JP6478275B2 - 動作を判別するための装置、およびコンピュータを当該装置として機能させるためのプログラム - Google Patents

Description

本開示は、動作を判別する技術に関し、特に、人の動作の種類を判別する技術に関する。

従来、加速度センサや角速度センサなどの、使用者の動きを表わすデータを出力するセンサを用いて物体の移動速度や移動角度が検出する装置が実用化されてきた。また、近年では、特開２０１２−１４５４５７号公報（特許文献１）、特開２０１３−１６０６７１号公報（特許文献２）、および、特開２０１４−１６７４６０号公報（特許文献３）において、加速度センサを含むセンサの検出結果を用いて、歩行者等の移動体の進行方向を検出する装置が提案されている。

特開２０１２−１４５４５７号公報 特開２０１３−１６０６７１号公報 特開２０１４−１６７４６０号公報

センサの検出結果から得られる情報の種類が増えれば、このようなセンサを利用する装置を用いたシステムは、より多くのサービスを提供できる。したがって、人の動作の種類を判別する技術が必要とされている。

本開示は、かかる実情に鑑み考え出されたものであり、そのある局面における目的は、人の動作を判別するための装置を提供することである。他の局面における目的は、人の動作を判別するための装置としてコンピュータを機能させるためのプログラムを提供することである。

本開示のある局面に従うと、動作を判別するための装置が提供される。装置は、３次元の軸方向の各々の動きのそれぞれを表わす少なくとも１つのデータから導出される１つ以上の特徴量に基づいて、２以上の種類の動作のそれぞれを２以上の領域の中のいずれかに関連付ける情報を記憶するための記憶手段と、装置の使用者の３次元の軸方向の各々の動きを表わす少なくとも１つのデータを検出するための検出手段と、検出手段によって検出された動きを表わすデータに基づいて、１つ以上の特徴量を算出するための算出手段と、２以上の領域から、算出手段によって算出された特徴量を含む領域を特定するための特定手段とを備える。特定手段は、特定された領域が対応する動作の種類を、使用者が実行した動作の種類として出力する。

好ましくは、算出手段は、検出手段によって検出された動きを表わすデータに基づいて、２つ以上の特徴量を算出する。特定手段は、算出手段によって算出された２つ以上の特徴量の組合せを含む領域を、２以上の領域から特定する。

好ましくは、検出手段は、加速度センサまたは角速度センサの少なくとも一方を含む。
好ましくは、２以上の領域のそれぞれは、サンプルが各領域に対応する動作を実行したときに取得されたデータを用いて定義され、サンプルによる動作から取得された２以上のデータの正規分布の確率密度が一定である線または面または空間を定義する図形によって表される。算出された特徴量が、２以上の領域の中の複数の領域に含まれる場合には、特定手段は、複数の領域のうち、当該算出された特徴量から最も近い位置に中心を持つ図形に対応する領域を、算出された特徴量が含まれる領域であると決定する。

本開示の他の局面に従うと、コンピュータの使用者の動作を判別するためのコンピュータ読取可能なプログラムが提供される。プログラムは、コンピュータに、２以上の種類の動作のそれぞれを２以上の領域のいずれかに関連付ける情報にアクセスするステップを実行させる。情報は、３次元の軸方向の各々の動きのそれぞれを表わす少なくとも１つのデータから導出される１つ以上の特徴量に基づいて、動作を２以上の領域のいずれかに関連付ける。プログラムは、コンピュータに、使用者の３次元の軸方向の各々の動きを表わす少なくとも１つのデータを検出するステップと、検出されたデータに基づいて、１つ以上の特徴量を算出するステップと、２以上の領域から、算出された特徴量を含む領域を特定するステップと、特定された領域が対応する動作の種類を、使用者が実行した動作の種類として出力するステップとを実行させる。

本開示によれば、人の動作を判別することができる。

動作判別システムの全体的な構成の一例を示す図である。 動作の種類の特定に利用される２以上の領域を模式的に示す図である。 動作の種類の判別の具体例を説明するための図である。 センサケースの外観を示す図である。 センサケースの外観を示す図である。 センサケースの外観を示す図である。 センサケースの外観を示す図である。 検出装置のハードウェア構成を示す図である。 スマートフォンのハードウェア構成を示す図である。 検出装置の機能ブロックの一例を示す図である。 サンプルデータ記憶部に格納されている情報の構成を模式的に示す図である。 被験者が、動作「歩行」を実行したときの、加速度センサの検出結果の一例を示す図である。 被験者が、動作「ジョギング」を実行したときの、加速度センサの検出結果の一例を示す図である。 被験者が、動作「ジャンプ」を実行したときの、加速度センサの検出結果の一例を示す図である。 被験者が、動作「走行」を実行したときの、加速度センサの検出結果の一例を示す図である。 組合せ記憶部に格納されている情報の構成を模式的に示す図である。 信頼区間記憶部に格納されている情報の構成を模式的に示す図である。 組合せ（１）の、Ｍ種類の動作のそれぞれの領域の一例を示す図である。 組合せ（２）の、Ｍ種類の動作のそれぞれの領域の一例を示す図である。 動作特定用情報記憶部に格納される情報の一例を模式的に示す図である。 検出装置において実行される処理のフローチャートである。 ２以上の特徴量の組合せが２以上の領域のそれぞれに含まれるか否かの判断の他の態様に利用される数式を示す図である。 共分散行列（Ｃｏｖ_{（ｎ，ｎ）}）の一例を示す図である。 使用者の動作の種類に関する統計値の表示画面の一例を示す図である。 検出装置の使用者によって実行された動作の種類を特定する処理の一例のフローチャートである。 検出装置の使用者への装着方法に関する変形例を説明するための図である。 ウィンドウを構成する複数のフレームの一部の入れ替えを説明するための図である。

以下、図面を参照しつつ、本開示の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

［第１の実施の形態］
１．発明の概要
図１は、本開示の動作を判別するための装置を含む動作判別システムの全体的な構成の一例を示す図である。図１に示されるように、動作判別システムにおいて、使用者Ｐは、センサケース２００に収納された検出装置１００を装着している。検出装置１００は、動作を判別するための装置の一実施の形態である。センサケース２００は、使用者Ｐが履いている靴５００に取り付けられている。検出装置１００は、たとえば、３軸方向のそれぞれについての動きを表わすデータを検出するセンサ（後述する、図８等の加速度センサ１２０）を含む。

検出装置１００は、特徴量に基づいて予め定められた２以上の領域を特定する情報を格納している。２以上の領域のそれぞれは、２種類以上の動作（たとえば、「歩行」「ジョギング」「ジャンプ」「走行」）のいずれかを特定する。本明細書では、動作の特定に用いられる「領域」を、当該動作についての「信頼区間（confidence region）」とも言う。

また、検出装置１００は、上記のセンサが出力するデータを用いて、予め定められた２以上の特徴量を算出する。検出装置１００は、上記２種類以上の動作のそれぞれに対応する領域のうち、算出された２以上の特徴量の組合せを含む領域を特定する。そして、検出装置１００は、特定された領域が対応する動作の種類を、使用者Ｐが実行した動作の種類として出力する。

検出装置１００は、ネットワーク６００を介して、スマートフォン９００と通信可能である。スマートフォン９００は、検出装置１００から出力された動作の種類および当該種類に関する統計値を出力する（後述する、図２４の画面９９０）。なお、スマートフォン９００は、検出装置１００から出力された動作の種類および当該種類に関する統計値を出力する装置の一例である。当該装置は、パーソナルコンピュータ等のいかなる通信装置であってもよい。

図２は、上記した動作の種類を特定するために利用される２以上の領域を模式的に示す図である。図２には、互いに異なる２つの特徴量（特徴量Ｆ１および特徴量Ｆ２）を用いて作成されたグラフが示されている。図２のグラフでは、横軸が特徴量Ｆ１を表わし、縦軸が特徴量Ｆ２を表わす。

特徴量Ｆ１および特徴量Ｆ２の算出には、たとえば、図２において式（１）で示されたような、ＲＭＳ（二乗平均平方根：root mean square）が利用される。式（１）において、ｘ_ｉは、センサにおけるｘ軸方向の加速度の検出値である。ｙ_ｉは、センサにおけるｙ軸方向の加速度の検出値である。ｚ_ｉは、センサにおけるｚ軸方向の加速度の検出値である。ｘ軸、ｙ軸、およびｚ軸は、３次元において互いに直交する軸である。

センサは、一定時間（たとえば、１秒間）内に、ｘ軸、ｙ軸およびｚ軸のそれぞれについてＸ個の検出値を出力する。つまり、ｘ軸、ｙ軸およびｚ軸のそれぞれの３つの検出値のセットは、一定時間内にＸセット出力される。Ｘは整数である。Ｘの一例は、「１００」である。

特徴量Ｆ１の一例は、Ｘセットのそれぞれについて算出されたＲＭＳ_Ｎの平均値（ＭＥＡＮ（ＲＭＳ））である。特徴量Ｆ２の一例は、Ｘセットのそれぞれについて算出されたＲＭＳ_Ｎの標準偏差（ＳＴＤ（ＲＭＳ））である。

図２のグラフは、特徴量Ｆ１および特徴量Ｆ２によって特定される、４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵを示す。４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵのそれぞれの形状は、楕円である。なお、ユーザの動作を識別するために特定される領域の形状は、楕円に限定されない。また、当該領域は、特定の条件に基づいて決定される除外領域を含んでいてもよい。つまり、たとえば、当該領域の形状は、基本的に楕円であるが、当該楕円の中の一部の部分が特定の条件に基づいて当該領域から除外される場合もある。また、当該領域は、追加部分を含んでいてもよい。つまり、たとえば、当該領域の形状は、基本的に楕円であるが、当該楕円に特定の条件に基づく追加部分が追加されることによって当該領域が構成されてもよい。

領域ＲＷＡは、動作「歩行」に関連付けられている。領域ＲＪＯは、動作「ジョギング」に関連付けられている。領域ＲＪＵは、動作「ジャンプ」に関連付けられている。領域ＲＲＵは、動作「ランニング」に関連付けられている。

検出装置１００は、使用者Ｐに装着されているセンサの一定時間内の検出値を用いて上記特徴量Ｆ１および特徴量Ｆ２を算出し、図２に示された４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵから、算出された特徴量Ｆ１と特徴量Ｆ２の組合せによって生成されるプロットを含む領域を特定する。そして、検出装置１００は、上記プロットを含むと特定された領域に対応する動作を、プロットの生成に利用された検出値が対応する一定時間の使用者Ｐが実行した動作の種類として、出力する。

図３は、動作の種類の判別の具体例を説明するための図である。図３には、図２に示された４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵとともに、使用者Ｐに装着されているセンサの検出値から導出された３つのプロットｄｐ１，ｄｐ２，ｄｐ３が示されている。

プロットｄｐ１は、動作「歩行」に対応する領域ＲＷＡ内に位置している。このため、検出装置１００は、プロットｄｐ１に対応する判別結果として、動作「歩行」を出力する。換言すれば、プロットｄｐ１が期間Ａの検出値から生成された場合、検出装置１００は、当該期間Ａの動作が「歩行」であると判別される。

プロットｄｐ２は、２つの領域（領域ＲＷＡおよび領域ＲＪＵ）の中に位置している。プロットが２以上の領域内に位置する場合は、検出装置１００は、予め定められた基準に基づいて、当該２以上の領域のいずれか１つを選択し、選択された領域に対応する種類の動作を、使用者Ｐの動作の判別結果として出力する。当該基準は、たとえば、２以上の領域のそれぞれの中心とプロットとの距離である。つまり、２以上の領域のそれぞれの中心とプロットとの距離が算出される。そして、その距離が最も短い領域に対応する動作の種類が、判別結果として出力される。

図３に示された例において、領域ＲＪＵの中心は、点ＣＴＪＵで示されている。領域ＲＷＡの中心は、点ＣＴＷＡで示されている。プロットｄｐ２と点ＣＴＪＵとの距離は、プロットｄｐ２と点ＣＴＷＡとの距離よりも短い。これにより、検出装置１００は、プロットｄｐ２に対応する判別結果として、領域ＲＪＵに対応する動作「ジャンプ」を出力する。

プロットｄｐ３は、４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵのいずれにも含まれない。このような場合、検出装置１００は、プロットｄｐ３に対応する判別結果として、「判別不可」を出力する。なお、検出装置１００は、プロットがいずれの領域にも含まれない場合、他の判別結果（たとえば、「未判別」）を出力してもよい。

なお、４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵとして示されたような、それぞれの動作を特定する領域は、モニタとしてそれぞれの動作を実行している者に装着されているセンサの検出値を用いて設定される。たとえば、領域ＲＷＡは、歩くように指示されて歩いているモニタが装着しているセンサの検出値を用いて設定される。このような領域の生成については、後述する。

本明細書では、動作の種類の特定の対象となる者を「使用者」と呼ぶ。一方、図２の４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵとして示されたような「信頼区間」を生成するために動作を実行する者を「被験者」と呼ぶ。

２．センサケースおよび検出装置の外観
図４〜図７は、センサケース２００および検出装置１００の外観を説明するための図である。図４には、センサケース２００が靴５００のベルト５０１に取り付けられている状態が示されている。

図５には、検出装置１００がどのようにセンサケース２００に収納されるかが示されている。図６は、センサケース２００の側面図である。センサケース２００は、収納部２１０とカバー部２２０とを含む。検出装置１００は、矢印Ａに示されるように、収納部２１０の開口２１０Ａを介して、収納部２１０の内部に導入される。収納部２１０の一つの面には、接着部２１１が設けられている。カバー部２２０の一端は、収納部２１０に連結されている。カバー部２２０の他端には、接着部２２１が設けられている。接着部２１１，２２１は、たとえば、固定手段として一般的に採用されている、たとえば、粘着剤層、鍵ホック、ホックボタン、マジックテープ（登録商標）等の面ファスナー、または、マグネットによって実現される。

図７に示されるように、カバー部２２０が収納部２１０に巻きつけられることにより、接着部２１１と接着部２２１とが当接し、これにより、検出装置１００がセンサケース２００内に収納される。

なお、図７に示されたように検出装置１００がセンサケース２００内に収納されたとき、図６において隙間ＧＰ１として示されるように、収納部２１０とカバー部２２０との間に隙間が生じる。図４に示されるようにセンサケース２００が靴５００のベルト５０１に装着されるとき、収納部２１０とカバー部２２０との間に挟まれ、ベルト５０１は、図６において隙間ＧＰ１として示された部分に位置する。

３．検出装置のハードウェア構成
図８は、検出装置１００のハードウェア構成を示す図である。図８に示されるように、検出装置１００は、主たる構成要素として、ＣＰＵ（Central Processing Unit）１１０と、加速度センサ１２０と、メモリ１３０と、通信Ｉ／Ｆ１４０と、バッテリ１５０とを備える。ＣＰＵ１１０は、検出装置１００の動作を制御するための処理を実行する。

加速度センサ１２０は、３つの互いに異なる軸（たとえば、ｘ軸、ｙ軸、およびｚ軸）のそれぞれの方向の加速度を検出して、各加速度をＣＰＵ１１０へ出力する。検出装置１００は、装置の使用者の３次元の軸方向の各々の動きを表わす少なくとも１つのデータを検出するための検出手段の一例として、加速度センサ１２０を備える。なお、検出手段は、当該使用者の１次元または２次元の軸方向の動きを検出するものである場合もある。

メモリ１３０は、ＲＡＭ（Random Access Memory）またはＲＯＭ（Read-Only Memory）などの記憶装置によって実現される。メモリ１３０には、ＣＰＵ１１０が実行するプログラムおよび当該プログラムの実行において利用される各種のデータが格納される。

通信インターフェイス（Ｉ／Ｆ）１４０は、アンテナやコネクタによって実現される。通信Ｉ／Ｆ１４０は、スマートフォン９００（図１参照）を含む外部の機器との間で、データを送受信する。

バッテリ１５０は、検出装置１００の各要素に対して、当該各要素が動作するための電力を供給する。

４．スマートフォンのハードウェア構成
図９は、スマートフォン９００のハードウェア構成を示す図である。図９に示されるように、スマートフォン９００は、主たる構成要素として、ＣＰＵ９１０と、タッチパネル９２０と、メモリ９３０と、メモリインターフェイス９４０と、通信インターフェイス９５０とを含む。

タッチパネル９２０は、抵抗膜方式、表面弾性波方式、赤外線方式、電磁誘導方式、静電容量方式などのいずれのタイプであってもよい。タッチパネル９２０は、光センサ液晶を含んでもよい。タッチパネル９２０は、所定時間毎に外部の物体によるタッチパネル９２０へのタッチ操作を検知して、タッチ座標（タッチ位置）をＣＰＵ９１０に入力する。換言すれば、ＣＰＵ９１０は、タッチパネル９２０から順次タッチ座標を取得する。

メモリ９３０は、ＲＡＭまたはＲＯＭなどの記憶装置によって実現される。メモリ９３０は、ＣＰＵ９１０によって実行されるプログラム、および、当該プログラムの実行において利用されるデータが格納される。

メモリインターフェイス９４０は、外部の記憶媒体９４１からデータを読み出す。記憶媒体９４１は、スマートフォン９００に対して着脱可能である。ＣＰＵ９１０は、メモリインターフェイス９４０を介して外部の記憶媒体９４１に格納されているデータを読み出して、当該データをメモリ９３０に格納する。また、ＣＰＵ９１０は、メモリ９３０からデータを読み出し、当該データを、メモリインターフェイス９４０を介して記憶媒体９４１に格納する。ＣＰＵ９１０が実行するプログラムは、記憶媒体９４１に格納されていてもよい。また、ＣＰＵ９１０が実行するプログラムは、ネットワーク６００を介してダウンロードされて、メモリ９３０に格納されてもよい。

通信Ｉ／Ｆ９５０は、アンテナやコネクタによって実現される。通信Ｉ／Ｆ９５０は、有線通信あるいは無線通信によって他の装置との間で、データを送受信する。ＣＰＵ９１０は、通信Ｉ／Ｆ９５０を介して、他の装置からプログラムや画像データやテキストデータなどを受信し、また、他の装置に画像データやテキストデータを送信する。

ＣＰＵ９１０は、メモリ９３０あるいは記憶媒体９４１に記憶されているプログラムを実行することによって、スマートフォン９００の各部を制御する。

５．動作判別システムの機能ブロック
まず、図１０に示された検出装置１００の機能を説明する。図１０は、検出装置１００の機能ブロックの一例を示す図である。

検出装置１００において、ＣＰＵ１１０は、メモリ１３０に格納されたプログラムを実行することにより、サンプルデータ取得部１１１、信頼区間生成部１１２、評価部１１３、特徴量算出部１１４、および動作特定部１１５として機能する。メモリ１３０は、サンプルデータ記憶部１３１、組合せ記憶部１３２、信頼区間記憶部１３３、動作特定用情報記憶部１３４、およびプログラム記憶部１３５として機能する。プログラム記憶部１３５は、ＣＰＵ１１０によって実行されるプログラムを格納する。

サンプルデータ取得部１１１は、サンプルとして利用される被験者の加速度センサ１２０の検出結果を、被験者を特定する情報および当該被験者が実行した動作の種類に関連付けて、サンプルデータ記憶部１３１に格納する。図１１は、サンプルデータ記憶部１３１に格納されている情報の構成を模式的に示す図である。図１１に示されるように、サンプルデータ記憶部１３１には、Ｎ人分のＭ種類の動作のそれぞれのデータ、つまり、Ｎ×Ｍ個のデータ（データ（１，１）〜（Ｎ，Ｍ））が格納されている。ＮおよびＭのそれぞれは、予め定められた整数を表す。ＮおよびＭの値は、すべての動作の種類において同じでなくてもよい。データ（１，１）〜（Ｎ，Ｍ）のそれぞれは、一定時間分の加速度センサ１２０の検出結果である。また、データ（１，１）〜（Ｎ，Ｍ）のそれぞれは、３つの軸（ｘ軸、ｙ軸、およびｚ軸）のそれぞれの方向についての検出結果を含む。

図１２は、被験者が、動作「歩行」を実行したときの、１秒間の加速度センサ１２０の検出結果の一例を示す図である。図１３は、図１２と同じ被験者が、動作「ジョギング」を実行したときの、１秒間の加速度センサ１２０の検出結果の一例を示す図である。図１４は、図１２と同じ被験者が、動作「ジャンプ」を実行したときの、１秒間の加速度センサ１２０の検出結果の一例を示す図である。図１５は、図１２と同じ被験者が、動作「走行」を実行したときの、１秒間の加速度センサ１２０の検出結果の一例を示す図である。

図１２〜図１５のそれぞれにおいて、実線はｘ軸方向の加速度を示し、点線はｙ軸方向の加速度を示し、そして、一点鎖線はｚ軸方向の加速度を示す。図１２〜図１５に示されるように、被験者が実行する動作の種類が異なると、加速度センサ１２０の検出結果によって示される３軸（ｘ，ｙ，ｚ）のそれぞれの方向における加速度の変化の組合せが異なる。

なお、加速度センサ１２０の検出出力におけるｘ，ｙ，およびｚ軸は、当該加速度センサ１２０内の相対的なものである。また、図５に示されたように、検出装置１００における加速度センサ１２０の設置角度は変更可能である。検出装置１００における加速度センサ１２０の設置角度が変更された場合、図１２〜図１５に示された検出結果は変化し得る。

図１２〜図１５に示されたデータは、加速度センサ１２０のサンプルレートが１００Ｈｚに設定された状態で、１秒間に取得された。これにより、図１２〜図１５のそれぞれには、１００フレーム分のデータが示されている。

図１６は、組合せ記憶部１３２に格納されている情報の構成を模式的に示す図である。図１６に示された例では、Ｐ個の組合せ（組合せ（１）〜（Ｐ））のそれぞれについて、特徴量の組合せが示されている。たとえば、組合せ（１）は、Ｑ個の特徴量（特徴量（１，１）〜（１，Ｑ））を含む。ＰおよびＱのそれぞれは、予め定められた整数を表す。

信頼区間生成部１１２は、サンプルデータ記憶部１３１に格納されたＮ人それぞれのＭ種類の動作において取得されたサンプルデータ（データ（１，１）〜（Ｎ，Ｍ））を利用して、特徴量のＰ個の組合せ（図１６の組合せ（１）〜（Ｐ））のそれぞれに対応する領域のセットを生成する。各セットは、Ｍ種類の動作のそれぞれを特定するＭ個の領域を含む。そして、信頼区間生成部１１２は、生成されたＰ個のセットの領域（各セットは、Ｍ種類の動作のそれぞれの領域を含む）を特定する情報を、信頼区間記憶部１３３に格納する。各領域の生成は、以下の３つの工程＜１＞〜＜３＞を含む。

＜１＞Ｎ人分のサンプルデータのそれぞれについての、Ｑ個の特徴量のそれぞれの算出
＜２＞算出されたＱ個の特徴量を用いた、多次元（次元数は、特徴量の数である「Ｑ」）の正規分布の生成
＜３＞生成された正規分布における、予め定められた分散係数（たとえば、分散係数σ＝２）を示す領域（利用された特徴量の数が「１」であれば線であり、「２」であれば面であり、「３」以上であれば空間）の特定
各領域は、工程＜３＞において特定された面（または線）によって特定される。

たとえば、領域の特定に利用される特徴量の数が「２」であれば、各領域は、図２において領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵとして示されたように、２次元空間における楕円である。

信頼区間生成部１１２は、Ｐ個の組合せのそれぞれに対応して生成された領域を、信頼区間記憶部１３３に格納する。図１７は、信頼区間記憶部１３３に格納されている情報の構成を模式的に示す図である。信頼区間記憶部１３３には、Ｐ個の組合せ（組合せ（１）〜（Ｐ））のそれぞれについて、Ｍ種類の動作のそれぞれについての領域を特定する情報、つまり、Ｐ×Ｍ個の信頼区間（信頼区間（１，１）〜（Ｐ，Ｍ））を特定する情報を含む。各信頼区間を特定する情報は、当該信頼区間が２個の特徴量を用いて生成される場合には、図２において領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵとして示されたような楕円を特定する。

図１８および図１９を参照して、信頼区間を特定する情報について、より具体的に説明する。図１８は、１番目の組合せ（組合せ（１））の、Ｍ種類の動作のそれぞれの領域の一例を示す図である。図１９は、２番目の組合せ（組合せ（２））の、Ｍ種類の動作のそれぞれの領域の一例を示す図である。

図１８および図１９のそれぞれに示された例では、動作の種類の数Ｍの一例として、「２」が採用されている。より具体的には、図１８および図１９のそれぞれに示された例では、動作「歩行」および動作「ジョギング」のそれぞれを特定する２つの領域が示されている。

また、図１８および図１９のそれぞれに示された例では、利用される特徴量の数Ｑ（図１６参照）の一例として、「２」が採用されている。

より具体的には、図１８の例では、図１６の組合わせ（１）に従った２つの特徴量（特徴量Ｆ（１，１）および特徴量Ｆ（１，２））が採用されている。図１９の例では、図１６の組合わせ（２）に従った２つの特徴量（特徴量Ｆ（２，１）および特徴量Ｆ（２，２））が採用されている。特徴量Ｆ（１，１）と特徴量Ｆ（１，２）の組合せの一例は、図２に示された「ＭＥＡＮ（ＲＭＳ）」と「ＳＴＤ（ＲＭＳ）」である。特徴量Ｆ（２，１）と特徴量Ｆ（２，２）の組合せの一例は、「サンプルデータの高速フーリエ変換および主成分分析によって得られる第１主成分」と「図２に示されたＲＭＳ」である。

以下、図１８および図１９のそれぞれに示された例について、詳細に説明する。まず、図１８の例について説明する。

図１８において、動作「歩行」は、領域ＲＷＡ１によって特定される。また、動作「ジョギング」は、領域ＲＪＯ１によって特定される。

図１８の円形のプロットのそれぞれは、動作「歩行」を実行しているＮ人の被験者から得られた、Ｎ個のサンプルデータ（図１１のデータ（１，１）〜（Ｎ，１））に対応する。より具体的には、図１８の円形のプロットのそれぞれは、当該Ｎ個のサンプルデータのそれぞれの、特徴量Ｆ（１，１）および特徴量Ｆ（１，２）の算出結果である。

図１８の三角形のプロットのそれぞれは、動作「ジョギング」を実行しているＮ人の被験者から得られた、Ｎ個のサンプルデータ（図１１のデータ（１，２）〜（Ｎ，２））に対応する。より具体的には、図１８の三角形のプロットのそれぞれは、当該Ｎ個のサンプルデータのそれぞれの、特徴量Ｆ（１，１）および特徴量Ｆ（１，２）の算出結果である。

図１８には、２つの領域（領域ＲＷＡ１および領域ＲＪＯ１）とともに、テーブルＴ１が示されている。テーブルＴ１は、２つの領域（領域ＲＷＡ１および領域ＲＪＯ１）を特定する情報として信頼区間記憶部１３３に格納される情報の具体例である。テーブルＴ１は、動作「歩行」として例示される動作（１）を特定する領域を特定する情報（信頼区間（１，１））と、動作「ジョギング」として例示される動作（２）を特定する領域を特定する情報（信頼区間（１，２））とを含む。

領域ＲＷＡ１は、図１８中のＮ個の円形のプロットの２次元の正規分布によって特定される信頼領域の一例である。領域ＲＷＡ１の形状の一例は楕円である。領域ＲＷＡ１のサイズは、標準偏差σ（たとえば、σ＝２）によって特定される。テーブルＴ１中の信頼区間（１，１）は、領域ＲＷＡ１の楕円を規定する。

領域ＲＪＯ１は、図１８中のＮ個の三角形のプロットの２次元の正規分布によって特定される信頼領域の一例である。領域ＲＪＯ１の形状の一例は楕円である。領域ＲＪＯ１のサイズは、標準偏差σ（たとえば、σ＝２）によって特定される。テーブルＴ１中の信頼区間（１，２）は、領域ＲＪＯ１の楕円を規定する。

次に、図１９の例について説明する。図１９において、動作「歩行」は、領域ＲＷＡ２によって特定される。また、動作「ジョギング」は、領域ＲＪＯ２によって特定される。

図１９の円形のプロットのそれぞれは、図１８の円形のプロットのそれぞれが対応するのと同じ、動作「歩行」のＮ個のサンプルデータに対応する。より具体的には、図１９の円形のプロットのそれぞれは、当該Ｎ個のサンプルデータのそれぞれの、特徴量Ｆ（２，１）および特徴量Ｆ（２，２）の算出結果である。

図１９の三角形のプロットのそれぞれは、図１８の三角形のプロットのそれぞれが対応するのと同じ、動作「ジョギング」のＮ個のサンプルデータに対応する。より具体的には、図１９の三角形のプロットのそれぞれは、当該Ｎ個のサンプルデータのそれぞれの、特徴量Ｆ（２，１）および特徴量Ｆ（２，２）の算出結果である。

図１９には、２つの領域（領域ＲＷＡ２および領域ＲＪＯ２）とともに、テーブルＴ２が示されている。テーブルＴ２は、２つの領域（領域ＲＷＡ２および領域ＲＪＯ２）を特定する情報として信頼区間記憶部１３３に格納される情報の具体例である。テーブルＴ２は、動作「歩行」として例示される動作（１）を特定する領域を特定する情報（信頼区間（２，１））と、動作「ジョギング」として例示される動作（２）を特定する領域を特定する情報（信頼区間（２，２））とを含む。

領域ＲＷＡ２は、図１９中のＮ個の円形のプロットの２次元の正規分布によって特定される信頼領域の一例である。領域ＲＷＡ２の形状の一例は楕円である。領域ＲＷＡ２のサイズは、標準偏差σ（たとえば、σ＝２）によって特定される。テーブルＴ２中の信頼区間（２，１）は、領域ＲＷＡ２の楕円を規定する。

領域ＲＪＯ２は、図１９中のＮ個の三角形のプロットの２次元の正規分布によって特定される信頼領域の一例である。領域ＲＪＯ２の形状の一例は楕円である。領域ＲＪＯ２のサイズは、標準偏差σ（たとえば、σ＝２）によって特定される。テーブルＴ２中の信頼区間（２，２）は、領域ＲＪＯ２の楕円を規定する。

図１０に戻って、評価部１１３は、信頼区間生成部１１２によって生成された、特徴量のＰ個の組合せ（図１６の組合せ（１）〜（Ｐ））から、２以上の互いに異なる動作を最も正確に分離できる組合せを選択する。当該選択は、たとえば、Ｐ個の組合せのそれぞれについて算出された評価値に基づいて実現される。

評価値は、ある特徴量の組合せ（たとえば、図２に示された、特徴量Ｆ１と特徴量Ｆ２）に対応して設定された複数の領域（たとえば、図２に示された、４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵ）の間の、動作の分離性能を表わす指標である。評価値の一例は、Ｍ種類の動作のそれぞれのＮ個のサンプルデータ（Ｎ×Ｍ個のサンプルデータ）のうち、正しい動作の種類に分類される割合である。以下、評価部１１３による評価値の算出について、詳細に説明する。

評価部１１３は、たとえば図１８に示されるように、サンプルデータに基づいて２以上の動作のそれぞれを特定する領域が生成された後、生成された領域を用いて、サンプルデータのそれぞれに対応する動作の種類を特定する。図１８の例では、評価部１１３は、サンプルデータのプロットが、領域ＲＷＡ１内に位置すれば、当該サンプルデータに対応する動作の種類として動作「歩行」を出力する。また、評価部１１３は、サンプルデータのプロットが、領域ＲＪＯ１内に位置すれば、当該サンプルデータに対応する動作の種類として動作「ジョギング」を出力する。

なお、評価部１１３は、１つのサンプルデータのプロットが、領域ＲＷＡ１および領域ＲＪＯ１の内部に位置する場合には、当該プロットが領域ＲＷＡ１および領域ＲＪＯ１のいずれの中心点に近いかを判断する。そして、評価部１１３は、当該プロットが、領域ＲＪＯ１の中心点よりも領域ＲＷＡ１の中心点に近いと判断すると、当該プロットのサンプルデータに対応する動作の種類として、動作「歩行」を出力する。また、評価部１１３は、当該プロットが、領域ＲＷＡ１の中心点よりも領域ＲＪＯ１の中心点に近いと判断すると、当該プロットのサンプルデータに対応する動作の種類として、動作「ジョギング」を出力する。

より具体的に、図１８のプロットｄｐ１１について説明する。図１８において、領域ＲＷＡ１の中心点が、点ＣＴＷＡとして示されている。また、領域ＲＪＯ１の中心点が、点ＣＴＪＯとして示されている。プロットｄｐ１１は、領域ＲＷＡ１内に位置し、かつ、領域ＲＪＯ１内に位置する。プロットｄｐ１１から点ＣＴＷＡまでの距離Ｄ１は、プロットｄｐ１１から点ＣＴＪＯまでの距離Ｄ２よりも短い。これにより、評価部１１３は、プロットｄｐ１１のサンプルデータに対応する動作の種類として、動作「歩行」を出力する。

図１８に示されたように各サンプルデータに対応する動作の種類が領域の中心点を利用して特定されるため、あるサンプルデータに対して特定される動作の種類が、本来の動作の種類（当該サンプルデータが取得されたときに被験者が実行していた動作）とは異なる場合があり得る。図１８と図１９との間で２以上の動作のそれぞれを特定する２以上の領域の中心点の配置が異なるように、２以上の領域の中心点の配置は、特徴量の組合せによって変化し得る。したがって、Ｎ個のサンプルデータのうち、本来の動作の種類とは異なる種類として特定されるデータの割合は、特徴量の組合せによって変化し得る。

評価部１１３は、特徴量のＰ個の組合せごとに、評価値として、Ｎ個のサンプルデータのうち、本来の動作の種類とは異なる種類として特定されるデータの割合を算出する。そして、評価部１１３は、評価値が最も小さい組合せを、ユーザの動作の種類の判定に利用する特徴量の組合せとして選択する。そして、評価部１１３は、選択された組合せによって特定される２以上の領域のそれぞれを特定する情報を、動作特定用情報記憶部１３４に格納する。評価部１１３によって選択された組合せに対応する２以上の領域が、使用者の動作の種類の特定に利用される２以上の領域である。

図２０は、動作特定用情報記憶部１３４に格納される情報の一例を模式的に示す図である。図２０には、使用者の動作の種類の特定に利用されるＭ個の信頼区間（信頼区間（１）〜（Ｍ））のそれぞれを特定する情報が示されている。図１８に示された領域ＲＷＡ１および領域ＲＪＯ１が使用者の動作の種類の特定に利用される場合、図２０の信頼区間（１）は領域ＲＷＡ１の楕円を特定し、図２０の信頼区間（２）は領域ＲＪＯ１の楕円を特定する。図２０に示された例では、１つの動作の種類に１つの信頼区間が割り当てられている。１つの動作の種類に２つ以上の信頼区間が割り当てられる場合もあり得る。

図１０に戻って、特徴量算出部１１４は、加速度センサ１２０から、ｘ軸、ｙ軸、およびｚ軸の方向に沿った加速度の検出結果を取得する。そして、特徴量算出部１１４は、取得した検出結果について、動作を特定するためのＭ個の特徴量を算出する。Ｍ個の特徴量とは、組合せ記憶部１３２に格納されたＰ個の組合せのうち、上記のように評価部１１３によって選択された組合せを構成するＭ個の特徴量である。図１８に示された例では、Ｍ個の特徴量は、２個の特徴量Ｆ（１，１）および特徴量Ｆ（１，２）である。そして、特徴量算出部１１４は、算出したＭ個の特徴量を、動作特定部１１５へ出力する。

動作特定部１１５は、特徴量算出部１１４が取得した検出結果に対応する動作の種類を特定する。より具体的には、動作特定部１１５は、特徴量算出部１１４によって算出されたＭ個の特徴量の組合せのプロットが、動作特定用情報記憶部１３４内の情報によって特定される２以上の領域の中のいずれかの内部に位置するかどうかを判断する。そして、当該プロットが内部に位置する領域に対応する動作の種類を、特徴量算出部１１４が取得した検出結果に対応する動作の種類として特定する。そして、動作特定部１１５は、特定された動作の種類を、使用者が実行した動作の種類として、スマートフォン９００に向けて出力する。

次に、図１０に示されたスマートフォン９００の機能を説明する。スマートフォン９００のＣＰＵ９１０は、レポート生成部９１１および表示制御部９１２として機能する。レポート生成部９１１および表示制御部９１２は、たとえば、ＣＰＵ９１０が検出装置１００において特定された動作の種類および当該種類に関する統計値を表示するためのアプリケーションプログラムを実行することによって、実現される。

レポート生成部９１１は、検出装置１００から、使用者Ｐ（図１）の動作の種類を受信し、受信した動作の種類またはそれに関する統計値を表示するための画面データを生成する。表示制御部９１２は、生成された当該画面データを、タッチパネル９２０に表示する。表示される画面の具体例は、図２４を参照して後述する。

６．使用者の動作の判定
検出装置１００において実行される、使用者の動作の種類の特定のための処理について、より具体的に説明する。図２１は、検出装置１００のＣＰＵ１１０によって実行される処理のフローチャートである。

図２１を参照して、ステップＳ１０で、ＣＰＵ１１０は、加速度センサ１２０から、１ウィンドウ分のデータを取得したか否かを判断する。１ウィンドウ分のデータ（ｘ軸、ｙ軸、およびｚ軸についての加速度に対応する検出結果）とは、たとえば、図１２に示された１００フレーム分のデータである。なお、加速度センサ１２０は、１フレーム分のデータを生成するたびにＣＰＵ１１０へ当該データを出力してもよいし、予め定められた数のフレーム分のデータをまとめてＣＰＵ１１０へ出力してもよい。

ＣＰＵ１１０は、１ウィンドウ分のデータを取得したと判断するまでステップＳ１０に制御を留め（ステップＳ１０でＮＯ）、１ウィンドウ分のデータを取得したと判断するとステップＳ２０へ制御を進める（ステップＳ１０でＹＥＳ）。

ステップＳ２０で、ＣＰＵ１１０は、加速度センサ１２０から取得した１ウィンドウ分のデータの２個以上の特徴量を算出する。２個以上の特徴量とは、たとえば、図２に示される特徴量Ｆ１および特徴量Ｆ２である。そして、制御はステップＳ３０へ進められる。

ステップＳ３０で、ＣＰＵ１１０は、ステップＳ２０で算出された２以上の特徴量の組合せに対応するプロットが、２以上の領域（信頼区間）のいずれかに含まれるかどうかを判断する。ステップＳ３０における２以上の領域（信頼区間）とは、図２において４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵとして示されたような、動作の種類の特定に利用される２以上の領域である。そして、ＣＰＵ１１０は、当該プロットが２以上の領域のいずれかに含まれると判断すると（ステップＳ３０でＹＥＳ）、ステップＳ４０へ制御を進める。一方、ＣＰＵ１１０は、当該プロットが２以上の領域のいずれにも含まれないと判断すると（ステップＳ３０でＮＯ）、ステップＳ７０へ制御を進める。

ステップＳ４０で、ＣＰＵ１１０は、２以上の領域のうち、その内部にステップＳ３０の判断対象のプロットを含むような領域の数が１であるか否かを判断する。そして、ＣＰＵ１１０は、当該数が１であると判断すると（ステップＳ４０でＹＥＳ）、ステップＳ５０へ制御を進める。また、ＣＰＵ１１０は、当該数が２以上であると判断すると（ステップＳ４０でＮＯ）、ステップＳ６０へ制御を進める。

ステップＳ５０で、ＣＰＵ１１０は、その内部にステップＳ３０の判断対象のプロットを含むような領域について、当該領域に対応する動作の種類を、スマートフォン９００に向けて出力し、図２１の処理を終了する。出力される動作の種類は、図２１の処理の対象となったウィンドウに対応する時間区間についての使用者の動作の種類である。領域（信頼区間）と動作の種類とは、たとえば図２０に示された情報によって関連付けられている。

ステップＳ６０で、ＣＰＵ１１０は、その中心がステップＳ３０の判断対象のプロットに最も近い領域を選択し、選択された当該領域に対応する動作の種類をスマートフォン９００に向けて出力する。ステップＳ６０における領域の選択は、たとえば、図１８を参照して説明された方法に従う。

ステップＳ７０で、ＣＰＵ１１０は、スマートフォン９００に向けて、結果「特定不可」を出力して、図２１の処理を終了する。結果「特定不可」は、図２１の処理の対象となったウィンドウに対応する時間区間について、検出装置１００が使用者の動作の種類を特定できなかったことを意味する。

以上説明された図２１の処理において、ＣＰＵ１１０は、１ウィンドウ分の加速度センサ１２０のデータを取得し、当該データから２以上の特徴量を算出し、当該２以上の特徴量の組合せのプロットを生成し、その内部に当該プロットを含むような領域を特定し、そして、特定された領域に対応する動作の種類を使用者が実行した動作の種類として出力する。動作の種類の特定には、２以上の領域（たとえば、図２の４つの領域ＲＷＡ，ＲＪＯ，ＲＪＵ，ＲＲＵ）が利用される。

図２２は、２以上の特徴量の組合せが２以上の領域のそれぞれに含まれるか否かの判断の他の態様に利用される数式を示す図である。２以上の領域は、それぞれ、多次元の正規分布が利用されることによって生成される。次元の数は、用いられる特徴量の数である。そして、特徴量の組合せが２以上の領域のそれぞれに含まれるか否かの判断には、上記したプロットを用いる方法の代わりに、図２２に示された数式が利用されても良い。

図２２に示された式は、動作の種類ごとに生成される。図２２に示された式において、ｋは、各領域の中心からの標準偏差（σ）を表す。Ｆ_１〜Ｆ_ｎは、各領域の生成に利用されたｎ個の特徴量を表す。ｎは、予め定められた整数である。Ｍ_１〜Ｍ_ｎは、各領域の生成に利用されたｎ個の特徴量のそれぞれについてのサンプルデータの平均値を表す。行列Ｃ_１，１〜Ｃ_ｎ，ｎは、各領域の元となるモニタの動作において得られたトレーニングデータの共分散行列（Ｃｏｖ_{（ｎ，ｎ）}）のコレスキ分解（Cholesky decomposition）によって得られる。図２３は、共分散行列（Ｃｏｖ_{（ｎ，ｎ）}）を示す図である。図２３において、共分散行列（Ｃｏｖ_{（ｎ，ｎ）}）の要素は、行列Ｒ_１，１〜Ｒ_ｎ，ｎとして示されている。図２２に示された式の左辺は、ユークリッド距離を表すことから、２本の縦二重線で挟まれるように記述されている。

加速度センサ１２０から検出結果が出力されると、ＣＰＵ１１０は、当該検出結果を利用してｎ個の特徴量Ｆ_１〜Ｆ_ｎを算出する。次に、ＣＰＵ１１０は、当該ｎ個の特徴量Ｆ_１〜Ｆ_ｎを２以上の動作の種類のそれぞれについて定義された図２２の式の左辺に代入する。次に、２以上の動作の種類のそれぞれについて、当該左辺の値を算出する。そして、ＣＰＵ１１０は、当該左辺の値が１以下であって、最小の値をとる、動作の種類を、上記検出結果に対応する動作の種類として出力する。

なお、ユーザの動作の特定に利用される信頼区間の生成は、汎用のコンピュータ等の検出装置１００以外の装置で実行されてもよい。信頼区間が検出装置１００以外の装置によって生成された場合、検出装置１００は、図２に示されたような、サンプルデータ取得部１１１、信頼区間生成部１１２、評価部１１３、サンプルデータ記憶部１３１、組合せ記憶部１３２、および、信頼区間記憶部１３３を備える必要はない。特徴量の組合せが図２２に示された数式に基づいて判断される場合には、検出装置１００は、動作特定用情報記憶部１３４に、当該数式を特定する値ｋ，Ｍ_１〜Ｍ_ｎ，Ｃ_１，１〜Ｃ_ｎ，ｎを格納する。

７．判定結果の出力
図２４は、スマートフォン９００のタッチパネル９２０における、使用者の動作の種類に関する統計値の表示画面の一例を示す図である。図２４の画面９９０は、４つの表示欄９９１〜９９４を含む。表示欄９９１は、４種類の動作の種類のそれぞれに対応する４種類の統計値を示す。各統計値の一例は、表示対象とされた日における、各種類の動作が実行された累積時間である。当該累積時間の算出方法の一例は、図２５を参照して後述される。

表示欄９９２は、表示欄９９１に示された統計値に対する判定結果に対応するメッセージを示す。統計値に対する判定は、たとえばメモリ９３０に格納された、予め定められた基準に基づく。メモリ９３０には、複数のメッセージが、複数の判定結果のそれぞれに関連付けられて、格納されている。スマートフォン９００のＣＰＵ９１０は、たとえば、メモリ９３０から、判定結果に関連付けられたメッセージを選択して、表示欄９９２に表示する。

表示欄９９３は、上記判定結果に対応する商品の画像を示す。表示欄９９４は、上記判定結果に対応する商品のＩＤ（ＲＵ００１）を示す。メモリ９３０には、複数の商品についての画像とＩＤとの組み合わせが、複数の判定結果のそれぞれに関連付けられて、格納されている。ＣＰＵ９１０は、たとえば、メモリ９３０から、判定結果に関連付けられた画像とＩＤとの組み合わせを選択して、当該組み合わせを表示欄９９３，９９４に表示する。

図２５は、１分間ごとの、検出装置１００の使用者によって実行された動作の種類を特定する処理の一例のフローチャートである。なお、図２５の処理の実行間隔は、動作の特定について求められる精度に応じて、変更され得る。ＣＰＵ９１０は、図２４の画面９９０の対象となる期間（たとえば、１日）に含まれる１分間ごとに実行された動作の種類を、図２５に示されたフローチャートに従って特定する。そして、ＣＰＵ９１０は、特定された種類の動作が当該１分間継続して実行されたと仮定し、表示対象の期間における動作の種類ごとの累積時間を算出する。なお、図２５の処理は、スマートフォン９００が、検出装置１００から、ステップＳ５０〜Ｓ７０（図２１）の出力として、５秒ごとの出力（つまり、１分間に対して１２個の出力）を取得することを前提としている。

図２５を参照して、ステップＳＡ１０で、ＣＰＵ９１０は、図２５の処理の対象となる１分間に対する検出装置１００からの１２個の出力のうち８個以上が同一の動作の種類を示すものであるか否かを判断する。そして、ＣＰＵ９１０は、１２個の出力のうち８個以上が同一の動作の種類を示すと判断すると（ステップＳＡ１０でＹＥＳ）、ステップＳＡ２０へ制御を進める。一方、ＣＰＵ９１０は、１２個の出力が８個以上の同一の動作の種類を示す出力を含まないと判断すると（ステップＳＡ１０でＮＯ）、ステップＳＡ３０へ制御を進める。

ステップＳＡ２０で、ＣＰＵ９１０は、当該同一の動作の種類を、対象となる１分間に実行された動作の種類として特定して、図２５の処理を終了する。

ステップＳＡ３０で、ＣＰＵ９１０は、対象となる１分間に実行された動作はなかったことを特定して、図２５の処理を終了する。

図２５の処理において採用された３つの数値「１分間」「１２個」および「８個」は、それぞれの数値の一例である。これらの数値は、適宜変更され得る。

第１の実施の形態では、図１に示されるように、検出装置１００は、当該使用者Ｐの動作の種類を特定し、特定された動作の種類を出力する。これにより、使用者Ｐが検出装置１００を装着しながら動作を実行するだけで、当該使用者Ｐの動作の種類が特定され得る。そして、図２４に示されるように、スマートフォン９００は、検出装置１００からの出力を利用して、使用者Ｐの複数の動作の種類についての統計値を表示する。これにより、使用者Ｐが検出装置１００を装着しながら動作を実行するだけで、使用者Ｐの動作の種類についての統計的な情報が、使用者Ｐの両親等に提供され得る。

なお、第１の実施の形態における、動作の種類の特定のための特徴量の組合せの選択に利用されるデータは、図１６（組合せ記憶部１３２）および図１７（信頼区間記憶部１３３）に示されたものに限定されない。１つの動作を他の動作と区別できる能力が高い特徴量の組合せを選択することができる限り、他の態様のデータが利用されてもよい。

８．変形例（１）
検出装置１００では、２つ以上の動作の種類のそれぞれに対応する２つ以上の領域が設定されている。ＣＰＵ１１０は、加速度センサ１２０からの１ウィンドウ分の検出結果から、２つ以上の特徴量を算出し、そして、上記２つ以上の領域から、当該２つ以上の特徴量の組合せを含む領域を特定する。なお、算出された特徴量の数は１である場合もあり得る。この場合、ＣＰＵ１１０は、上記２つ以上の領域から、算出された単一の特徴量を含む領域を特定する。

検出装置１００のＣＰＵ１１０は、図２１に示された動作を特定するための処理を、たとえば、加速度センサ１２０が１ウィンドウ分の検出値を出力するたびに実行しても良い。

９．変形例（２）
ＣＰＵ１１０は、メモリ１３０に、たとえば１日分など、ある一定の期間分の検出値を蓄積する。そして、ＣＰＵ１１０は、蓄積されたある一定期間分の検出値の中から、１ウィンドウ分ずつ検出値を読み出して、図２１に示された処理を実行しても良い。

１０．変形例（３）
第１の実施の形態において利用され得る特徴量の他の例は、１ウィンドウ内で、検出値が予め定められた閾値を下回ったフレームの数である。さらに他の例は、１ウィンドウ内で、検出値が予め定められた閾値を下回ったフレームが連続する数である。

１１．変形例（４）
検出装置１００では、加速度センサ１２０の代わりに、または、加速度センサ１２０に加えて、ｘ軸、ｙ軸、およびｚ軸のそれぞれを軸とした３種類の角速度を検出する角速度センサが用いられても良い。検出装置では、少なくともｘ軸、ｙ軸、およびｚ軸の３種類の軸についての加速度または角速度の検出結果が利用されれば、当該検出結果がどのような種類のセンサによって取得されたものであっても良い。

１２．変形例（５）
図２６は、検出装置１００の使用者への装着方法に関する変形例を説明するための図である。

図２６に示されるように、靴５００Ａは、ベルト５０１を備え、さらに、当該ベルト５０１の一端にポケット５０２を備える。靴５００Ａでは、矢印Ｂによって示されるように検出装置１００がポケット５０２内に導入された後、接着部５１１と接着部５１２とが接着されることにより、検出装置１００がポケット５０２内に収納される。

なお、靴５００Ａにおいて、ポケットは、ベルト５０１とは別の場所に設けられても良い。他の箇所の一例は、靴５００Ａの先端部（つま先部）である。他の例は、靴５００Ａに靴紐が設けられたときの、当該靴ひもの上を覆う部分（ベロ部）である。さらに他の例は、靴５００Ａの踵部である。また、検出装置１００は、靴に取り付けられる代わりに、靴下に取り付けられてもよいし、使用者の足にベルトなどによって直接装着されてもよい。

［第２の実施の形態］
第２の実施の形態では、１ウィンドウごとの動作の種類の特定において、動作の種類が特定されなかったときに、ウィンドウを構成する複数のフレームの一部が入れ替えられた後、再度、動作の種類の特定が実行される。図２７は、ウィンドウを構成する複数のフレームの一部の入れ替えを説明するための図である。

図２７には、３種類のウィンドウｗ１，ｗ２，ｗ３が示されている。ウィンドウｗ１は、動作の特定の対象となる時間期間の開始からの１００フレームを含む。ウィンドウｗ２は、ウィンドウｗ１の後半の５０フレームと、その先の５０フレームとを含む。ウィンドウｗ３は、ウィンドウｗ２の後半の５０フレームと、その先の５０フレームとを含む。

第２の実施の形態において、検出装置１００のＣＰＵ１１０は、まず、ウィンドウｗ１を対象として、使用者が実行した動作の種類を特定する。

当該特定において動作の種類が特定されなければ、ＣＰＵ１１０は、特定の対象をウィンドウｗ１からウィンドウｗ２へと変更して、使用者が実行した動作の種類を特定する。

ウィンドウｗ２を用いた特定において動作の種類が特定されなければ、ＣＰＵ１１０は、特定の対象をウィンドウｗ２からウィンドウｗ３へと変更して、使用者が実行した動作の種類を特定する。

そして、ウィンドウｗ２を用いた特定において動作の種類が特定されなければ、ＣＰＵ１１０は、動作の種類の特定ができなかったことを示す結果を出力する。

第２の実施の形態では、動作の種類の特定の対象とされるウィンドウは、最大で２回、変更される。なお、変更される最大の数は、適宜変更され得る。

以上説明されたように、第２の実施の形態に係る動作の種類の特定の態様によると、ウィンドウを構成する複数のフレームの一部の入替えにより、加速度センサ１２０等のセンサの検出結果の出力のタイミングが、使用者Ｐの動作の実行のタイミングに適合するように調整され得る。

今回開示された実施の形態およびその変形例はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の領域は上記した説明ではなくて特許請求の領域によって示され、特許請求の領域と均等の意味および領域内でのすべての変更が含まれることが意図される。

１００ 検出装置、１１１ サンプルデータ取得部、１１２ 信頼区間生成部、１１３ 評価部、１１４ 特徴量算出部、１１５ 動作特定部、１２０ 加速度センサ、１３０，９３０ メモリ、１３１ サンプルデータ記憶部、１３２ 組合せ記憶部、１３３ 信頼区間記憶部、１３４ 動作特定用情報記憶部、１３５ プログラム記憶部、１５０ バッテリ、２００ センサケース、２１０ 収納部、２２０ カバー部、５００，５００Ａ 靴、６００ ネットワーク、９００ スマートフォン、９１１ レポート生成部、９１２ 表示制御部、９２０ タッチパネル、９４０ メモリインターフェイス、９４１ 記憶媒体、９５０ 通信インターフェイス、９９０ 画面。

Claims (5)

1. 動作を判別するための装置であって、
   ３次元の軸方向の各々の動きのそれぞれを表わす少なくとも１つのデータから導出される１つ以上の特徴量に基づいて、２以上の種類の動作のそれぞれを２以上の領域の中のいずれかに関連付ける情報を記憶するための記憶手段と、
   前記装置の使用者の３次元の軸方向の各々の動きを表わす少なくとも１つのデータを検出するための検出手段と、
   前記検出手段によって検出された動きを表わすデータに基づいて、前記１つ以上の特徴量を算出するための算出手段と、
   前記２以上の領域から、前記算出手段によって算出された特徴量を含む領域を特定するための特定手段とを備え、
   前記２以上の領域のそれぞれは、
   線または面または空間を定義する図形によって表され、
   前記特定手段は、
   前記算出された特徴量が前記２以上の領域の中の複数の領域に含まれる場合には、前記複数の領域のうち、当該算出された特徴量から最も近い位置に中心を持つ図形に対応する領域を、前記算出された特徴量を含む領域として特定し、
   前記特定された領域が対応する動作の種類を、前記使用者が実行した動作の種類として出力する、装置。
2. 前記算出手段は、前記検出手段によって検出された動きを表わすデータに基づいて、２つ以上の特徴量を算出し、
   前記特定手段は、前記算出手段によって算出された前記２つ以上の特徴量の組合せを含む領域を、前記２以上の領域から特定する、請求項１に記載の装置。
3. 前記検出手段は、加速度センサまたは角速度センサの少なくとも一方を含む、請求項１または請求項２に記載の装置。
4. 前記２以上の領域のそれぞれは、
   サンプルが各領域に対応する動作を実行したときに取得されたデータを用いて定義され、
   前記サンプルによる動作から取得された２以上のデータの正規分布の確率密度が一定である線または面または空間を定義する図形によって表される、請求項１〜請求項３のいずれか１項に記載の動作判別装置。
5. コンピュータの使用者の動作を判別するためのコンピュータ読取可能なプログラムであって、前記プログラムは、前記コンピュータに、
   ２以上の種類の動作のそれぞれを２以上の領域のいずれかに関連付ける情報にアクセスするステップを実行させ、
   前記情報は、３次元の軸方向の各々の動きのそれぞれを表わす少なくとも１つのデータから導出される１つ以上の特徴量に基づいて、前記動作を前記２以上の領域のいずれかに関連付け、
   前記プログラムは、前記コンピュータに、
   前記使用者の３次元の軸方向の各々の動きを表わす少なくとも１つのデータを検出するステップと、
   前記検出されたデータに基づいて、前記１つ以上の特徴量を算出するステップと、
   前記２以上の領域から、算出された前記特徴量を含む領域を特定するステップと、を実行させ、
   前記２以上の領域のそれぞれは、
   線または面または空間を定義する図形によって表され、
   前記領域を特定するステップは、
   前記算出された特徴量が前記２以上の領域の中の複数の領域に含まれる場合には、前記複数の領域のうち、当該算出された特徴量から最も近い位置に中心を持つ図形に対応する領域を、前記算出された特徴量を含む領域として特定することを含み、
   前記プログラムは、前記コンピュータに、さらに、
   前記特定された領域が対応する動作の種類を、前記使用者が実行した動作の種類として出力するステップを実行させる、プログラム。

Images