運動状態判断手段４００は人体が軽微な運動状態にあると判定すると、加速度信号の時間長を軽微な運動状態総時間長に累積し、加速度信号のエネルギーを軽微な運動状態総エネルギーに累積し、サンプリング時間長設置手段６００は、加速度信号のサンプリング時間長を軽微な運動状態サンプリング時間長として設定し、記憶手段７００は、軽微な運動状態総時間長、軽微な運動状態総エネルギーを記憶する。
人体運動状態判断手段４００は、人体が激しい運動状態にあると判定すると、準周期性判断手段８００は、更に、加速度信号が準周期性を有するか否かを判断し、加速度信号が準周期性を有しないと判定する場合、人体運動状態判断手段４００は、人体が不規則な激しい運動状態にあると判定し、準周期性判断手段８００は加速度信号が準周期性を有すると判定する場合、人体運動状態判断手段４００は、人体が規則的な激しい運動状態にあると判定する。
人体運動状態判断手段４００は、人体が不規則な激しい運動状態にあると判定すると、加速度信号の時間長を不規則な激しい運動状態総時間長に累積し、加速度信号のエネルギーを不規則な激しい運動状態総エネルギーに累積し、サンプリング時間長設置手段６００は、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、記憶手段７００は、不規則な激しい運動状態総時間長、不規則な激しい運動状態総エネルギーを記憶する。
人体運動状態判断手段４００は、人体が規則的な激しい運動状態にあると判定すると、加速度信号の時間長を規則的な激しい運動状態総時間長に累積し、加速度信号のエネルギーを規則的な激しい運動状態総エネルギーに累積し、歩数カウント手段９００は、加速度信号によって運動歩数を算出してから該運動歩数を運動総歩数に累積し、サンプリング時間長設置手段６００は、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、記憶手段７００は、規則的な激しい運動状態総時間長、規則的な激しい運動状態総エネルギー、運動歩数を記憶する。
好ましくは、人体運動状態監視装置１０００は、更に、睡眠状態総時間長、睡眠状態総エネルギー、睡眠移動総時間長、軽微な運動状態総時間長、軽微な運動状態総エネルギー、不規則な激しい運動状態総時間長、不規則な激しい運動状態総エネルギー、規則的な激しい運動状態総時間長、規則的な激しい運動状態総エネルギー、運動総歩数を選択可能に表示するための表示手段９５０を含んでもよい。
上記のように、図面を参照しながら、例示の形で本発明による人体運動状態監視方法及び装置を説明した。しかし、当業者は、上記の本発明により提出された人体運動状態監視方法及び装置について、本発明の内容から逸脱しない範囲で様々な改善が可能であることを理解すべきである。したがって、本発明の保護範囲は、添付した請求の範囲の内容によって定まるものとされる。
説明すべきことは、本発明の各部材実施例は、ハードウェアによって実現してもよく、或いは、一つ又は複数のプロセッサで実行されるソフトウェアモジュールによって実現してもよく、或いは、それらの組み合わせによって実現してもよい。当業者は、実務において、マイクロプロセッサ又はデジタル信号プロセッサ（DSP）によって、本発明の実施例による一部又は全ての構成要素、又は全ての機能を実現可能であることを理解すべきである。
本発明は、更に、ここで説明した方法の一部又は全てを実行するための設備又は装置プログラム（例えば、コンピュータプログラム及びコンピュータプログラム製品）として実現されてもよい。このような、本発明を実現するプログラムは、コンピュータ読み取り可能な媒体に記憶してもよく、或いは、一つ又は複数の信号の形式を有してもよい。このような信号は、インターネットサイトからダウンロードして取得してもよく、或いは、キャリア信号によって提供してもよく、或いは、その他の任意の形で提供してもよい。
例えば、図１０は、本発明による人体運動状態監視方法を実現可能なサーバー、例えばアプリケーション・サーバーを示している。該サーバーは、伝統的に、プロセッサ１１０と、メモリ１２０の形でのコンピュータプログラム製品又はコンピュータ読み取り可能な媒体とを含む。メモリ１２０は、例えばフラッシュメモリ、ＥＥＰＲＯＭ（電気的消去可能なプログラマブル読み取り専用メモリ）、ＥＰＲＯＭ、ハードディスク又はＲＯＭといった電子メモリであってもよい。
メモリ１２０は、上記方法のうちの任意の方法ステップを実行するプログラムコード１３１のための記憶空間１３０を備える。例えば、プログラムコードのための記憶空間１３０には、上記方法のうちの各ステップをそれぞれ実現するための各プログラムコード１３１を含んでもよい。これらのプログラムコードは、一つ又は複数のコンピュータプログラム製品から読み出し可能であり、或いは、一つ又は複数のコンピュータプログラム製品に書き込み可能である。これらのコンピュータプログラム製品は、ハードディスク、コンパクトディスク（CD）、メモリカード又はフロッピー（登録商標）ディスクといったプログラムコードキャリアを含む。
このようなコンピュータプログラム製品は、通常、図１１に示すような携帯型又は固定記憶手段である。該記憶手段は、図１０のサーバーにおけるメモリ１２０に類似するように配置された記憶領域、記憶空間等を有してもよい。プログラムコードは、例えば適切な形で圧縮されてもよい。通常、記憶手段は、本発明による方法ステップを実行するためのコンピュータ読み取り可能なコード１３１’を含み、即ち、例えば１１０といったプロセッサによって読み取り可能なコードを含み、これらのコードがサーバーによって実行されると、該サーバーは、上記に説明した方法の各ステップを実行する。
注意すべきことは、上記実施例は、本発明に対する説明であり、本発明を限定するものではなく、そして、当業者は、添付した請求の範囲から逸脱せずに、代替実施例を設計することが可能である。請求の範囲において、括弧内に位置する任意の参照符号は、請求の範囲を限定するものとして解釈されるべきではない。「含む」という言葉は、請求の範囲に記載されていない素子又はステップの存在を除外しない。本発明は、幾つかの異なる素子を含むハードウェアによって、及び、適切にプログラムされたコンピュータによって実現することが可能である。幾つかの装置が列挙された手段請求項において、これらの装置のうちの幾つかは、同一のハードウェアアイテムによって具現化されてもよい。
ここで提供された明細書において、多めになる具体的な細部を説明してきたが、ご理解できるように、本発明の実施例は、これらの具体的な細部なしに実行可能である。本明細書に対する曖昧な理解を避けるために、一部の実例においては、公知の方法、構造及び技術が詳しく提示されていない。本明細書における言葉遣いは、主に可読性及び教示の目的のために選択されたものであり、本発明の主題を解釈又は限定するために選択されたものではない。

Claims (13)

  1. 人体運動状態監視方法であって、
    人体に装着された３軸加速度センサの出力から、設定されたサンプリング時間長を含む加速度信号を取得すると共に、該加速度信号のエネルギー及び平均パワーを算出するステップ（ａ）と、
    前記加速度信号の平均パワーによって人体運動状態を判断し、前記加速度信号の平均パワーが所定の激しい運動閾値より大きい場合、人体が激しい運動状態にあると判定し、前記加速度信号の平均パワーが所定の睡眠閾値より小さい場合、人体が睡眠状態にあると判定し、前記加速度信号の平均パワーが前記激しい運動閾値より小さくて前記睡眠閾値より大きい場合、人体が軽微な運動状態にあると判定するステップ（ｂ）と、
    人体が睡眠状態にあると、前記加速度信号の時間長を睡眠状態総時間長に累積し、前記加速度信号のエネルギーを睡眠状態総エネルギーに累積し、前記加速度信号の強度が所定の強度閾値より大きい時間長を集計して、該時間長を睡眠移動総時間長に累積すると共に、加速度信号のサンプリング時間長を睡眠状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻るステップ（ｃ１）と、
    人体が軽微な運動状態にあると、前記加速度信号の時間長を軽微な運動状態総時間長に累積し、前記加速度信号のエネルギーを軽微な運動状態総エネルギーに累積すると共に、加速度信号のサンプリング時間長を軽微な運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻るステップ（ｃ２）と、
    人体が激しい運動状態にあると、更に、前記加速度信号が準周期性を有するか否かを判断し、前記加速度信号が準周期性を有しない場合、人体が不規則な激しい運動状態にあると判定し、前記加速度信号が準周期性を有する場合、人体が規則的な激しい運動状態にあると判定するステップ（ｃ３）と、
    人体が不規則な激しい運動状態にあると、前記加速度信号の時間長を不規則な激しい運動状態総時間長に累積し、前記加速度信号のエネルギーを不規則な激しい運動状態総エネルギーに累積すると共に、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻るステップ（ｄ１）と、
    人体が規則的な激しい運動状態にあると、前記加速度信号の時間長を規則的な激しい運動状態総時間長に累積し、前記加速度信号のエネルギーを規則的な激しい運動状態総エネルギーに累積し、前記加速度信号によって運動歩数を算出してから該運動歩数を運動総歩数に累積すると共に、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、そして、ステップ（ａ）に戻るステップ（ｄ２）と、を繰り返して実行することを含む
    ことを特徴とする人体運動状態監視方法。
  2. 前記加速度信号の平均パワーＰは、下式によって算出し、
    そのうち、αiが加速度信号の第ｉ個の値であり、Ｎが加速度信号の長さであり、且つ、１≦ｉ≦Ｎ、α0が加速度信号の平均値であり、
    である
    請求項１に記載の人体運動状態監視方法。
  3. 前記加速度信号の準周期性の判断ステップは、
    前記加速度信号に対してハイパスフィルタリングを行うことと、
    ハイパスフィルタリングされた加速度信号に対して基本周波数検出を行うことと、
    基本周波数検出によって獲得された基本周波数を遮断周波数としてローパス又はバンドパスフィルタを設置すると共に、該ローパス又はバンドパスフィルタによって、対応するハイパスフィルタリング後の加速度信号に対してローパス又はバンドパスフィルタリングを行うことと、
    ローパス又はバンドパスフィルタリングされた加速度信号から加速度信号極値点を獲得すると共に加速度信号極値点における干渉極値点を除去することで、ローパス又はバンドパスフィルタリングされた加速度信号における有効極値点を獲得することと、
    隣接する有効極値点の間の時間間隔を算出して時間間隔系列を獲得すると共に、該時間間隔系列において隣接する時間間隔の間の差分を算出し、時間間隔差分系列を獲得し、もし該時間間隔差分系列において連続所定数の時間間隔の差分が何れも所定の周期閾値より小さいと、前記加速度信号が準周期性を有すると判定し、そうでない場合、前記加速度信号が準周期性を有しないと判定することと、を含む
    請求項１に記載の人体運動状態監視方法。
  4. 前記加速度信号によって運動歩数を算出するステップは、
    ローパス又はバンドパスフィルタリングされた準周期性を有する加速度信号における有効極値点をカウントすることを含み、該有効極値点の数が即ち今回のカウント過程で獲得される運動歩数である
    請求項３に記載の人体運動状態監視方法。
  5. 前記加速度信号を時間で２重積分することで変位信号を求めることを更に含む
    請求項４に記載の人体運動状態監視方法。
  6. ハイパスフィルタリングされた加速度信号に対して基本周波数検出を行うことは、
    信号エネルギーの減衰が低周波から高周波へだんだん増えていくフィルタによって、該信号に対して減衰処理を行うことと、
    下式によって、減衰処理された信号の自己相関関数ρ(τ)を求め、
    そのうち、α(ｎ)が減衰処理された信号の第ｎ個の値であり、Ｎが該信号の長さであり、且つ、１≦ｎ≦Ｎ、τが遅延時間であり、ρ(τ)が該信号の正規化自己相関函数であることと、ρ(τ)の最大値に対応するτの値を求め、該τ値の逆数が即ち該信号の基本周波数であることとを含む
    請求項３に記載の人体運動状態監視方法。
  7. 前記加速度信号極値点における干渉極値点を除去するのは、時間間隔によって加速度信号極値点における干渉極値点をフィルタアウトすること、又は、時間間隔及び振幅値によって加速度信号極値点における干渉極値点をフィルタアウトすることを含む
    請求項３に記載の人体運動状態監視方法。
  8. 前記干渉極値点は、その前の加速度信号極値点との時間間隔が所定の閾値より小さい加速度信号極値点を含むか、又は、前記干渉極値点は、時間間隔が連続的に所定の閾値より小さい各グループの加速度信号極値点のうち振幅値が最大でない加速度信号極値点を含む
    請求項７に記載の人体運動状態監視方法。
  9. 前記睡眠状態総時間長、前記睡眠状態総エネルギー、前記睡眠移動総時間長、前記軽微な運動状態総時間長、前記軽微な運動状態総エネルギー、前記不規則な激しい運動状態総時間長、前記不規則な激しい運動状態総エネルギー、前記規則的な激しい運動状態総時間長、前記規則的な激しい運動状態総エネルギー、前記運動総歩数を選択可能に表示することを更に含む
    請求項１に記載の人体運動状態監視方法。
  10. 人体運動状態監視装置であって、３軸加速度センサ（１００）、加速度信号取得手段（２００）、算出手段（３００）、人体運動状態判断手段（４００）、睡眠移動統計手段（５００）、サンプリング時間長設置手段（６００）、記憶手段（７００）、準周期性判断手段（８００）、歩数カウント手段（９００）を含み、
    前記加速度信号取得手段（２００）は、人体に装着された３軸加速度センサ（１００）の出力から、設定されたサンプリング時間長を含む加速度信号を取得し、前記算出手段（３００）は、該加速度信号のエネルギー及び平均パワーを算出し、
    前記人体運動状態判断手段（４００）は、前記加速度信号の平均パワーによって人体運動状態を判断し、前記加速度信号の平均パワーが所定の激しい運動閾値より大きい場合、人体が激しい運動状態にあると判定し、前記加速度信号の平均パワーが所定の睡眠閾値より小さい場合、人体が睡眠状態にあると判定し、前記加速度信号の平均パワーが前記激しい運動閾値より小さくて前記睡眠閾値より大きい場合、人体が軽微な運動状態にあると判定し、
    前記人体運動状態判断手段（４００）は人体が睡眠状態にあると判定すると、前記加速度信号の時間長を睡眠状態総時間長に累積し、前記加速度信号のエネルギーを睡眠状態総エネルギーに累積し、睡眠移動統計手段（５００）は、前記加速度信号の強度が所定の強度閾値より大きい時間長を集計して、該時間長を睡眠移動総時間長に累積し、前記サンプリング時間長設置手段（６００）は、加速度信号のサンプリング時間長を睡眠状態サンプリング時間長として設定し、前記記憶手段（７００）は、睡眠状態総時間長、睡眠状態総エネルギー、睡眠移動総時間長を記憶し、
    前記人体運動状態判断手段（４００）は人体が軽微な運動状態にあると判定すると、前記加速度信号の時間長を軽微な運動状態総時間長に累積し、前記加速度信号のエネルギーを軽微な運動状態総エネルギーに累積し、前記サンプリング時間長設置手段（６００）は、加速度信号のサンプリング時間長を軽微な運動状態サンプリング時間長として設定し、前記記憶手段（７００）は、軽微な運動状態総時間長、軽微な運動状態総エネルギーを記憶し、
    前記人体運動状態判断手段（４００）は人体が激しい運動状態にあると判定すると、準周期性判断手段（８００）は、前記加速度信号が準周期性を有するか否かを判断し、前記加速度信号が準周期性を有しないと判定する場合、前記人体運動状態判断手段（４００）は、人体が不規則な激しい運動状態にあると判定し、準周期性判断手段（８００）は前記加速度信号が準周期性を有すると判定する場合、前記人体運動状態判断手段（４００）は、人体が規則的な激しい運動状態にあると判定し、
    人体運動状態判断手段（４００）は人体が不規則な激しい運動状態にあると判定すると、前記加速度信号の時間長を不規則な激しい運動状態総時間長に累積し、前記加速度信号のエネルギーを不規則な激しい運動状態総エネルギーに累積し、前記サンプリング時間長設置手段（６００）は、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、前記記憶手段（７００）は、不規則な激しい運動状態総時間長、不規則な激しい運動状態総エネルギーを記憶し、
    人体運動状態判断手段（４００）は人体が規則的な激しい運動状態にあると判定すると、前記加速度信号の時間長を規則的な激しい運動状態総時間長に累積し、前記加速度信号のエネルギーを規則的な激しい運動状態総エネルギーに累積し、歩数カウント手段（９００）は、前記加速度信号によって運動歩数を算出してから該運動歩数を運動総歩数に累積し、前記サンプリング時間長設置手段（６００）は、加速度信号のサンプリング時間長を激しい運動状態サンプリング時間長として設定し、記憶手段（７００）は、規則的な激しい運動状態総時間長、規則的な激しい運動状態総エネルギー、運動歩数を記憶する
    ことを特徴とする人体運動状態監視装置。
  11. 前記睡眠状態総時間長、前記睡眠状態総エネルギー、前記睡眠移動総時間長、前記軽微な運動状態総時間長、前記軽微な運動状態総エネルギー、前記不規則な激しい運動状態総時間長、前記不規則な激しい運動状態総エネルギー、前記規則的な激しい運動状態総時間長、前記規則的な激しい運動状態総エネルギー、前記運動総歩数を選択可能に表示するための表示手段（９５０）を更に含む
    請求項１０に記載の人体運動状態監視装置。
  12. コンピュータ読み取り可能なコードを含むコンピュータプログラムであって、前記コンピュータ読み取り可能なコードがサーバーで実行されると、前記サーバーが請求項１〜９の何れか１項に記載の人体運動状態監視方法を実行するコンピュータプログラム。
  13. 請求項１２に記載のコンピュータプログラムを記憶するコンピュータ読み取り可能な媒体。
JP2015563051A 2013-12-31 2014-12-25 人体運動状態監視方法及び装置 Active JP5952511B1 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201310754081.X 2013-12-31
CN201310754081.XA CN103767710B (zh) 2013-12-31 2013-12-31 人体运动状态监视方法和装置
PCT/CN2014/001178 WO2015100706A1 (zh) 2013-12-31 2014-12-25 人体运动状态监视方法和装置

Publications (2)

Publication Number Publication Date
JP5952511B1 true JP5952511B1 (ja) 2016-07-13
JP2016525895A JP2016525895A (ja) 2016-09-01

Family

ID=50560797

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015563051A Active JP5952511B1 (ja) 2013-12-31 2014-12-25 人体運動状態監視方法及び装置

Country Status (7)

Country Link
US (1) US20160000359A1 (ja)
EP (1) EP2962637B1 (ja)
JP (1) JP5952511B1 (ja)
KR (1) KR101616681B1 (ja)
CN (1) CN103767710B (ja)
DK (1) DK2962637T3 (ja)
WO (1) WO2015100706A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113009463A (zh) * 2021-01-29 2021-06-22 杭州涂鸦信息技术有限公司 一种人体检测方法及装置

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10716073B2 (en) 2013-06-07 2020-07-14 Apple Inc. Determination of device placement using pose angle
CN103767710B (zh) * 2013-12-31 2015-12-30 歌尔声学股份有限公司 人体运动状态监视方法和装置
EP2950596B1 (en) * 2014-05-30 2019-06-26 Apple Inc. Method and system for determining whether device is on user's body
CN104077893A (zh) * 2014-06-24 2014-10-01 北京丰拓生物技术有限公司 智能项链
TWI489087B (zh) * 2014-07-03 2015-06-21 Globalsat Worldcom Corp The step - by - step detection method of electronic device
GB2533430A (en) * 2014-12-19 2016-06-22 Mclaren Applied Tech Ltd Biomechanical analysis
CN113951818A (zh) * 2014-12-30 2022-01-21 日东电工株式会社 用于睡眠监测的设备和方法
CN104586402B (zh) * 2015-01-22 2017-01-04 清华大学深圳研究生院 一种人体活动的特征提取方法
CN105096493B (zh) * 2015-07-31 2018-07-17 徐承柬 一种校园安防***
CN105212941B (zh) * 2015-08-25 2017-12-29 武汉理工大学 一种人体活动状态识别方法及***
US20180353107A1 (en) * 2015-12-03 2018-12-13 Huawei Technologies Co., Ltd. Biological Signal Collection Method, Apparatus, And System And Electronic Device
CN105559751B (zh) * 2015-12-14 2018-06-12 安徽华米信息科技有限公司 监测微活动状态的方法、装置及可穿戴设备
CN105496416B (zh) * 2015-12-28 2019-04-30 歌尔股份有限公司 一种人体运动状态的识别方法和装置
CN105852826B (zh) * 2016-03-22 2018-10-09 北京奇虎科技有限公司 终端和终端确定生理信息的方法
CN106419884B (zh) * 2016-09-22 2019-07-02 惠州市德赛工业研究院有限公司 一种基于小波分析的心率计算方法与***
CN106333691A (zh) * 2016-10-27 2017-01-18 深圳市万机创意电子科技有限公司 判断人体睡眠状态、静止状态和运动状态的方法及装置
KR20180047654A (ko) 2016-11-01 2018-05-10 삼성전자주식회사 사용자 활동 인식 방법 및 이를 구현한 전자 장치
CN106562771B (zh) * 2016-11-21 2019-06-18 华南理工大学 一种面向嵌入式平台的宠物睡眠识别方法
CN106510721B (zh) * 2016-12-12 2019-07-09 施则威 行走平衡评价方法及装置、行走平衡监测方法及***
KR102025902B1 (ko) * 2017-04-27 2019-09-27 (주)씨어스테크놀로지 가속도 센서를 이용하여 신체 활동 레벨을 판단하는 장치 및 방법
US20190053754A1 (en) 2017-08-18 2019-02-21 Fitbit, Inc. Automated detection of breathing disturbances
CN107704510A (zh) * 2017-08-31 2018-02-16 江西博瑞彤芸科技有限公司 信息处理方法
CN108937860B (zh) * 2018-06-06 2021-02-02 歌尔科技有限公司 一种运动状态监测方法、***及设备和存储介质
US11226408B2 (en) 2018-07-03 2022-01-18 Panasonic Intellectual Property Management Co., Ltd. Sensor, estimating device, estimating method, and recording medium
CN109528180B (zh) * 2018-11-16 2021-12-03 歌尔科技有限公司 一种提醒方法、***、智能可穿戴设备及可读存储介质
CN109558841B (zh) * 2018-11-30 2023-06-02 歌尔科技有限公司 一种运动状态的识别方法、装置及终端
CN111131950B (zh) * 2019-12-26 2021-06-29 广东思派康电子科技有限公司 三轴加速度感应器控制麦克风开关的方法、电子设备、计算机可读存储介质
CN113520306B (zh) * 2020-04-17 2024-03-22 青岛海尔空调器有限总公司 一种人体睡眠状态的监测方法和智能家居装置
CN113679340B (zh) * 2020-05-19 2024-01-19 瑞昱半导体股份有限公司 睡眠监测装置及方法
CN111887830B (zh) * 2020-09-10 2023-03-10 贵州省人民医院 睡眠监测方法、装置、设备及可读存储介质
CN114732383A (zh) * 2022-06-13 2022-07-12 深圳市华屹医疗科技有限公司 体征指标监测方法、装置、设备、存储介质和程序产品
CN117194927B (zh) * 2023-11-02 2024-03-22 深圳市微克科技股份有限公司 基于三轴加速度传感器的室内跳绳计数方法、***及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006175206A (ja) * 2004-11-29 2006-07-06 National Institute Of Advanced Industrial & Technology 身体状態検出装置、その検出方法及び検出プログラム
JP2006288970A (ja) * 2005-04-14 2006-10-26 Matsushita Electric Works Ltd 活動量計
JP2006334087A (ja) * 2005-06-01 2006-12-14 Medical Electronic Science Inst Co Ltd 睡眠状態判定システム及び睡眠状態判定方法
WO2010032579A1 (ja) * 2008-09-19 2010-03-25 株式会社日立製作所 行動履歴の生成方法及び行動履歴の生成システム
US20130173174A1 (en) * 2011-12-30 2013-07-04 Amit S. Baxi Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities
JP2014233585A (ja) * 2013-06-05 2014-12-15 日本電信電話株式会社 体温測定装置、方法及びプログラム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0700661B1 (en) * 1994-09-07 2004-12-01 Omron Healthcare Co., Ltd. Exercise amount measuring device capable of displaying the amount of exercise to be performed further
JP4813058B2 (ja) * 2002-10-09 2011-11-09 ボディーメディア インコーポレイテッド 人間の生理学的及びコンテキスト情報を検知、受信、導出及び表示する装置
US20050107723A1 (en) * 2003-02-15 2005-05-19 Wehman Thomas C. Methods and apparatus for determining work performed by an individual from measured physiological parameters
US7395292B2 (en) * 2003-10-08 2008-07-01 Johnson Mark W Method for displaying spectral trends in complex signals
KR20060008835A (ko) * 2004-07-24 2006-01-27 삼성전자주식회사 가속도 센서를 이용한 운동량 측정장치 및 방법
KR100786703B1 (ko) * 2004-07-24 2007-12-21 삼성전자주식회사 가속도 센서를 이용한 운동량 측정장치 및 방법
US7827000B2 (en) * 2006-03-03 2010-11-02 Garmin Switzerland Gmbh Method and apparatus for estimating a motion parameter
JP4904861B2 (ja) * 2006-03-14 2012-03-28 ソニー株式会社 体動検出装置、体動検出方法および体動検出プログラム
JP2009225971A (ja) 2008-03-21 2009-10-08 Toshiba Corp 睡眠状態計測装置及び方法
JP4739440B2 (ja) * 2009-04-02 2011-08-03 株式会社タニタ 体動検出装置及び体動検出方法
US20130030711A1 (en) * 2011-07-29 2013-01-31 Nokia Corporation Method and apparatus for providing adaptive filtering of sensors and sensor data
CN103767710B (zh) * 2013-12-31 2015-12-30 歌尔声学股份有限公司 人体运动状态监视方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006175206A (ja) * 2004-11-29 2006-07-06 National Institute Of Advanced Industrial & Technology 身体状態検出装置、その検出方法及び検出プログラム
JP2006288970A (ja) * 2005-04-14 2006-10-26 Matsushita Electric Works Ltd 活動量計
JP2006334087A (ja) * 2005-06-01 2006-12-14 Medical Electronic Science Inst Co Ltd 睡眠状態判定システム及び睡眠状態判定方法
WO2010032579A1 (ja) * 2008-09-19 2010-03-25 株式会社日立製作所 行動履歴の生成方法及び行動履歴の生成システム
US20130173174A1 (en) * 2011-12-30 2013-07-04 Amit S. Baxi Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities
JP2014233585A (ja) * 2013-06-05 2014-12-15 日本電信電話株式会社 体温測定装置、方法及びプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113009463A (zh) * 2021-01-29 2021-06-22 杭州涂鸦信息技术有限公司 一种人体检测方法及装置
CN113009463B (zh) * 2021-01-29 2023-04-18 杭州涂鸦信息技术有限公司 一种人体检测方法及装置

Also Published As

Publication number Publication date
EP2962637A1 (en) 2016-01-06
EP2962637B1 (en) 2020-11-04
KR101616681B1 (ko) 2016-04-28
US20160000359A1 (en) 2016-01-07
WO2015100706A1 (zh) 2015-07-09
CN103767710B (zh) 2015-12-30
JP2016525895A (ja) 2016-09-01
KR20150132595A (ko) 2015-11-25
EP2962637A4 (en) 2016-04-27
DK2962637T3 (da) 2020-12-07
CN103767710A (zh) 2014-05-07

Similar Documents

Publication Publication Date Title
JP5952511B1 (ja) 人体運動状態監視方法及び装置
JP6069590B2 (ja) 歩数カウント方法及び装置
US10856777B2 (en) Method and device for identifying human movement state
JP6403696B2 (ja) 身体的活動のモニタリングデバイス及びその方法
US10900991B2 (en) Calculating pace and energy expenditure from athletic movement attributes
JP6564328B2 (ja) 身体活動監視デバイスを用いたゲームプレーの拡張
CN104990562A (zh) 基于自相关运算的计步方法
CN108289636A (zh) 用于确定对象的呼吸速率的方法和装置
US20200178849A1 (en) Method and system for heterogeneous event detection
KR101125672B1 (ko) 운동패턴 분석방법 및 이를 이용한 운동량 산출장치
JP2014212915A (ja) 行動判別装置、および行動判別方法
Depari et al. Lightweight machine learning-based approach for supervision of fitness workout
JP5488135B2 (ja) 生体情報処理装置
US20150032033A1 (en) Apparatus and method for identifying movement in a patient
JPWO2012036135A1 (ja) 情報処理方法、情報処理装置、出力装置、情報処理システム、情報処理用プログラムおよび同プログラムを記録したコンピュータ読み取り可能な記録媒体
Zhang et al. How to record the amount of exercise automatically? A general real-time recognition and counting approach for repetitive activities
JP2011212383A (ja) 生体情報処理装置
KR102380481B1 (ko) 가속도 센서에 기반한 고양이의 동작 분석 방법
JP2022518713A (ja) 呼吸警報を発生させるための装置及びシステム
Chinrungrueng et al. My Act: an automatic daily caloric estimation based on physical activity data using smartphones
Tiitto Wavelets and Maximum Strength Technology Algorithm

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20151125

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20151125

TRDD Decision of grant or rejection written
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20160531

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20160607

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160609

R150 Certificate of patent or registration of utility model

Ref document number: 5952511

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250