JP7181533B2 - 生体計測システム及び方法 - Google Patents

Description

本発明は、歩行訓練を支援する生体計測の技術に関する。

医療・介護施設において、歩行訓練の際、療法士や介護士が患者の状態を観察し、バランスのかけ方の指示を行っている。しかし、言葉による指示は理解し難いため、バランスの状況を可視化し、歩行状況を簡単に認識可能なシステムが必要である。

足部バランス修正、及びに転倒予防を含めた健康維持、管理を実現する技術として特許文献１がある。特許文献1にはバランス修正に重要な母趾の機能、母趾球部の機能、及び小趾球部の機能を、踵部の圧変動から評価することで、バランス修正に必要な機能的で効果的な訓練を提供する技術が開示されている。

特開２０１２－１７６１７０号公報

上記特許文献１に記載された技術では、足のどの部分に圧力がかかっているかという足圧のバランスと***を表示することができるが、歩行の際に足圧がかかる方向を理解することが難しいという課題があった。また、歩行訓練の際に杖などを使用するが、杖などの器具に対して、バランスのかけ方を言葉で理解することは困難であった。

そこで、本発明は、足圧から床反力ベクトルを推定し、足の骨格方向を同時に表示することで、より安定した歩行の支援を提示可能とする生体計測システム及び方法を提供することを目的とする。

上記課題を解決するための生体計測システムの一つの形態は、被検体を撮影するカメラと、被検体の少なくとも一方の足裏の圧力値を検出する圧力情報収集部と、カメラにより撮影された被検体の骨格方向ベクトルを算出する骨格方向ベクトル算出部と、圧力情報収集部からの圧力に関する情報に基づき、床反力ベクトルを算出する床反力ベクトル算出部と、骨格方向ベクトル算出部により算出される骨格方向ベクトルと、床反力ベクトル算出部により算出される床反力ベクトルと、を重ねて表示する解析結果出力部と、を有する。

本発明により、歩行状態や姿勢の状態把握が効率化される。スタッフの負担が軽減されることにより、説明や指示をより短時間に行えるようになるという効果がある。

実施例１の生体計測システムの全体構成図である。 実施例１の情報処理部のハードウェアブロック図である。 実施例１の圧力情報収集部を構成する圧力センサ部を説明する図である。 実施例１の足の圧力重心座標の求め方を説明する図である。 実施例１の床反力ベクトルの算出原理を示した図である。 実施例１の骨格方向ベクトルの算出例を示した図である。 実施例１の生体計測システムで実行されるフローチャートを示す図である。 実施例１の判定部の動作を説明する図である。 実施例１の床反力ベクトルと骨格方向ベクトルの時系列変化を示した図である。 実施例１の被検体のバランスが崩れた状態の骨格と圧力値とを表示した図である。 実施例１の被検体のバランスが崩れた他の状態を表示した図である。 実施例２の杖を使用した場合の骨格と圧力値との表示例を示した図である。 実施例２の支持基底面の表示例を示した図である。 実施例３の４点支持の杖の圧力センサの配置を示した図である。 実施例４の足の圧力センサから歩行周期の算出例を示した図である。 実施例４、実施例５、実施例６の歩行周期、相、歩幅、歩隔、１０メートル歩行時間、高次脳機能検査結果の表示例の図である。 実施例７の圧力重心から伸びる鉛直軸とひざ関節の水平距離の算出例の図である。

以下、図面を参照して本発明の実施形態を説明する。各実施例は、本発明を説明するための例示であって、説明の明確化のため、適宜、省略および簡略化がなされている。本発明は、他の種々の形態でも実施することが可能である。特に限定しない限り、各構成要素は単数でも複数でも構わない。

図面において示す各構成要素の位置、大きさ、形状、範囲などは、発明の理解を容易にするため、実際の位置、大きさ、形状、範囲などを表していない場合がある。このため、本発明は、必ずしも、図面に開示された位置、大きさ、形状、範囲などに限定されない。

各種情報の例として、データベースは、「テーブル」、「リスト」、「キュー」等で構成され、各種情報はこれら以外のデータ構造で表現されてもよい。例えば、「ＸＸテーブル」、「ＸＸリスト」、「ＸＸキュー」等の各種情報は、「ＸＸ情報」としてもよい。識別情報について説明する際に、「識別情報」、「識別子」、「名」、「ＩＤ」、「番号」等の表現を用いるが、これらについてはお互いに置換が可能である。

同一あるいは同様の機能を有する構成要素が複数ある場合には、同一の符号に異なる添字を付して説明する場合がある。また、これらの複数の構成要素を区別する必要がない場合には、添字を省略して説明する場合がある。

実施例において、プログラムを実行して行う処理について説明する場合がある。ここで、計算機は、プロセッサ（例えばＣＰＵ、ＧＰＵ）によりプログラムを実行し、記憶資源（例えばメモリ）やインターフェースデバイス（例えば通信ポート）等を用いながら、プログラムで定められた処理を行う。そのため、プログラムを実行して行う処理の主体を、プロセッサとしてもよい。同様に、プログラムを実行して行う処理の主体が、プロセッサを有するコントローラ、装置、システム、計算機、ノードであってもよい。プログラムを実行して行う処理の主体は、演算部であれば良く、特定の処理を行う専用回路を含んでいてもよい。ここで、専用回路とは、例えばＦＰＧＡ（Field Programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）、ＣＰＬＤ（Complex Programmable Logic Device）等である。

プログラムは、プログラムソースから計算機にインストールされてもよい。プログラムソースは、例えば、プログラム配布サーバまたは計算機が読み取り可能な記憶メディアであってもよい。プログラムソースがプログラム配布サーバの場合、プログラム配布サーバはプロセッサと配布対象のプログラムを記憶する記憶資源を含み、プログラム配布サーバのプロセッサが配布対象のプログラムを他の計算機に配布してもよい。また、実施例において、２以上のプログラムが１つのプログラムとして実現されてもよいし、１つのプログラムが２以上のプログラムとして実現されてもよい。

図１は、実施例の歩行支援に用いる生体計測システムの全体構成図である。
情報処置装置１は、圧力情報収集部２から圧力に関する情報を受信し、カメラ３から被検体の画像情報を受信する。情報解析部１１は、圧力情報収集部２から入力される、圧力に関する情報に基づいて、被検体の床反力ベクトルを求める。床反力ベクトルの代わりに、圧力重心位置を求めても良い。さらに、情報解析部１１は、カメラ３によって取得された被検体の画像が入力され、被検体の画像から被検体の骨格を検出する。情報解析部１１は、圧力情報収集部２から受信した圧力に関する情報から求めた床反力ベクトルの情報と、カメラ３から取得した被検体の画像から検出した被検体の骨格の情報の同期をとり、床反力ベクトルと被検体の骨格の時系列変化を解析結果出力部４に出力する。

情報処理装置１は、通信Ｉ／Ｆ、処理部（以後、ＣＰＵ）、メモリ、記憶装置、を備えるコンピュータである。詳細は、図２で説明する。

圧力情報収集部２は、例えば、被検体である人の足の裏、もしくは靴のインソールもしくは中敷き部に設けられた圧力センサ部からの圧力情報を収集し、情報処理装置１に出力する。詳細は、図３Ａ等により説明する。ここでは、フォースセンサや他の力覚センサを用いてもよい。

カメラ３は、１台若しくは複数台のカメラであり、被検体を撮影し、撮影した映像を情報処置装置１に出力する。例えば、２台のカメラを用い、１台のカメラを被検体の前或いは後ろに設置し、もう一台のカメラを被検体の左もしくは右方向に設置することで、被検体を３次元空間で把握することができる。

解析結果出力部４は、例えば、表示装置により構成され、ユーザに対して、情報処理装置１の解析結果を出力する。

図２は、生体計測システムの情報処置装置１のハードウェア構成の例を示す図である。情報処置装置１は、１つまたは複数のコンピュータ（電子計算機）で構成される。情報処置装置１のハードウェアの各構成要素は、単数でも複数でも構わない。情報処置装置１は、例えば、処理部となるＣＰＵ１５、外部装置と通信する通信部として動作する通信Ｉ／Ｆ１８、記憶装置１９、メモリ１６などで構成される。

ＣＰＵ１５は、処理部として動作し、通信Ｉ／Ｆ１８を経由して、圧力情報収集部２、カメラ３から情報を入力する。記憶装置１９は、ＣＰＵ１５で実行されるプログラムを格納する他、被検体の計測結果を格納するデータベースを保持しても良い。通信Ｉ／Ｆ１８は、圧力情報収集部２、カメラ３から情報を入力することの他、解析結果出力部４に情報処置装置１の解析結果を出力する。

処理部は、演算装置や制御装置であればよく、例えばＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）といったプロセッサで構成されてもよいし、特定の処理を行う専用回路を含んでいてもよい。ここで、専用回路とは、例えばＦＰＧＡ（Field Programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）、ＣＰＬＤ（Complex Programmable Logic Device）等である。

入力装置１２は、例えば外部装置からデータを受け付けるインターフェースやマウスやキーボードなどであってもよい。

メモリ１６は、記憶装置１９に格納されるプログラムや、ＣＰＵ１５で処理するデータを格納する。メモリ１６は、例えば、ＤＲＡＭやＳＤＲＡＭで構成される。

記憶装置１９は、例えば、ＨＤＤやＳＳＤ等の不揮発性のメモリによって構成され、各種プログラムの他、圧力情報や骨格情報が記憶されている。各種プログラムとして、圧力情報収集部２から入力される、圧力に関する情報に基づいて被検体の床反力ベクトル算出する床反力ベクトル算出プログラムと、カメラ３によって取得された被検体の画像が入力され、入力された被検体の画像から、被検体の骨格を検出し、検出された骨格から骨格方向ベクトルを算出する骨格方向ベクトル算出プログラムと、が格納される。

以下、説明を理解しやすくするため、床反力ベクトル算出プログラムと骨格方向ベクトル算出プログラムを、ＣＰＵ２０４が実行することによって実現される機能を、それぞれ床反力ベクトル算出部１１１、骨格方向ベクトル算出部１１２と呼んで説明する。

ＣＰＵ１５、メモリ１６、通信Ｉ／Ｆ１８、入力装置１２、記憶装置１９は、バス１３によって互いに接続されている。

ネットワーク５は、有線ネットワークでも、無線アクセスポイントを介して接続される無線ネットワークでもよい。情報処置装置１は、圧力情報収集部２、カメラ３、解析結果出力部４とネットワーク５を介して接続されても良い。

図３Ａは、実施例１の圧力情報収集部を構成する圧力センサ部を説明する図である。圧力情報収集部２は、例えば、被検体である人が装着する靴の下敷きに複数のセンサを備えたもので構成される。圧力情報収集部２は、複数のセンサにより圧力値を取得する。例えば、図３Ａでは、圧力センサ部には８つのセンサが設けられ、左足の足裏の圧力を測定する。各センサには、それぞれ識別子がＬ１からＬ８まで付されると共に、各センサが設置されている位置を特定する座標が与えられている。
例えば、Ｌ１のセンサの座標が（Xｌ1 Yｌ1）、Ｌ２のセンサの座標が（Xｌ2 Yｌ2）のように、８つのそれぞれのセンサに対して座標が与えられる。
各センサによって測定される圧力値は、Mｌ1、 Mｌ2 ・・・ Mｌ8として出力される。

図３Ａの圧力センサ部は、被検体である人の左足用の圧力センサ部を示したが、右足用の圧力センサ部は、識別子Ｒ１からＲ８を有する８つのセンサで右足の足裏の圧力値を取得する。左足同様、Ｒ１のセンサの座標が（XR1 YR1）、Ｒ２のセンサの座標が（XR2 YR2）のように、８つのそれぞれのセンサに対して座標が与えられる。左足用の各センサによって測定される圧力値は、MR1、 MR2 ・・・ MR8として出力される。

図３Ｂは、足（左足）の圧力重心の座標の求め方を示している。数１によって、ｘ軸の足の圧力重心の座標が算出され、数２によってｙ軸の足の圧力重心の座標が算出される。床反力ベクトル算出部１１１は、各圧力センサの座標値と、各圧力センサによって計測される圧力値から、数１及び数２により圧力重心を算出する。ｘ軸、ｙ軸は、水平面上に設けられた座標である。実施例１では、足（左足）の圧力重心のことを第１の圧力重心と呼ぶことがある。

図４は、実施例１の床反力ベクトルの算出原理を示した図である。図４の左側に、圧力重心４２と、足裏重心４３と、圧力重心４２と足裏重心４３の距離４４と、８つのセンサによって検出された圧力値の合計から求まる圧力ベクトル４１を示している。足裏重心４３は、足の大きさに応じて画一的に求まる重心である。図４は、圧力重心４２が足裏重心４３より、つま先側にあり、つま先だけに力がかかった状態を示している。

図４の右側に床反力ベクトルの算出原理を示している。足裏重心４３と第１の圧力重心４２の距離から求まる重心ベクトル４５と、第１の圧力重心４２と圧力値の合計値から求まる圧力ベクトル４１の二つのベクトルを加算して、床反力ベクトル４６を求める。

情報処理装置１は、圧力情報収集部２から、左右のそれぞれの足の圧力情報を受信し、左右のそれぞれの床反力ベクトル４６を求め、時系列情報として床反力ベクトル値１４１として、記憶装置１９に格納しても良い。

図５は、カメラ３によって取得された被検体である人の骨格による骨格方向ベクトルの算出例を示した図である。骨格方向ベクトル算出部１１２は、例えば、ＯｐｅｎＰｏｓｅ等の骨格検出アルゴリズムを利用することで実現される。ＯｐｅｎＰｏｓｅは、コンピュータビジョンに関する国際学会ＣＶＰＲ２０１７でＣＭＵ（カーネギーメロン大学）が発表した、ｋｅｙｐｏｉｎｔ（特徴点）の検出とｋｅｙｐｏｉｎｔ同士の関係の推定を行う技術である。ＯｐｅｎＰｏｓｅによって、カメラ３で撮影された画像から算出される骨格５１を利用して、被検体である人の下肢骨格の方向ベクトルを骨格方向ベクトル５２として算出する。尚、ここではＯｐｅｎＰｏｓｅに限らず、別の骨格検出アルゴリズムを利用してもよい。

図６は、実施例１の生体計測システムで実行されるフローチャートを示す図である。
処理が開始されると、ステップＳ６０１で、情報解析部１１の床反力ベクトル算出部１１１は、圧力情報収集部２から歩行を実施した被検者の圧力情報を取得する。また、骨格方向ベクトル算出部１１２は、カメラ３で撮影された被検体の映像を取得する。

ステップＳ６０２で、骨格方向ベクトル算出部１１２は、カメラ３によって、被検者の歩行の様子が撮影された映像から、被検者の骨格を検出し、下肢骨格の骨格方向ベクトルを算出する。骨格方向ベクトルの算出方法は、図５で説明した通りである。

ステップＳ６０３で、床反力ベクトル算出部１１１は、圧力情報収集部２から受信した圧力に関する情報に基づき、床反力ベクトルを算出する。床反力ベクトルの算出方法は、図３Ａ、図３Ｂ、図４で説明した通りである。尚、ステップＳ６０２とステップＳ６０３の順番は逆であっても良い。

ステップＳ６０４で、情報解析部１１の判定部１１３は、骨格方向ベクトルと床反力ベクトルとの差分を用いて、被検体の安定性を判定する。判定の詳細は、図７を用いて説明する。

ステップＳ６０５で、情報解析部１１は、被検体の状態の判定結果を解析結果とし、解析結果の時系列変化を、解析結果出力部４に出力する。解析結果出力部４では、骨格方向ベクトル算出部１１２により算出される骨格方向ベクトルと、床反力ベクトル算出部１１１により算出される床反力ベクトルと、を重ねて表示する。また、解析結果出力部４に、図７で示すように、骨格方向ベクトル５２と床反力ベクトル４６に加え、骨格方向ベクトル５２と床反力ベクトル４６の差分７１を重ねて表示する。ここで、例えば骨格表示とともに鉛直軸を重ねて表示しても良い。これにより、例えば脚部骨格、もしくは体幹が、鉛直軸に対してどの程度傾いているのかを明確に示すことができる。これを被検体に視覚的にフィードバックすることは、自身の姿勢認識を助け、自発的な姿勢修正に効果がある。

図７に、図６のステップＳ６０４の判定部１１３の動作について説明する。
被検体１０を、２台のカメラにより、前後、左右の両方向から撮影すると、３次元方向に骨格方向ベクトル５２を把握することができる。判定部１１３は、床反力ベクトル算出部１１１と骨格方向ベクトル算出部１１２の出力に対し、時間的同期をとる。これは、カメラにより撮影された映像と、圧力情報収集部２により検出された圧力に関する情報とを、時間的に揃え、同一時刻で比較するためである。測定値１４に、床反力ベクトル値１４１や骨格方向ベクトル値１４２を格納する際に、タイムスタンプ情報と共に格納し、判定部１１３が同一のタイムスタンプを有する床反力ベクトル値１４１と骨格方向ベクトル値１４２を、読み出すようにしても良い。

判定部１１３は、同一時刻の、骨格方向ベクトルと床反力ベクトル４６とを、通信Ｉ／Ｆ１８を介して、解析結果出力部４に出力する。図７は、解析結果出力部４の出力例を示す。図７に示された通り、同期された骨格方向ベクトル５２と、床反力ベクトル４６とを重ねて表示させ、両者のズレ７１を把握する。このズレ７１は、３次元空間における骨格方向ベクトル５２と、床反力ベクトル４６との角度差で表すことができる。

図８は、実施例１の床反力ベクトルと骨格方向ベクトルの時系列変化を示した図である。図８に示すように、判定部１１３から出力される、同期された床反力ベクトル値１４１と、骨格方向ベクトル値１４２と、の時系列変化が示される。図８において、骨格方向ベクトル値の時系列変化５２ｔ、床反力ベクトル値の時系列変化４６ｔ、ズレの時系列変化７１ｔで示される。尚、この時系列変化は、判定部から、通信Ｉ／Ｆ１８を経由し、解析結果表示部４によって表示される。これにより、ユーザは、ズレの大きいタイミング(時間ｔ１)を理解することができる。尚、カメラ３からの映像を記憶装置１９に格納し、判定部１１３により、床反力ベクトル算出部１１１と骨格方向ベクトル算出部１１２の出力と格納された映像との同期をとれば、時間ｔ１の映像を解析結果出力部４に出力することができる。ユーザは骨格方向ベクトルと床反力ベクトルのズレの大きなタイミングを映像によっても確認することができる。

図３Ａから図８は、被検体の片足である左足について、説明したが、被検体の右足についても同様に床反力ベクトルと骨格方向ベクトルとを表示させることができる。また、床反力ベクトルと骨格方向ベクトルのズレを重ねて解析結果出力部４により表示することができる。
その場合、圧力情報収集部２は、左右両足の足裏に図３Ａのような複数の圧力センサを設置し、被検体の両足の足裏の圧力値を検出する。

床反力ベクトル算出部１１１は、被検体の左右それぞれの足裏の圧力に関する情報から、左右の足の床反力ベクトルを、左足床反力ベクトルと右足床反力ベクトルとして算出する。

解析結果出力部は、骨格方向ベクトル算出部１１２により算出される左足骨格方向ベクトルと、左足床反力ベクトルとを重ねて表示する。また、解析結果出力部は、骨格方向ベクトル算出部１１２により算出される右足骨格方向ベクトルと右足床反力ベクトルとを重ねて表示する。

判定部１１３は、左足骨格方向ベクトルと左足床反力ベクトルとのズレより、左足の安定性を判定する。また、判定部１１３は、右足骨格方向ベクトルと右足床反力ベクトルとのズレより、右足の安定性を判定する。

図９は、実施例１の被検体のバランスが崩れた状態の骨格と圧力値とを表示した図である。図８に示した表示により、ユーザは、時間ｔ１が、最も骨格方向ベクトル５２と床反力ベクトル４６とのズレが大きいタイミングであることを理解できる。時間ｔ１を特定する情報が入力されると、判定部１１３が時刻ｔ１における、骨格方向ベクトルを骨格方向ベクトル値１４２から読み出し、床反力ベクトルを床反力ベクトル値１４１から読み出し、解析結果出力部４に出力する。解析結果出力部４は、図９のように、ズレ７１が大きいタイミングの時間ｔ１の被検体の骨格と、圧力値バランスや圧力重心４２と、を同時に表示する。
これにより、ユーザは、ズレ７１の大きくなったタイミングの姿勢や圧力重心を容易に理解できるため、容易に正しい姿勢に正すことができる。

図１０は、実施例１の被検体のバランスが崩れた他の状態を表示した図である。骨格方向ベクトル算出部１１２は、カメラ３からの映像を解析し、被検体の上肢の傾きを算出し、解析結果出力部４に出力する。

解析結果出力部４は、骨格方向ベクトルと、床反力ベクトルと、上肢の傾きを同時に表示する。上肢の右腰の関節位置１１０１と左腰の関節位置１１０２を結んだ中心位置１１０３と首を結んだ上肢の傾きを示す線１１０４と骨格中心１１０５の鉛直軸を補助線とし、両方を表示することで、骨格が前傾しているか後傾しているか、また左右への傾きを表示でき、ユーザに対して、ズレが生じている原因を容易に理解させることができる。

図１１は、実施例２の杖を使用した場合の骨格と圧力値との表示例を示した図である。実施例１は、被検体１０が杖無しで歩行訓練する形態に対し、実施例２は、図１１の左側に示すように、被検体１０が杖１２１を用いて歩行訓練する形態である。

実施例２では、図１の圧力情報収集部２は、図３Ａに示した足裏の圧力センサ部に加え、杖１２１を支える手圧力センサ１２２と、杖が地面に接地する位置に杖圧力センサ１２３と、を備える。手圧力センサ１２２と杖圧力センサ１２３が追加され、追加されたセンサによる圧力に関する情報を処理する点を除いて、実施例１と同様である。

各圧力センサによって検出される圧力分布は、情報解析部１１によって、解析結果出力部４に出力され、図１１の右側のように表示される。手の圧力センサは、右手の圧力センサによる右手圧力分布１２２ａ、左手の圧力センサによる左手圧力分布１２２ｂにより示され、杖と足裏の圧力分布が杖－足裏圧力分布１２３ａとして示される。

図１２は、実施例２の支持基底面の表示例を示した図である。図１２では、解析結果出力部４が表示する支持基底面１２５と被検体の圧力分布の関係を示している。

記憶装置１９には、杖を有する場合の支持基底面１２５を格納しておき、支持基底面１２５を解析結果出力部４に表示する。

判定部１１３は、杖と足裏の圧力値とから第２の圧力重心１２６を求め、第２の圧力重心が支持計底面内にあるかによって被検体の安定性を判定する。第２の圧力重心は、図３Ａで説明した足の圧力重心に、杖の圧力と座標を加えて、圧力重心座標を求める。

判定部１１３は、支持基底面１２５から被検体の重心が外れた際に、転倒予知アラームを、解析結果出力部４に出力する。尚、支持基底面１２５とは、被検体の重心がその範囲内にあるときは安定し、転倒の危険が少ない領域を表したものである。

尚、実施例２においても、足裏の圧力センサ部からの圧力に関する情報に基づく、床反力ベクトルと被検体の骨格方向ベクトルとを解析結果出力部４に重ねて表示しても良い。
以上、実施例２によると、杖を要する被検体の歩行訓練を効果的にサポートすることができる。

図１３は、実施例３の４点支持の杖の圧力センサの配置を示した図である。４本の支持軸の地面接地面には、４つの杖圧力センサ１３３ａ、１３３ｂ、１３３ｃ、１３３ｄがそれぞれ設けられている。

実施例３では、４つのセンサにより、図３Ａの８つの足裏センサのように、杖の床反力ベクトル（杖床反力ベクトル）を算出することができる。つまり、図４の足裏重心４３は、杖の４点支持の中心点である杖重心となり、４つの圧力のセンサの値は、図３Ａの圧力値Ｍｌ１等の値に相当し、４つの圧力センサの値と４つの圧力センサの座標とにより杖圧力重心を求める。杖重心と杖圧力重心の距離から杖重心ベクトルを算出し、杖圧力重心と４つの圧力センサの合計値より杖圧力ベクトルとを算出する。そして、杖重心ベクトルと杖圧力ベクトルの二つのベクトルを加算した値を杖床反力ベクトルとして算出する。

尚、実施例３においても、足裏の圧力センサ部からの圧力に関する情報に基づく、床反力ベクトルと被検体の骨格方向ベクトルとを解析結果出力部４に重ねて表示しても良い。

また、杖１２１の杖方向ベクトルと杖床反力ベクトルとを、解析結果出力部４に重ねて表示しても良い。

杖を使った歩行訓練は、重度の障害を有する被検体において、重要なステップとなることから、実施例３によると、重度の障害を有する被検体の歩行訓練に効果がある。さらに、医療・介護スタッフへ迅速に被検体の状態を提示することができるという効果がある。

以上の通り、本発明は、足圧から床反力ベクトルを推定し、足の骨格方向を同時に表示することで、より安定した歩行の支援を提示可能とする生体計測システム及び方法を提供することができる。

また、歩行訓練の際に杖などを使用するが、杖などの器具に対して、バランスのかけ方を容易に理解することが可能となる。

実施例４では、各圧力センサの値から求められた圧力重心４２の位置及びその時系列情報から、歩行周期を推定し、提示可能とする。歩行周期とは、例えば同側の足の初期接地から次の初期接地までの時間によって定義付けられるものである。例えば、踵部に設置される圧力センサの出力の時系列変化を解析し、圧力がかかり始める時間の間隔を計算することで、簡易的に算出することもできる。さらに、歩行周期を細分化することもできる。例えば、1992 年にランチョロスアミーゴス国立リハビリテーションセンターが発表した歩行分析の定義によれば、初期接地（Initial Contact；以下，IC）、荷重応答期（Lording Response；以下，LR）：IC から対側爪先離地まで、立脚中期（Mid Stance；以下，MSt）：対側爪先離地から対側下腿下垂位まで、立脚終期（Terminal Stance；以下，TSt）：対側下腿下垂位から対側IC まで、前遊脚期（Pre Swing；以下，PSw）：対側IC から観測肢爪先離地まで、遊脚初期（Initial Swing；以下，ISw）：観測肢爪先離地から両下腿の交差まで、遊脚中期（Mid Swing；以下，MSw）：両下腿交差から下腿下垂位まで、遊脚終期（Terminal Swing；以下，TSw）：下腿下垂位からIC までの８つのカテゴリーに分類するものである。

図１４は、実施例４の歩行周期の各相に分類する場合の、足の圧力の例を示す。両足の圧力の有無や爪先や踵などの圧力のかかる部位を認識し、歩行周期の相（カテゴリー）を推定する。

判定部１１３は、圧力重心の座標より歩行周期と相を算出し、解析結果出力部４に出力する。解析結果出力部４は、骨格方向ベクトル算出部１１２により算出される左足骨格方向ベクトルと、左足床反力ベクトルとを重ねて表示し、骨格方向ベクトル算出部１１２により算出される右足骨格方向ベクトルと右足床反力ベクトルと、歩行周期を重ねて表示する。

骨格を検出するカメラの情報を用いて、歩幅、歩隔を推定し、提示可能とする。また、歩幅から１０メートル歩行における歩行時間も提示可能とする。

高次脳機能のデータ（脳機能を計測するための簡易検査等の結果）や歩行状態のモニタリング（リハビリの効果判定）のために筋電のデータを入力し、解析結果と組み合わせて、歩行に関連する情報も同時に提示可能とする。

判定部１１３は、外部装置から高次脳機能と、筋電データと、歩行シミュレーション動画を受信する。解析結果出力部４は、骨格方向ベクトルと、床反力ベクトルと、外部装置からのデータを同時に表示する。

実施例６では、歩行の見本となる歩行シミュレーション動画１２０１と、実施例４、実施例５の情報１２０２を解析結果出力部４で同時に提示可能とする。

図１５は、実施例４の歩行周期：３秒、歩行周期の相：Ｍｓｔ、歩幅：５０ｃｍ、歩隔：１０ｃｍ、１０ｍ歩行時間：１５秒、実施例５の高次脳機能スコア１：２０、高次脳機能スコア２：１５を表示した例である。

判定部１１３は、骨格方向ベクトル算出部１１２と圧力情報収集部２からの情報に基づき、被検体の歩行周期と、相と、歩幅と、歩隔と、１０メートル歩行時間を算出する。解析結果出力部４は、歩行周期と、相と、歩幅と、歩隔、１０メートル歩行時間を表示する。

実施例７では、圧力重心４２位置から延びる鉛直軸と骨格と足底圧の同時に表示可能とする。

骨格方向ベクトル算出部１１２は、カメラ３によって撮影された被検体の骨格から被検体のひざ関節位置を算出する。判定部１１３は、圧力重心４２からの鉛直軸とひざ関節の水平距離１３０２を計算して解析結果表示部４に出力する。解析結果出力部４は、骨格方向ベクトル５２と、床反力ベクトル４６と、ひざ関節の水平距離１３０２を重ねて表示する。

実施例７では、圧力重心４２位置から延びる鉛直軸とひざの高さにおけるひざ関節との水平距離を解析結果出力部４で同時に表示可能とする。

図１６は、実施例7のひざ関節の水平距離を表示した例である。ひざ関節は、骨格方向ベクトル算出部１１２により算出することができる。圧力重心４２から延びる鉛直軸１３０１とひざ関節の水平距離１３０２を提示することで、安定した歩行のためのひざの屈曲・伸展の状況を容易に理解させることができる。

１：情報処理装置
２：圧力情報収集部
３：カメラ
４：解析結果出力部
１１：情報解析部
１３：バス
１５：ＣＰＵ
１６：メモリ
１８：通信Ｉ／Ｆ
１１１：床反力ベクトル算出部
１１２：骨格方向ベクトル算出部
１１３：判定部

Claims (16)

1. 被検体を撮影するカメラと、
   前記被検体の少なくとも一方の足裏の圧力値を検出する圧力情報収集部と、
   前記カメラにより撮影された前記被検体の骨格方向ベクトルを算出する骨格方向ベクトル算出部と、
   前記圧力情報収集部からの圧力に関する情報に基づき、床反力ベクトルを算出する床反力ベクトル算出部と、
   前記骨格方向ベクトル算出部により算出される前記骨格方向ベクトルと、前記床反力ベクトル算出部により算出される前記床反力ベクトルと、を重ねて表示する解析結果出力部と、を有することを特徴とする生体計測システム。
2. 請求項１に記載の生体計測システムにおいて、
   前記骨格方向ベクトル算出部により算出される前記骨格方向ベクトルと、前記床反力ベクトル算出部により算出される前記床反力ベクトルとの差分を算出する判定部を有し、
   前記解析結果出力部は、前記骨格方向ベクトルと前記床反力ベクトルに加え、前記判定部により算出される前記骨格方向ベクトルと前記床反力ベクトルの差分を重ねて表示することを特徴とする生体計測システム。
3. 請求項２に記載の生体計測システムにおいて、
   前記圧力情報収集部は、前記被検体の足裏から圧力値を検出する複数の圧力センサを含み、
   前記床反力ベクトル算出部は、
   前記複数の圧力センサの値から前記被検体の第１の圧力重心を算出し、
   前記第１の圧力重心と前記被検体の足裏重心との距離から重心ベクトルを算出し、
   前記第１の圧力重心と前記複数の圧力センサの圧力値の合計値から求まる圧力ベクトルを算出し、
   前記重心ベクトルと前記圧力ベクトルを加算することで前記床反力ベクトルを算出することを特徴とする生体計測システム。
4. 請求項３に記載の生体計測システムにおいて、
   前記複数の圧力センサの各々は、設置されている位置を特定する座標値を有し、
   前記床反力ベクトル算出部は、前記複数の圧力センサの座標値と前記複数の圧力センサにより計測される圧力値により、前記第１の圧力重心の座標を算出することを特徴とする生体計測システム。
5. 請求項２に記載の生体計測システムにおいて、
   前記判定部は、前記床反力ベクトルと前記骨格方向ベクトルとを時間的に同期させて前記解析結果出力部に出力し、
   前記解析結果出力部は、前記床反力ベクトルと前記骨格方向ベクトルの時系列変化を表示することを特徴とする生体計測システム。
6. 請求項５に記載の生体計測システムにおいて、
   前記圧力情報収集部は、前記被検体の両足の足裏の圧力値を検出し、
   前記床反力ベクトル算出部は、前記被検体の左右それぞれの足裏の圧力に関する情報から、左右の足の床反力ベクトルを、左足床反力ベクトルと右足床反力ベクトルとして算出し、
   前記解析結果出力部は、前記骨格方向ベクトル算出部により算出される左足骨格方向ベクトルと、前記左足床反力ベクトルとを重ねて表示し、前記骨格方向ベクトル算出部により算出される右足骨格方向ベクトルと前記右足床反力ベクトルとを重ねて表示することを特徴とする生体計測システム。
7. 請求項６に記載の生体計測システムにおいて、
   前記判定部は、
   前記左足骨格方向ベクトルと前記左足床反力ベクトルとのズレより、左足の安定性を判定し、
   前記右足骨格方向ベクトルと前記右足床反力ベクトルとのズレより、右足の安定性を判定することを特徴とする生体計測システム。
8. 請求項３に記載の生体計測システムにおいて、
   前記圧力情報収集部は、杖の先端に設けられた杖圧力センサを有し、
   前記複数の圧力センサと前記杖圧力センサの圧力値に基づく杖－足裏圧力分布と、前記被検体の支持基底面とを重ねて表示することを特徴とする生体計測システム。
9. 請求項８に記載の生体計測システムにおいて、
   前記判定部は、前記杖と前記足裏の圧力値とから第２の圧力重心を求め、前記第２の圧力重心が前記支持基底面内にあるかによって前記被検体の安定性を判定することを特徴とする生体計測システム。
10. 請求項８に記載の生体計測システムにおいて、
    前記杖は、４点支持の杖であり、
    前記杖圧力センサは、前記４点支持の各々に設けられ、
    前記床反力ベクトル算出部は、
    前記４点支持の各々に設けられた４つの杖圧力センサの値と前記４つの杖圧力センサの座標とにより杖圧力重心を求め、
    前記杖の杖重心と前記杖圧力重心の距離から杖重心ベクトルを算出し、
    前記杖圧力重心と前記４つの杖圧力センサの合計値より杖圧力ベクトルとを算出し、
    前記杖重心ベクトルと前記杖圧力ベクトルの二つのベクトルを加算した値を杖床反力ベクトルとして算出することを特徴とする生体計測システム。
11. カメラにより被検体を撮影し、
    圧力情報収集部により、前記被検体の少なくとも一方の足裏の圧力値を検出し、
    処理部により、
    前記カメラにより撮影された前記被検体の骨格方向ベクトルを算出し、
    前記圧力情報収集部からの圧力に関する情報に基づき、床反力ベクトルを算出し、
    前記骨格方向ベクトルと前記床反力ベクトルとの差分を算出し、
    前記骨格方向ベクトルと、前記床反力ベクトルと、前記骨格方向ベクトルと前記床反力ベクトルとの差分を、解析結果表示部に重ねて表示することを特徴とする生体計測方法。
12. 請求項４に記載の生体計測システムにおいて、
    前記床反力ベクトル算出部は、前記被検体の左右それぞれの足裏の圧力に関する情報から、左右の足の床反力ベクトルを、左足床反力ベクトルと右足床反力ベクトルとして算出し、
    前記判定部は、前記第１の圧力重心の座標より歩行周期と相を算出し、
    前記解析結果出力部は、前記骨格方向ベクトル算出部により算出される左足骨格方向ベクトルと、前記左足床反力ベクトルとを重ねて表示し、前記骨格方向ベクトル算出部により算出される右足骨格方向ベクトルと前記右足床反力ベクトルと、前記歩行周期を重ねて表示することを特徴とする生体計測システム。
13. 請求項１２に記載の生体計測システムにおいて、
    前記判定部は、前記骨格方向ベクトル算出部と前記圧力情報収集部からの情報に基づき、前記被検体の前記歩行周期と、相と、歩幅と、歩隔と、１０メートル歩行時間を算出し、
    前記解析結果出力部は、前記歩行周期と、前記相と、前記歩幅と、前記歩隔、前記１０メートル歩行時間を表示することを特徴とする生体計測システム。
14. 請求項６に記載の生体計測システムにおいて、
    前記判定部は、外部装置から高次脳機能と、筋電データと、歩行シミュレーション動画を受信し、前記解析結果出力部に出力し、
    前記解析結果出力部は、前記骨格方向ベクトルと、前記床反力ベクトルと、前記外部装置からのデータを同時に表示することを特徴とする生体計測システム。
15. 請求項６に記載の生体計測システムにおいて、
    前記骨格方向ベクトル算出部は、前記被検体の上肢の傾きを算出し、
    前記解析結果出力部は、前記骨格方向ベクトルと、前記床反力ベクトルと、前記上肢の傾きを同時に表示することを特徴とする生体計測システム。
16. 請求項６に記載の生体計測システムにおいて、
    前記骨格方向ベクトル算出部は、前記被検体のひざ関節の位置を算出し、
    前記判定部は、圧力重心からの鉛直軸と前記ひざ関節の水平距離を計算して前記解析結果出力部に出力し、
    前記解析結果出力部は、前記骨格方向ベクトルと、前記床反力ベクトルと、前記ひざ関節の水平距離を重ねて表示することを特徴とする生体計測システム。

Images