身体状态推定系统及鞋

技术领域

本发明涉及一种身体状态推定系统及鞋。

背景技术

近年来，随着健康意识的普及，进行跑步或健走等运动的人在增加。通过适当地进行这些运动，可实现健康的维持。另一方面，这些运动也是会长时间反复对同一身体部位施加负荷的动作，因此为了防止受伤等问题，重要的是采取适当的运动姿势。已知有为了获得适当的姿势而使用运动捕捉(motion capture)等的分析机器的情况。然而，由于运动捕捉等的分析机器需要大型的设备，因此对于可更轻松地掌握身体的状态的技术存在一定的需求。

例如在专利文献1中记载了：获取运动时的作为身体基干部分的腰部的加速度数据，并根据所获取的数据推定膝关节的负荷。

现有技术文献

专利文献

专利文献1：日本专利特开2018-038752号公报

本发明的目的在于提供一种通过与专利文献1不同的方法来满足所述需求的身体状态推定系统及搭载有此种系统的鞋。

根据本发明的一实施例，包括：检测部，对鞋的绕规定轴的倾斜度进行检测；以及推定部，基于检测部的检测结果来推定鞋的穿着者的身体的倾斜状态。

附图说明

图1是基于实施方式的鞋的概略立体图。

图2是搭载于所述鞋的身体状态推定系统的框图。

图3是脚的概略图。

图4是表示行走时的脚跟部内翻/外翻角度的经时变化的图表。

图5是脚的概略图。

图6是表示行走时的踝关节跖屈/背屈角度的经时变化的图表。

图7是小腿的概略图。

图8是表示行走时的膝关节屈伸角度的经时变化的图表。

具体实施方式

图1是基于实施方式的鞋的概略立体图。如图1所示，鞋10是所谓的跑步鞋(running shoes)，且包括鞋底(sole)12以及鞋帮(upper)14。在鞋底12中，内置有作为检测部的传感器模块16。传感器模块16由微机电系统(micro-electromechanical system，MEMS)结构的六轴惯性传感器构成，对包含X轴、Y轴及Z轴的三维正交坐标系的各轴方向上的加速度及绕各轴的角速度进行检测并予以输出。此外，也可使用六轴惯性传感器以外的传感器作为检测部。另外，在实施方式中，设为将传感器模块16内置于鞋底12的中脚部，但传感器模块16的位置并不限于此。例如，也可使用配件(attachment)等将传感器模块16安装于鞋带、鞋帮14等鞋10的外表面。

此处，三维正交坐标的X轴在水平面上从脚跟侧朝向脚尖侧延伸。关于绕X轴的角速度，设为在从正面观察右脚用的鞋时逆时针方向为正方向来进行测量。Y轴在与X轴相同的水平面上从内脚侧朝向外脚侧延伸。关于绕Y轴的角速度，设为在从外脚侧观察鞋时逆时针方向为正方向来进行测量。Z轴与水平面正交地从鞋底12一侧朝向鞋帮14一侧延伸。关于绕Z轴的角速度，设为在俯视鞋时逆时针方向为正方向来进行测量。

图2是身体状态推定系统的框图。如图2所示，身体状态推定系统18除了包括传感器模块16之外，还包括推定部20、判定部22以及输出部24。推定部20及判定部22为概念性的，实际上表示通过在适当的运算部内执行程序而实现的功能。因此，推定部20与判定部22无需以能够区别的形态存在。

推定部20基于传感器模块16的检测结果来推定鞋10的穿着者的身体的倾斜状态。所谓身体的倾斜状态，是指穿着者的各种部位的倾斜状态，特别是指穿着者的下半身的各种部位的倾斜状态。推定部20推定能够由所搭载的传感器模块16检测到的倾斜状态以外的倾斜状态。所谓能够由传感器模块16检测到的倾斜状态以外的倾斜状态，是指无法由所搭载的传感器模块16直接测量的倾斜状态、在理论上可直接测量但就传感器模块16的检测性能而言无法获得充分的结果的倾斜状态、或者难以或不能进行直接测量的倾斜状态。推定部20经时地记录各轴方向及绕各轴的角度变化，并使用所记录的内容与预先决定的回归式来推定身体的倾斜状态。作为由推定部20推定的身体的倾斜状态，例如有脚跟部内翻/外翻角度、踝关节跖屈/背屈角度及膝关节屈伸角度。

此外，详细情况将在之后叙述，在推定部20并非使用X轴、Y轴、Z轴方向上的加速度及绕X轴、Y轴、Z轴的角速度的合计6个检测结果进行推定的情况下，也可根据需要减少传感器模块16的检测轴的数量而使用四轴惯性传感器等。

判定部22基于推定部20的推定结果来判定穿着者的步行样态。所谓穿着者的步行样态，是指穿着者步行或行走时的姿态。判定部22根据预先决定的穿着者的身体的特定部位的角度、朝向等推定所述部位的姿态，进而推定穿着者的身体整体或下半身整体的姿态。例如，在推定部20作为身体的倾斜状态而推定了脚跟部内翻/外翻角度、踝关节跖屈/背屈角度及膝关节屈伸角度的情况下，判定部22根据各个角度及其经时变化来判定穿着者的步行样态是否适当。作为一例，关于可由推定部20推定的角度，分别具有阈值，判定部22在各个角度超过阈值的情况下，可判定为步行样态不适当。此情况下，判定部22可将判定结果从输出部24输出给穿着者或分析者。

作为利用判定部22进行的判定，除上文所述的例子外，也可对各个角度的适当程度打分来进行评价。

输出部24将推定部20的推定结果和/或判定部22的判定结果输出到身体状态推定系统外部。作为输出部24，例如可使用蓝牙(Bluetooth)(注册商标)或无线局域网(LocalArea Network，LAN)那样的无线通信系统。

身体状态推定系统18可通过由软件使一体地内置于鞋10内的硬件发挥功能来实现，也可通过将鞋10与外部装置利用有线或无线加以连接并利用软件使多个硬件发挥功能来实现。在由鞋10及外部装置实现身体状态推定系统的情况下，在鞋10内内置传感器模块16、以及将传感器模块16的检测结果发送到外部装置的输出部。即，只要身体状态推定系统18中的至少仅传感器模块16内置于鞋10内，则可采用任何硬件结构。

以下，对基于实施方式的鞋的作用进行说明。

当穿着者穿着鞋10时，推定部20定期地获取静止时和/或步行时(包含行走时)的传感器模块16的检测结果。推定部20使用所获取的检测结果及预先决定的回归式来算出身体的倾斜状态。推定部20的算出结果作为推定结果被供给到输出部24。输出部24将推定结果发送到例如穿着者或分析者所使用的终端。由此，使得穿着者或分析者可阅览推定结果。

接下来，对推定部20的具体作用进行说明。关于以下说明的角度的推定，设为推定部20基于由规定的程序形成的指令来执行。

以下，作为身体的倾斜状态，列举脚跟部内翻/外翻角度、踝关节跖屈/背屈角度及膝关节屈伸角度为例来具体说明其推定方法。推定部20可构成为对多种角度的全部进行推定，也可构成为对仅一部分种类进行推定。

〔脚跟部外翻角度的推定〕

图3是脚的概略图，且是对穿着者从背面侧进行观察而得的图。如图3所示，所谓脚跟部外翻角度α是指小腿倾斜角度β与跟骨外翻角度γ之间的角度。小腿倾斜角度β是对穿着者从背面进行观察时小腿相对于Z轴向内脚侧所呈的角度。跟骨外翻角度γ是对穿着者从背面进行观察时跟骨相对于Z轴向内脚侧所呈的角度。脚跟部外翻角度α由绕Y轴的负值表示。脚跟部外翻角度α的绝对值大的状态作为所谓的过度旋前(over pronation)而为人所知，是穿着者损伤脚腕的原因之一。通过可检测出脚跟部外翻角度α的变化情况、脚跟部外翻角度α的峰值，使得穿着者可进行姿势的改善等以防止过度旋前。

图4是表示行走时的脚跟部内翻/外翻角度的经时变化的图表。在图4中，X轴表示经过时间，Y轴表示角度的变化。X轴是将站立期的开始时设为0％、结束时设为100％而由0％～100％之间的数值表示经过时间。Y轴的角度依照图1所示的三维正交坐标系而区分了正负。此外，脚跟部外翻角度α的值是将外翻角度变大的一侧、即小腿部相对于脚跟部向身体外侧倾斜的一侧设为负值。另外，在对实施方式的有益性进行说明时，为了便于说明，有时会在说明利用推定部20进行的推定时提及发明人等所进行的试验结果。然而，与试验结果相关的说明只不过是仅用于使推定部20的处理容易理解，在对本发明的范围进行解释时不应参照所述说明。

绕X轴的角度的经时变化及绕Y轴的角度的经时变化是可从传感器模块16的检测结果直接获取的值。推定部20使用这些值与回归式来算出脚跟部外翻角度α。

首先，利用运动捕捉系统测量各种性别、年龄、体重的人的行走状态。此时，利用运动捕捉系统，对脚跟部与小腿部附加标记，以便可对小腿倾斜角度β及跟骨外翻角度γ进行检测。接着，基于公知的方法规定脚跟部(跟骨)及小腿部(胫骨)坐标系，并算出行走状态下的跟骨坐标系相对于胫骨坐标系的旋转角度。此时，将绕Y轴的旋转角度设为脚跟部内翻/外翻角度。另外，对鞋的中脚部附加标记，将由中脚部的标记规定的坐标系与静止坐标系的相对角度中从传感器模块16获得的绕X轴的角度设为角度x_mid，将从传感器模块16获得的绕Y轴的角度设为角度y_mid。由所述角度x_mid及角度y_mid构建出对脚跟部外翻角度α进行推定的回归模型。在构建回归模型时，将站立期0％、站立期5％及站立期10％时的角度x_mid及角度y_mid用作解释变量。回归模型将脚跟部外翻角度α的极小值作为目标变量。当然，回归模型根据行走试验的条件而不同，作为由发明人等进行行走试验后获得的回归模型之一，获得了α＝-1.980-0.424×x_mid0％+0.126y_mid10％。此处，x_mid0％是站立期0％时的x的值，y_mid10％是站立期10％时的y的值。

如根据图4可知，在站立期，角度x_mid及角度y_mid为0度的点表示脚底整体接地的瞬间。脚跟部外翻角度α紧跟其后示出最小值。脚跟部外翻角度α的最小值(峰值)在验证过度旋前的方面为重要的值，因此，对脚跟部外翻角度α进行推定的回归模型是有益的。发明人等制作了使用线性回归分析对脚跟部外翻角度α的峰值进行推定的回归模型，结果，相对于实际的行走试验结果的决定系数为0.888。

如此，推定部20基于从传感器模块16获得的检出，可对无法由传感器模块16直接测定的脚跟部外翻角度α进行推定。

〔踝关节跖屈/背屈角度的推定〕

关于踝关节跖屈/背屈角度，与脚跟部内翻/外翻角度同样地，也可根据角度x_mid算出绕X轴的角度，并根据角度y mid算出绕Y轴的角度。

图5是脚的概略图，且是对穿着者从侧面侧进行观察而得的图。如图5所示，所谓踝关节背屈角度δ，是指侧视时脚底与小腿部之间的角度。与脚跟部外翻角度α同样地，踝关节背屈角度δ也可基于由角度x_mid及角度y_mid构建的回归模型来推定。

图6是表示行走时的踝关节跖屈/背屈角度的经时变化的图表。X轴表示在行走时单只脚接地后到离开地面为止的时间。Y轴表示踝关节跖屈/背屈角度、即小腿部与脚底的角度。一般而言，如图6所示，在接地时踝关节背屈角度δ最大。其后，踝关节背屈角度δ一端减少，并在经过极小值后再次增加。接地时及极小值时对脚腕施加的负荷会变大，因此获取这些点的踝关节背屈角度δ是有益的。在构建回归模型时，将角度x_mid及角度y_mid用作解释变量。回归模型将接地时的踝关节背屈角度δ、或踝关节背屈角度δ的极小值作为目标变量。如上所述，回归模型根据行走试验的条件而不同，作为由发明人等进行行走试验后获得的回归模型，获得了接地时的踝关节背屈角度δ1＝90.589+0.319x_mid5％+0.545y_mid5％，且获得了作为极小值的踝关节背屈角度δ2＝84.066-0.587x_mid10％+1.135y_mid15％。

如此，推定部20基于从传感器模块16获得的，可对无法由传感器模块16直接测定的踝关节背屈角度δ进行推定。

〔膝关节屈伸角度的推定〕

关于膝关节屈伸角度，与脚跟部外翻角度同样地，也可根据角度x_mid算出绕X轴的角度，并根据角度y_mid算出绕Y轴的角度。图7是小腿的概略图，且是对穿着者从侧面侧进行观察而得的图。如图7所示，所谓膝关节屈曲角度ε，是指侧视时小腿部与大腿部之间的角度。与脚跟部外翻角度α同样地，膝关节屈曲角度ε也可基于由角度x_mid及角度y_mid构建的回归模型来推定。

图8是表示行走时的膝关节屈伸角度的经时变化的图表。X轴表示在行走时单只脚接地后到离开地面为止的经过时间。Y轴表示膝关节的屈伸角度、即小腿部与大腿部的角度。一般而言，如图8所示，接地时膝关节屈曲角度ε最小。其后，膝关节屈曲角度ε一端增加，并在经过极大值后减少。接地时及极大值时对脚腕施加的负荷变大，因此获取这些点的膝关节屈曲角度ε是有益的。在构建回归模型时，将角度x_mid及角度y_mid用作解释变量。回归模型将接地时的膝关节屈曲角度ε、或膝关节屈曲角度ε的极大值作为目标变量。如上所述，回归模型根据行走试验的条件而不同，作为由发明人等进行行走试验后获得的回归模型，获得了接地时的膝关节屈曲角度ε1＝45.454+1.08x_mid0％+2.25x_mid15％+3.208x_mid15％，且获得了作为极大值的膝关节屈曲角度ε2＝51.06+1.456x_mid15％-2.388x_mid20％。

如此，推定部20基于从传感器模块16获得的检出，可对无法由传感器模块16直接测定的膝关节屈曲角度ε进行推定。

如以上所述，身体状态推定系统18可推定穿着者的身体的倾斜状态。由此，穿着者可基于推定结果来掌握姿势改善等的要点。

本发明并不限于所述实施方式，各结构在不脱离本发明的主旨的范围内能够适宜地变更。

在上述例子中，设为使用传感器模块16作为检测部，但也可使用智能手机(smartphone)等带摄像功能的终端作为检测部。此情况下，可通过拍摄行走状态来获取被分析者的脚跟部(跟骨)及小腿部(胫骨)坐标系，并算出行走状态下的跟骨坐标系相对于胫骨坐标系的旋转角度。

另外，也可使搭载有人工智能(artificial intelligence，AI)的应用程序将由传感器模块或终端获得的大量检测结果作为数据集(data set)来进行机器学习，使用检测结果的学习完成模型及检测结果来构建回归模型。

工业上的可利用性

本发明在对身体的状态进行推定的系统的领域中具有工业上的可利用性。

符号的说明

10：鞋

16：传感器模块

18：身体状态推定系统

20：推定部

22：判定部。