小型のウェアラブルセンサを用いた姿勢計測
10
0
0
全文
(2) 情報処理学会論文誌. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). 作業者と初心者の木目細かい姿勢変化を可視化し比較する. 本論文では，健康管理や作業管理のために，日常的に姿. ことで，腰に負担がかかる要因を詳細に調査することがで. 勢を計測することを目指し，日常における姿勢計測が可能. きる [6]．継続時間を示すために，姿勢を代表的な姿勢へ. な実証システムを構築した．本システムは，日常的な計測. 分類し，時間や日単位での累積結果を可視化する．これに. を実証するために試作した，小型軽量で長時間連続稼働可. より，たとえば，日常業務中に無意識に取っている姿勢を. 能なウェアラブルセンサ（以下，肌装着型センサ）と，新. 把握でき日々の姿勢を見直すきっかけを与えることができ. たな体幹姿勢の可視化手法および分類手法が搭載されたア. る [7]．. ルゴリズムで構成される．. しかしながら，姿勢計測で多用されている光学式モー. 論文の構成は以下のとおりである．次章でセンサの詳. ションキャプチャシステム [8] は，複数台のカメラを設置. 細・実験手法・姿勢の定義を述べた後，3 章では 2 次曲線. するために広い空間を確保する必要があること，カメラ視. を用いた体幹姿勢の可視化手法および適用事例を示す．4. 野外の広範囲にわたる活動を計測できないこと，着席時に. 章では，姿勢分類手法を説明した後，最適なセンサ装着箇. 反射マーカーが隠れた場合正確なデータを取得できないこ. 所の選定および日常のオフィス業務中の姿勢計測への適用. となどから，日常的な計測には不向きである．一方，ウェ. 事例を報告する．5 章では，まとめと今後の課題を述べる．. アラブルセンサを用いた計測システムの場合，小規模かつ. 2. 実験手法. 計測部位や計測範囲にとらわれないため，様々な環境や状 況に適応できる [9], [10]．装着箇所の制約や長時間の装着. 2.1 機器構成. によるユーザの負荷を考慮すると，ウェアラブルセンサは. 姿勢計測に用いた機器を図 1 に示す．加速度・気圧・. 小型軽量かつリアルタイムで長期間連続計測でき，装着数. 温度の同時計測が可能な肌装着型センサ，肌装着型セン. は可能な限り少ない方が望ましい．. サからワイヤレスでリアルタイムに取得したデータを受. これまでに，少数のウェアラブルセンサを用いた体幹姿 勢の可視化および分類手法が報告されている．. 信・分析する受信機付きコンピュータ（PC）を用いる．ま た，実験参加者を実験中にビデオカメラに記録し，姿勢の. 体幹姿勢の可視化手法に関しては，加速度センサとジャ. 計測リファレンスとする．肌装着型センサは，サイズが. イロセンサを背中に 3 個装着し，座位については 4 姿勢（前. 22.0 mm × 9.9 mm，サンプリング周波数は 128 Hz，無線周. 傾・後傾・右側屈・左側屈）に限定した計測例がある [11]．. 波数は 2.4 GHz 帯である．電池は，補聴器用の空気電池を. しかし，姿勢を常時・継続的に計測する場合，消費電力の. 使用した．肌装着型センサに搭載されている全センサを使. 大きいジャイロセンサの使用は望ましくない．また，伸縮. 用したときの連続稼働時間は 9 日間程度である．人体に貼. を測定できる布センサを用いて試作したサスペンダーを. り付けやすいように，薄いアクリル板に両面テープで装着. 装着し，リアルタイムに体幹姿勢を可視化した計測例があ. し肌にテープで固定して使用する．. る [12]．しかし，計測にはサスペンダーが必須であり，長 時間の装着によるユーザの負荷や嗜好を考えると，日常的 な計測には不向きである． 体幹姿勢の分類手法に関しては，加速度センサとジャイ ロセンサが搭載された携帯端末を用いて，直立・前後傾き・ 左右傾きなどの姿勢を推定する手法や [13], [14]，3 個の加 速度センサを用いて姿勢悪化を検出し，その状況を通知す る姿勢改善補助システムが提案されている [15], [16]．ま た，単一のウェアラブルセンサを用いて，体幹姿勢の修正 を促す製品も報告されている．たとえば，胸・鎖骨付近・ 腰付近に装着した単一の加速度センサを用いて体幹の傾き を算出し，設定した値の範囲外であればセンサを振動させ， 姿勢の修正を促す製品がある [17], [18], [19]．また，加速 度センサと歪みゲージを腰付近に装着し，同様に姿勢の修 正を促す製品がある [20]．しかし，これらの研究や製品で は，たとえば左右方向への屈曲や猫背・反りといった，腰 に負担がかかる姿勢の多くを検出することはできない．ま た，検出できる姿勢に対しても，特徴量に対して閾値処理 を行っているため，想定している閾値以外での有効性は不 明である．. c 2015 Information Processing Society of Japan . 図 1. 肌装着型センサと機器構成. Fig. 1 Small-size wearable sensor and measurement system.. 22.
(3) 情報処理学会論文誌. 図 2. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). 前額面・矢状面と 3 軸加速度センサの座標系. Fig. 2 The coronal plane and the sagittal plane of the body, and the coordinates of the tri-axial accelerometer.. 図 4 傾斜と曲がり具合を考慮した代表的な 13 種類の座位姿勢. Fig. 4 Typical thirteen sitting postures in consideration of tilt and flexion of the trunk.. に，前額面上のセンサ角度 ϕ1 ，ϕ01 と姿勢角度 θ1 の関係 を示す．. (θ1 , θ2 ) := (ϕ1 − ϕ01 , ϕ2 ). (2). 2.3 デスクワーク中の姿勢の定義 本論文ではデスクワーク中の椅子に座っている場合の姿 図 3 前額面上のセンサ角度 ϕ1 ，ϕ01 と姿勢角度 θ1 の関係. Fig. 3 The relationship between sensor angle ϕ1 , ϕ01 and posture angle θ1 in the coronal plane.. 勢計測を前提とする．代表姿勢として，図 4 に示すよう に，腰を痛めやすいと報告されている，前後傾き，左右傾 き，猫背・反りの 3 つのパラメータに着目し，各軸を代表す る特徴点として 13 種類の姿勢（図中 “□” 印）を選択する．. 2.2 加速度センサを用いた姿勢角度の算出 本論文では，肌装着型センサに搭載されている 3 軸加速 度センサを使用し，重力加速度を基準とするセンサ角度を，. 3. 体幹姿勢の可視化 体幹姿勢の変化を可視化することで，腰に負担がかかる. 図 2 に示す前額面上および矢状面上に対して算出する．前. 要因の詳細な調査が可能になると考えられる．そこで本章. 額面は人体を前後に分け，矢状面は左右に分ける仮想の平. では，体幹姿勢を背中表面に沿った曲線で表現する手法を. 面である [6]．3 軸加速度センサの出力値を x，y ，z とする. 説明する．3.1 節で，センサの装着箇所および姿勢の計測. と，鉛直上方に対するセンサ角度は次式で算出できる．単. 方法を述べる．3.2 節では，できるだけ少ないセンサ数で. 位は [rad] である．. 体幹姿勢を表現するために，3 個のセンサを用いて体幹姿. ϕ1 = tan−1. z , y. ϕ2 = tan−1. . −x y2 + z2. . 勢を表現する手法を説明し，3.3 節では 13 種類の体幹姿勢. (1). ここで，ϕ1 は前額面上のセンサ角度であり，ϕ2 は矢状面. へ適用した結果を報告する．. 3.1 13 種類の姿勢計測. 上のセンサ角度である．センサが前額面上で回転して取り. ヒトの脊柱には，生理的彎曲があり，矢状面内で頸椎と腰. つけられている場合に対応するために，ϕ2 は y–z 平面上の. 椎は前彎し胸椎は後彎している [6]．そこで，2 つの 2 次曲. 成分と x 成分との比を用いて算出する．基準姿勢でのセン. 線をつなぎ合わせることで，体幹姿勢を背中表面に沿った. サ角度を（ϕ01 , ϕ02 ） ，任意姿勢でのセンサ角度を（ϕ1 , ϕ2 ）. 2 次曲線として表現できると考えた．2 次曲線のパラメー. とする．センサ平面と前額面が平行であると仮定すれば，. タを決定するためには，1 つの曲線についてそれぞれ 2 つ. x 軸は前額面の法線方向成分と一致するので，矢状面上の. のセンサが必要である．今回はできるだけ少ないセンサ数. 姿勢角度 θ2 は任意の姿勢でのセンサ角度 ϕ2 と一致する．. で姿勢を表現するために，中央のセンサを共有した．図 5. したがって，姿勢角度（θ1 , θ2 ）は次式で与えられる．図 3. に示すように，センサ 1 と 3 は，腰から首の付け根までの. c 2015 Information Processing Society of Japan . 23.
(4) 情報処理学会論文誌. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). 図 5 肌装着型センサの装着箇所（★：第 7 頸椎，●：第 5 腰椎）. Fig. 5 Location of small-size wearable sensors (★: seventh cervical vertebra, ●: fifth lumbar vertebra).. 範囲を可視化するために，第 5 腰椎と第 7 頸椎上の背中表 面に装着した．センサ 2 は，S 字曲線の変曲点に位置する のが理想的であるが，変曲点は姿勢によって変化するので， 今回は第 5 腰椎と第 7 頸椎の中間に装着した． 実験参加者は 1 名（40 代男性）である．計測回数各姿勢 において 1 回ずつである．測定時には背もたれがある椅子 を使用した．後傾姿勢 3 種類の際は，肌装着型センサが背 もたれにあたって測定に影響しないよう，背もたれを使用 しなかった．また前傾姿勢 3 種類においては，姿勢が維持 できるよう机に肘を置き，体を支えた．. 3.2 2 次曲線を用いた体幹姿勢の表現手法 センサ i の前額面および矢状面上の角度を θ1,i , θ2,i とす る．また，センサ i とセンサ i + 1 の距離を Li とする．前 額面に対して，センサ i を原点とし，センサ i + 1 に至る 2 次曲線 y = ai x2 の ai は次式で算出できる．. . Li =. xi. 0. . 1 + 4a2i x2 dx. xi 1 dy = + 1dy 1 + 4ai y √ 2 a y 4a i iy 0 0 4a2i x2i + 1 − 2ai xi 1 2 2 = 4ai xi 4ai xi + 1 − log 8ai 4a2i x2i + 1 + 2ai xi . =. xi. . (3) センサ i+1 のセンサ i に対する傾きを βi = tan(θ1,i+1 −θ1,i ) と す る と ，傾 き は 関 数 の 一 階 微 分 で 与 え ら れ る の で. 2ai xi = βi より 2+1−β β 1 i ai = 2βi βi2 + 1 − log i 8Li βi2 + 1 + βi. (4). となる．可視化の際には，上記曲線を θ1,i + π/2 だけ回転 させる．同様に矢状面上の曲線が算出できる．. 3.3 13 種類の体幹姿勢の可視化 3.2 節の式を用いて表現した 13 種類の体幹姿勢をそれぞ. 図 6 13 種類の体幹姿勢と静止画の比較（ピンク線：前額面，赤線： 矢状面．(a)：左右方向への屈曲結果，(b)：前後方向への屈曲 結果）. Fig. 6 Comparison between postures in the images and estimated shape profiles for thirteen postures.. している．図 6 (a) のうち，直座位を除く 4 種は左右へ， 図 6 (b) の 8 種類は前後へ屈曲する姿勢である．. れ，図 6 に示す．ピンク線は前額面上の曲線であり，赤. 図 6 (a) の 2 段目で示す 2 種類の右側屈姿勢では，可視. 線は矢状面上の曲線である．各点はセンサの装着箇所を示. 化した曲線は，“右側屈” よりも “右側屈で猫背” の姿勢の. c 2015 Information Processing Society of Japan . 24.
(5) 情報処理学会論文誌. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). 方が前額面上・矢状面上ともに屈曲が深く，重ね合わせた. あり，1 回ごとに直座位から移行し，10 秒間静止した．直. 静止画の体幹姿勢によく一致している．図 6 (a) の 3 段目. 座位の計測回数は計 60 回である．. で示す 2 種類の左側屈姿勢も，同様によく一致した結果が 得られている．図 6 (b) の 1 段目で示す 2 種類の直立姿勢. 4.2 確率分布の計算方法. や，2, 3 段目で示す前・後傾姿勢各 3 種においても，背中. 3.1 節で示した実験方法に従って，姿勢角度 Θ = (θ1 , θ2 )T. の曲げ伸ばしを含めた姿勢は静止画の体幹姿勢によく一致. を算出し，各姿勢 j の姿勢角度の平均ベクトル Θj と共分. している．直座位から各姿勢へ至る途中の姿勢でも，姿勢. 散行列 Aj を求めて，多次元正規分布を作成した．分類す. 変化は静止画の体幹姿勢に追従できていることを確認して. べき角度 θ が姿勢 j に属する確率 Pj (θ) は次式で計算する．. いる．. d は次元数である．. 以上より，図 4 に示す各パラメータの軸における，原点・ 最小値・最大値の体幹姿勢を，加速度センサから算出した 姿勢角度を用いて表現できることを確認した．今後は，実 験参加者の人数を増やすとともに，提案手法をリファレン ス手法と比較することで，提案手法の有効性を定量的に評 価する予定である．. 4. 体幹姿勢の姿勢分類 姿勢を代表的な姿勢へ分類し，時間や日単位での累積結 果を観察することで，姿勢の気づきによる改善指導につな がると考えられる．そこで本章では，姿勢が最も精度よく 分類できるセンサ装着箇所を特定し，1 日の姿勢変化を代 表的な姿勢へ分類する手法について述べる．4.1 節ではセ ンサの装着箇所を述べ，4.2 節では姿勢の分類方法を述べ る．4.3 節では 2 個の 3 軸加速度センサを組み合わせた分 類結果を，4.4 節では単一の 3 軸加速度センサを用いた分 類結果を，4.5 節では 4.4 節で特定した箇所に肌装着型セ ンサを装着し，1 日の姿勢変化を代表的な姿勢へ分類した 結果を報告する．. T −1 1 1 e− 2 {(θ−Θj ) A (θ−Θj )} Pj (θ) = √ ( 2π)d |Aj |. (5). 姿勢角度 θ の分類は，確率 Pj (θ) が最も高い姿勢に属す るものとした．なお，多次元正規分布は実験参加者別に作 成した．. 4.3 最適なセンサ装着箇所の選定（センサ 2 個） 背中に装着したセンサのうち，2 カ所のセンサを組み合わ せて姿勢分類を行った．組み合わせ数は計 45 通りである． 上式で確率を算出する際，分散のきわめて小さい方向が 存在すると，共分散行列の逆行列の精度が劣化するという 問題がある．そこで，この問題を解決するために，主成分 分析を適用した．具体的には，固有値の小さい方向（固有 ベクトル方向）を無視して，対象とする空間の次元を下げ る手段を取った．今の場合は，共分散行列を固有値分解し た後，最大固有値に比べて極端に小さい固有値に対応する 固有ベクトル方向を棄却することに等しい．共分散行列 A の固有値 λi と固有ベクトル qi は次式で得られる．. A = QΛQT , Q = (q1 , . . . , qd ), Λ = diag(λ1 , . . . , λd ) 4.1 姿勢分類に最適な装着箇所の計測 実験参加者は 5 名（20–40 代男性）であり，背中に 8 カ 所，腰骨の左右に 2 カ所，計 10 カ所に肌装着型センサを 装着した．センサの取り付け箇所が体格に影響されないよ うに，第 7 頸椎および第 5 腰椎の間に，背骨に沿って等間 隔に配置した（図 7） ．計測した姿勢は 3 章と同じである． 計測回数は直座位を除く 12 の各姿勢において 10 回ずつで. ただし，λ1 , . . . , λd は降順とする． ここでは，棄却する固有ベクトルを累積寄与率により決 定する．累積寄与率は次式で定義される．. n λk ξ(n) := k=1 d j=1 λj. (6). ξ(n) は固有ベクトル q1 , . . . , qd が張る部分空間のもとの データ分布に対する表現能力を示している．共分散行列 A に対し，ξ(n) が ξc（今回は 0.999 とした）以上になる最小 の n を nc と書く．nc が得られたとき，分類すべき角度 θ の姿勢 j に属する確率 Pj (θ) は以下のように書き直せる． T −1 1 1 Pj (θ) = √ e− 2 {(θ−Θj ) Aj (θ−Θj )} j | ( 2π)nc |A. (7). ただし， T. 図 7 肌装着型センサの装着部位（★：第 7 頸椎，●：第 5 腰椎）. Fig. 7 Location of small-size wearable sensors (★: seventh cervical vertebra, ●: fifth lumbar vertebra).. c 2015 Information Processing Society of Japan . j = Q j Λ j Q j , A. j A. −1. j Λ j =Q. −1. j Q. T.
(6) = (q1 , . . . , qnc ) Q
(7) = (λ1 , . . . , λnc ) Λ 25.
(8) 情報処理学会論文誌. 図8. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). 装着箇所別の正解率の結果（黒枠：70%台，赤枠：80%台，赤 塗りつぶし：90%台の正解率）. Fig. 8 Classification accuracy at each location (black frame: 70%∼, red frame: 80%∼, red square: 90%∼).. である． 各箇所を組み合わせた際の正解率は 10-fold 交差検定で 求めた．各姿勢が 1 回ずつ含まれるよう計測を 10 分割し，. 9 分割から Pj (θ) を計算して 1 分割の姿勢を分類した．そ の後，正解の姿勢と比較し，正解率を求めることを 10 回繰 り返し，組み合わせごとに正解率を求めた．その結果，ど の 2 カ所の組み合わせでも 90%以上の正解率となった．特 に，上から 1, 2, 3, 4, 5 番目のセンサから 2 個を選択し組 み合わせた場合は，5 名とも正解率は 95%以上であった．. 図9. 装着箇所ごとの角度分布の例（a：上から 2 番目のセンサ，b： 下から 2 番目のセンサ）. Fig. 9 Examples of the angular distribution of two locations (a: the second top secsor, b: the second bottom sensor).. 4.4 最適なセンサ装着箇所の選定（センサ 1 個） 4.3 節と同様に，ただし背中に装着したセンサのうち，単. でも高精度に姿勢を分類できることが分かる．. 一のセンサのみで姿勢分類を行った．図 8 に 5 名の正解. 正解率が高くなる要因は，同一姿勢内の角度の分散が小. 率を記す．たとえば A さんの場合，1 番上に装着したセン. さく，姿勢間の角度の分散が大きいことである．図 9 に，. サのみで代表的な姿勢を分類した結果，90%以上の正解率. D さんの上から 2 番目のセンサと下から 2 番目のセンサの. だったことを示す．全 50 カ所（10 カ所 × 5 名）のうち 2. 13 の各姿勢の角度をプロットした結果を示す．たとえば. カ所を除き，正解率は 80%以上だった．中でも，上から 2，. 前傾（図 9 “∗” 印）と前傾反り（図 9 “・” 印）や左側屈. 4 番目は，5 名とも正解率が 90%以上だった．個別に見る. （図 9 “☆” 印）と左側屈で猫背（図 9 “◇” 印）の角度分布. と，姿勢分類の正解率が最も高かった箇所は，A さんは上. を比較すると，上から 2 番目のセンサの方が姿勢内での角. から 2 番目（約 97%） ，B さんは下から 1 番目と 2 番目（同. 度の分散に対して姿勢間の角度の分散が相対的に大きかっ. 率で約 96%），C さんは上から 3 番目と下から 2 番目（同. た．したがって，図 8 において白抜きとなっている正解率. 率で約 92%） ，D さんは上から 2 番目（約 98%） ，E さんは. 70%台，80%台の装着箇所は，2 つ以上の姿勢が混在する. 上から 4 番目と下から 1 番目（同率で約 93%）であった．. など，姿勢内の分散が大きく，姿勢間の分散が小さかった. この結果より，特定の箇所に限定すれば単一のセンサのみ. と考えられる．. c 2015 Information Processing Society of Japan . 26.
(9) 情報処理学会論文誌. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). 図 10 計測時間のうち各姿勢が占める割合（時刻による変化）. Fig. 10 The ratio of postures in measurement time (every hour).. 中の姿勢を計測した．計測したデータを 4.4 節で作成した モデルに当てはめ，代表的な姿勢へ分類した結果を図 10， 図 11 に示す．この際，高い分類精度を確保するために，. 5 分以上定常でない信号は対象から外した．図 10 は，1 時 間ごとの姿勢変化を 100%積み上げグラフで示したもので あり，横軸は時刻，縦軸は割合である．たとえば，B さん の場合，10 時台に直立を約 14%・直立猫背を約 5%・前傾 を 24%・前傾反りを 43%・後傾猫背を約 13%取っている ことを示す．図 11 は，全業務時間における姿勢の割合を， 図 4 で示した姿勢上にプロットした結果である．円の大き さは各姿勢の継続時間を示している． たとえば A さんの場合，前傾猫背などいくつかの姿勢を 取っているが，図 10 を見ると時刻に関係なく後傾猫背の 姿勢の割合が最も高いことが分かる．本結果は，図 11 に 示した全業務時間の結果でも確認することができ，後傾猫 背は計測時間の約 88%を占めている．B さんは，1 日を通 して体を前へ傾ける，前傾直立と前傾反りの姿勢の割合が 高く，12 時台（昼休み）は，直立猫背の割合が一時的に高 くなっている（図 10）．全業務時間においては，前傾，前 傾反りの姿勢が合計で約 68%と高いことが視覚的に確認 できる（図 11）．C さんは，時刻にかかわらず直立や前傾 猫背の姿勢が 20%∼30%の割合を占めており，午後になる と，直立猫背が出現していることが分かる（図 10）．全業 務時間において，時刻依存の小さい前傾猫背や直立の割合 が高いことが分かる（図 11）．D さんは，時刻に関係なく 直立の姿勢の割合が最も高く（図 10），全業務時間におい ても直立が約 67%と最も高い割合を占めていることが分か る（図 11）．E さんは，時刻にかかわらず後ろへ傾ける， 後傾・後傾猫背の姿勢の割合が高く（図 10），全業務時間. 4.5 オフィス業務中の姿勢の計測. の割合も，後傾猫背と後傾の合計は 67%であり，後傾姿勢. 実験参加者 5 名に対し，4.4 節で特定した最も精度よく姿. の割合が高いことが分かる（図 11）．以上の結果から，5. 勢分類ができる箇所にそれぞれセンサを 1 個装着し，およ. 名の姿勢を比較すると，業務中に最も多く取っている姿勢. そ 7 時間にわたるデスクワークを中心とするオフィス業務. とその割合は人ごとに異なることや，左右への側屈姿勢の. c 2015 Information Processing Society of Japan . 27.
(10) 情報処理学会論文誌. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). 図 11 計測時間のうち各姿勢が占める割合（1 日）. Fig. 11 The ratio of posture in measurement time (one day).. 割合が少ないことが分かる． 今回は，5 名を対象とした 1 日分のデータを対象とする ことで，個人間の姿勢の相違を明らかにした．今後，多人 数の長期間にわたるデータを収集することで，日々のトレ ンドを含めた姿勢変化を分析する予定である．. 5. まとめ 日常的な計測を実証するために試作した，小型軽量で長 時間連続稼働可能なウェアラブルセンサ（以下，肌装着型 センサ）を用いて，デスクワークを中心とするオフィスで の体幹姿勢の可視化手法および分類手法を開発し，日常生 活環境下での姿勢を実測した． 体幹姿勢の可視化手法として，3 個の 3 軸加速度センサ. c 2015 Information Processing Society of Japan . 28.
(11) 情報処理学会論文誌. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). を用いて，体幹姿勢を滑らかな区分的 2 次曲線として表現 する手法を提案した．可視化結果を静止画で目視確認し， 可視化した曲線は，重ね合わせた静止画の体幹姿勢によく. [11]. 一致していることを確認した． 姿勢分類手法として主成分分析を用いた方法を提案した． 単一の 3 軸加速度センサを用いた 13 姿勢の分類の正解率. [12]. は，5 名を対象とした実験において 90%以上であった．さ らに，オフィス業務中の姿勢を計測し，13 姿勢へ分類した. [13]. 結果，全業務時間における姿勢の割合を視覚的に示すこと ができた．. [14]. 本論文で報告した，肌装着型センサと姿勢の可視化およ び分類手法は，腰に負担がかからない姿勢の指導への適用. [15]. を考えている．今後は，装着箇所の制約や長時間の装着に よるユーザの負荷を考慮し，単一の加速度センサのみで体. [16]. 幹姿勢を可視化する手法の開発を目指すとともに，姿勢の 可視化および分類結果のユーザへの有効な提示方法の開発 や，提案した手法による姿勢改善効果の検証に取り組んで いきたい．. [17] [18] [19]. 参考文献 [1]. 厚生労働省：膝痛・腰痛・骨折に関する高齢者介護予防 のための地域代表性を有する大規模住民コホート追跡研 究，厚生労働省（オンライン） ，入手先 http://mhlw-grants.niph.go.jp/niph/search/ NIDD00.do?resrchNum=201217001A. [2] Heneweer, H., Staes, F., Aufdemkampe, G., et al.: Physical activity and low back pain: a systematic review of recent literature, European Spine Journal, Vol.20, No.6, pp.826–845 (2011). 【責任編 [3] 【シリーズ編集】黒川幸雄，高橋正明，鶴見隆正， 集】伊藤俊一，鶴見隆正： 〈理学療法 MOOK〉14 腰痛の 理学療法，三輪書店 (2008). [4] Andersson, B.J., Ortengren, R., Nachemson, A., et al.: Lumbar disc pressure and myoelectric back muscle activity during sitting, Scandinavian journal of rehabilitation medicine, Vol.6, No.3, pp.104–114 (1974). [5] Heuer, F., Schemidt H., Klezl, Z., et al.: Stepwise reduction of functional spinal structures increase range of motion and change lordosis angle, Journal of Biomechanics, Vol.40, No.2, pp.271–280 (2007). [6] Neumann, D.A.: Kinesiology of the Musculoskeletal System: Foundations for Rehabilitation, Second Edition, Mosby (2009). 嶋田智明，有馬慶美（監訳）：カラー 版 筋骨格系のキネシオロジー 原著第 2 版，医歯薬出版 (2012). 青田洋一，齋藤知行，上杉昌章，他：長時間着座姿勢にお [7] ける連動型腰椎用 CPM の腰痛予防効果の根拠，腰痛学 会誌，Vol.15, No.1, pp.122–131 (2009). [8] Ranavolo, A., Don, R., Draicchio, F., et al.: Modelling the spine as a deformable body: Feasibility of reconstruction using an optoelectronic system, Applied Ergonomics, Vol.44, No.2, pp.192–199 (2013). [9] Baek, B.S., Kim, D.M., Bashir, F. and Pyun, J.Y.: Real Life Applicable Fall Detection System based on Wireless Body Area Network, Proc. IEEE Consumer Communications and Networking Conference, pp.62–67 (2013). [10] Chan, A.M., Selvaraj, N., Ferdosi, N. and Narasimhan, R.: Wireless Patch Sensor for Remote Monitoring of. c 2015 Information Processing Society of Japan . [20]. Heart Rate, Respiration, Activity, and Falls, Proc. IEEE Engineering in Medicine and Biology Society, pp.6115– 6118 (2013). Wong, W.Y. and Wong, M.S.: Measurement of Postural Change in Trunk Movement Using Three Sensor Modules, IEEE Trans. Instrumentation and Measurement, Vol.58, No.8, pp.2737–2742 (2009). 入手先 http://tobiassonne.com/project/ the-posture-suspenders/ （参照 2014-07-16）. 関口純平，松井崇志，新津善弘：座位姿勢コンテキスト の推定方式，電子情報通信学会東京支部学生会研究発表 会，p.108 (2011). 村田幸之介，澁谷優貴，新津善弘：圧力センサとスマー トフォンを用いた座位姿勢推定方式，電子情報通信学会 東京支部学生会研究発表会，p.60 (2014). 森 祐馬，榎堀 優，間瀬健二：ウェアラブル加速度セ ンサを利用した姿勢評価の検討，情報処理学会研究報告， Vol.2013-HCI-155, No.12, pp.1–6 (2013). 森 祐馬，榎堀 優，間瀬健二：ウェアラブル加速度セン サを利用した姿勢改善補助システム，情報処理学会「マル チメディア，分散，協調とモバイル（DICOMO2014）シ ンポジウム論文集，pp.126–130 (2014). 入手先 http://www.winfrontier.com/lifescore.html（参 . 照 2014-07-16） 入手先 http://www.iposture.com/ （参照 2014-07-16） . 入手先 http://www.lumobodytech.com/lumoback/（参 . 照 2014-07-16） 入手先 http://www.uprightpose.com/ （参照 2014-0716）.. 鷲澤 史歩 （正会員） 2012 年東京工業大学大学院総合理工 学研究科物理情報システム専攻修士課 程修了．同年，株式会社富士通研究所 入社．現在，センサデータを用いた人 の状態認識技術の開発に従事．. 中田 康之 1987 年東京工業大学大学院理工学研 究科電子物理工学専攻修士課程修了． 同年，株式会社富士通研究所入社．視 覚情報処理システム，ロボットの軌道 制御技術の研究開発を経て，現在は人 を対象にしたセンシング技術の研究開 発に従事．. 29.
(12) 情報処理学会論文誌. コンシューマ・デバイス & システム. Vol.5 No.4 21–30 (Oct. 2015). 猪又 明大 1995 年早稲田大学大学院理工学研究 科修士課程修了．同年，株式会社富士 通研究所入社．2003 年，層間交換結 合およびその記録媒体への適用に関す る研究で，同大学博士号取得．超高密 度磁気記録媒体の研究開発を経て，現 在は人を対象にしたセンシング技術と実世界情報の分析・ 可視化の研究開発に従事．. 柳沼 義典 1990 年東京工業大学大学院総合理工 学研究科電子システム専攻修士課程 修了．同年，株式会社富士通研究所入 社．ニューラルネットワーク応用，セ ンサフュージョンシステム，データマ イニングアルゴリズムおよびシステ ムの研究開発を経て，現在は実世界の人を対象にしたソ リューション開発と，そのための要素技術開発に従事．. c 2015 Information Processing Society of Japan . 30.
(13)
図
+3
関連したドキュメント
The answer, I think, must be, the principle or law, called usually the Law of Least Action; suggested by questionable views, but established on the widest induction, and embracing
The goal of this work is to study the performance of the estimates produced by the EM algorithm, taking into account the method of moments and a random initialization method to
In light of his work extending Watson’s proof [85] of Ramanujan’s fifth order mock theta function identities [4] [5] [6], George eventually considered q- Appell series... I found
In view of the existence of traveling wavefronts for both the nonlocal monos- table equation (1.1) and the bistable non-local delayed diffusion equation [20], it is then expected
F igueiredo , Positive solution for a class of p&q-singular elliptic equation, Nonlinear Anal.. Real
Using a method developed by Ambrosetti et al [1, 2] we prove the existence of weak non trivial solutions to fourth-order elliptic equations with singularities and with critical
Variational iteration method is a powerful and efficient technique in finding exact and approximate solutions for one-dimensional fractional hyperbolic partial differential equations..
In plasma physics, we have to solve this kind of problem to determine the power density distribution of an electromagnetic wave m and the total power α from the measurement of
