アスレチック運動属性からのペースとエネルギー消費の計算

関連出願の相互参照本出願は、2013年10月14日に出願され「CALCULATING ENERGY EXPENDITURE FROM ATHLETIC MOVEMENTS」と題する米国特許出願第61/890,748号、及び2013年11月5日に出願され「CALCULATING PACE AND ENERGY EXPENDITURE FROM ATHLETIC MOVEMENT ATTRIBUTES」と題する米国仮特許出願第61/900,203号に対する優先権を請求し、これらの出願は、あらゆる非限定的な目的のために参照により全体が本明細書に明示的に組み込まれる。

ほとんどの人は、フィジカルフィットネスの重要性を理解しているが、多くの人は、通常の運動プログラムを維持するのに必要な動機を見つけるのに苦労している。一部の人は、ランニング、ウォーキング、サイクリングなどの連続反復運動を伴う運動養生法を維持することが特に難しいことが分っている。

更に、個人は、ワークアウトを作業又は雑用と見なしており、したがって、ワークアウトを毎日の暮らしの楽しみと切り離すことがある。多くの場合、アスレチック活動と他の活動のそのような明確な分離は、個人がワークアウトを行おうとする動機付けを小さくする。更に、アスレチック活動に参加する個人を励ますためのアスレチック活動サービス及びシステムは、1つ以上の特定の活動に焦点を絞り込み過ぎており、個人の興味が無視されことがある。更に、これにより、アスレチック活動への参加やアスレチック活動サービス及びシステムの使用に対するユーザの関心が低下することがある。

多くの既存のサービス及び装置は、身体活動中にカロリー消費などのユーザのエネルギー消費を正確に評価しかねる。したがって、ユーザは、しばしば「ワークアウト」と見なされない日課を含むことがある特定の活動が自分の健康によいという利点に気づかない。ユーザが自分のエネルギー消費を監視可能な既存の装置は、着用しにくい収集システム、許容可能なしきい値を超える不正確な測定、値の報告の許容不可能な待ち時間、検出されたユーザの動きに基づく活動の間違った分類、様々なユーザ間の偏差の考慮の失敗、特定の活動(例えば、ランニング及び/又はウォーキング)として分類される繰り返し挙動を不適切に含むこと、比較的高い消費電力、及び/又は以上その他の欠陥の組み合わせを含む1つ以上の欠陥を受けることが多い。

したがって、当技術分野におけるこれらの欠点の少なくとも1つ以上に対処する改善されたシステム及び方法が必要とされている。

以下では、本発明の幾つかの態様の基本的な理解を提供するために本開示の概要を示す。この要約は、本発明の広範囲な概要ではない。本発明の重要又は不可欠な要素を示すものでもなく本発明の範囲を規定するものでもない。以下の要約は、本発明の幾つかの概念を、後で示されるより詳しい説明の前置きとし簡略化された形で提案するに過ぎない。

態様は、ユーザと関連付けられた動きデータを処理するように構成されたシステム及び方法に関する。動きデータは、データから動き属性を計算するために利用され(例えば、変換され)てもよい。センサは、特定の実施形態ではユーザによって装着されてもよい。特定の実施態様では、ユーザの外肢に装着されてもよい。更に別の実施形態では、少なくとも1つのセンサが、ユーザと物理的に接触しない。

データセットからの1つ以上の動き属性は、動きデータを活動タイプ(ウォーキング、ランニング、スイミング、又は任意の特定又は一般的な活動など)に分類することなく計算されてもよい。1つ以上の動き属性は、複数の個人からの動きデータを含む1つ以上のモデルと比較されてもよい。複数の個人は、ユーザを含まなくてもよい。特定の実施形態では、モデル内の動きデータとユーザの動き属性は両方とも、いかなる活動タイプにも依存しない。種々のモデルを使用して様々な値を計算可能である。例えば、特定の実施形態では、属性は、1つ以上のエネルギー消費モデルからエネルギー消費モデルを選択するか、1つ以上の活動分類モデルから、1つ以上の動き属性に対するベストマッチとして選択されうる活動分類モデルを選択するために比較されてもよい。この場合、選択されたモデルは、エネルギー消費を計算するか、又はユーザの動きと関連付けられた直線移動運動を分類するために使用されてもよい。

例示的な実施形態による個人用トレーニングを提供しかつ/又はユーザの身体運動からデータを取得するように構成されうる例示的システムを示す図である。

図1のシステムの一部でもよくそのシステムと通信してもよい例示的なコンピュータ装置を示す図である。

例示的実施形態によりユーザが装着可能な例示的センサ組立体を示す図である。

例示的実施形態によりユーザが装着可能な別の例示的センサ組立体を示す図である。

ユーザの衣類上/内に配置された物理センサを含みかつ/又はユーザの2つの運動身体部分の関係の識別に基づく、知覚入力のための説明的位置を示す図である。

エネルギー消費量と速度を含むメトリックに対して実施されうる例示的なフローチャートである。

1つの実施形態による受け取ったセンサデータを検証するために実施されうるフローチャートである。

一実施形態による受け取ったセンサデータを変換するために実施されうるフローチャートである。

一実施形態による受け取ったセンサデータを変換するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による周波数を推定し周波数調査範囲を設定できる例示的フローチャートである。

特定の実施形態による動きデータの例示的調査範囲を示すグラフである。

サンプルFFT出力を説明するグラフを示す。具体的には、図12Aは、腕振り範囲内のデータとバウンス範囲内のデータとを含む周波数データに対するFFTパワーのグラフを示す。

FFT出力を説明するグラフを示す。図12Bは、一実施態様によるバウンス範囲内のピークが基準を満たすかどうかを判定するために利用されるしきい値を有する同じグラフを示す。

一実施形態による腕振り周波数、バウンス周波数及び/又は他の周波数を利用するかどうかの判定で実施されうる例示的フローチャートである。

一実施形態による腕振り周波数、バウンス周波数及び/又は他の周波数を利用するかどうかの判定で実施されうる例示的フローチャートである。

計算された属性を、ユーザが行なっている活動と関連付けられた1つ以上の出力値を予測するために使用されるエキスパートモデルと比較するために実施されうるフローチャートである。

一実施形態によるスポーツ選手の活動を分類するために実施されうるフローチャートである。

一実施形態によるスポーツ選手の活動を分類するために実施されうるフローチャートである。

一実施形態によるスポーツ選手の活動を分類するために実施されうるフローチャートである。

一実施形態による特定の活動をウォーキングとランニングのいずれかとして分類するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。

この開示の態様は、スポーツ選手の身体運動に関するアスレチックデータを取得し、記憶しかつ/又は処理することを含む。アスレチックデータは、能動的又は受動的に1つ以上の非一時的記憶媒体に検出されかつ/又は記憶されてもよい。更に他の態様は、アスレチックデータを使用して、例えば計算されたアスレチック属性やフィードバック信号などの出力を生成して、ガイダンス及び/又は他の情報を提供することに関連する。以上その他の態様は、個人用トレーニングシステムの以下の例示の文脈で検討される。

様々な実施形態の以下の記述において、添付図面を参照し、添付図面は、本明細書の一部を構成し、開示が実施されうる説明的な様々な実施形態によって示される。本開示の範囲と趣旨から逸脱することなく他の実施形態を利用できまた構造的及び機能的な修正を行えることを理解されたい。更に、この開示内の見出しは、開示の限定的態様と見なされるべきでなく、例示的な実施形態は、例示的な見出しに限定されない。

I.例示的な個人用トレーニングシステム A.説明的ネットワーク この開示の態様は、複数のネットワークに亘って利用されることがあるシステム及び方法に関する。この点で、特定の実施形態は、動的ネットワーク環境に適応するように構成されてもよい。更に他の実施形態は、異なる別個のネットワーク環境で動作可能でもよい。図1は、例示的な実施形態による個人用トレーニングシステム100の例を示す。例示的なシステム100は、説明的なボディエリアネットワーク(BAN)102、ローカルエリアネットワーク(LAN)104、広域ネットワーク(WAN)106などの1つ以上の相互接続されたネットワークを含みうる。図1に示され(本開示全体にわたって述べられ)たように、1つ以上のネットワーク(例えば、BAN102、LAN104、及び/又はWAN106)が、重複してもよく他の形で互いを含んでもよい。説明的なネットワーク102〜106が、1つ以上の異なる通信プロトコル及び/又はネットワークアーキテクチャをそれぞれ含むことがあり、更に互い又は他のネットワークに対するゲートウェイを有するように構成されることがある論理的ネットワークであることを当業者は理解されよう。例えば、BAN102、LAN104及び/又はWAN106はそれぞれ、セルラネットワークアーキテクチャ108及び/又はWANアーキテクチャ110などの同じ物理ネットワークアーキテクチャに機能的に接続されてもよい。例えば、BAN102とLAN104両方の構成要素と考えられる携帯電子装置112は、アーキテクチャ108及び/又は110の1つ以上を介して、伝送制御プロトコル(TCP)、インターネットプロトコル(IP)、ユーザデータグラムプロトコル(UDP)などの1つ以上の通信プロトコルにしたがってデータ及び制御信号をネットワークメッセージに変換しその逆に変換するように構成されたネットワークアダプタ又はネットワークインタフェースカード(NIC)を含でもよい。これらのプロトコルは、当該技術分野で周知であり、ここではより詳細に検討されない。

ネットワークアーキテクチャ108及び110は、例えばケーブル、ファイバ、衛星、電話、セルラ、ワイヤレスなどの、任意のタイプ又はトポロジの1つ以上の情報分配ネットワークを単独又は組み合わせで含んでもよく、したがって、1つ以上の有線又は無線通信チャネル(WiFi(登録商標)、Bluetooth(登録商標)、近距離無線通信(NFC)及び/又はANT技術を含むがこれらに限定されない)を有するように様々に構成されてもよい。したがって、図1のネットワーク内の任意の装置(携帯電子装置112や本明細書に記載された他の装置など)は、様々な論理ネットワーク102〜106の1つ以上に含まれると見なされてもよい。以上のことを念頭におき、説明的なBAN及びLAN(WAN106に結合されることがある)の例示的な構成要素について述べる。

1.例示的なローカルエリアネットワーク LAN104は、例えばコンピュータ装置114などの1つ以上の電子装置を含んでもよい。コンピュータ装置114又はシステム100の他の構成要素は、電話、音楽プレーヤ、タブレット、ネットブック又は任意の携帯装置などの移動端末を含みうる。他の実施形態では、コンピュータ装置114は、メディア・プレイヤ又はレコーダ、デスクトップコンピュータ、サーバ、ゲームコンソール(例えば、Microsoft(登録商標)Xbox、SONY(登録商標)Playstaion、及び/又はNintendo(登録商標)Wiiゲームコンソールなど)を含みうる。以上が記述のための例示的装置にすぎず、本開示が、任意のコンソール又はコンピューティング装置に限定されないことを当業者は理解されよう。

コンピュータ装置114の設計と構造が、その意図された目的などの幾つかの因子によって異なることがあることを当業者は理解されよう。コンピュータ装置114の1つの例示的実施態様は図2に提供され、図2は、コンピューティング装置200のブロック図を示す。図2の開示が、本明細書に開示された任意の装置に適用可能なことを当業者は理解されよう。装置200は、プロセッサ202−1や202−2(本明細書では一般に「プロセッサ202」と呼ばれる)などの1つ以上のプロセッサを含んでもよい。プロセッサ202は、相互接続ネットワーク又はバス204を介して、互い又は他の構成要素と通信できる。プロセッサ202は、コア206−1や206−2(本明細書では「コア206」又はより一般に「コア206」と呼ばれる)などの1つ以上の処理コアを含んでもよく、処理コアは、単一集積回路(IC)チップ上に実装されてもよい。

コア206は、共有キャッシュ208及び/又は専用キャッシュ(例えば、それぞれキャッシュ210−1及び210−2)を含んでもよい。1つ以上のキャッシュ208/210は、プロセッサ202の構成要素による高速アクセスのために、メモリ212などのシステムメモリに記憶されたデータをローカルにキャッシュしてもよい。メモリ212は、チップセット216を介してプロセッサ202と通信してもよい。特定の実施形態では、キャッシュ208は、システムメモリ212の一部でもよい。メモリ212は、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)を限定ではなく含んでもよく、またソリッドステートメモリ、光学若しくは磁気記憶装置、及び/又は電子情報を記憶するために使用できる他の媒体を1つ以上含みうる。更に他の実施形態は、システムメモリ212を省略してもよい。

システム200は、1つ以上の入出力装置(例えば、入出力装置214−1〜214−3。それぞれ一般に入出力装置214と呼ばれる)を含んでもよい。1つ以上の入出力装置214からの入出力データは、1つ以上のキャッシュ208,210及び/又はシステムメモリ212に記憶されてもよい。入出力装置214はそれぞれ、任意の物理的又は無線通信プロトコルを使用して、システム100の構成要素と機能的に通信するように永久的又は一時的に構成されてもよい。

図1に戻ると、4つの例示的な入出力装置(要素116〜122として示された)が、コンピュータ装置114と通信するように示されている。当業者は、装置116〜122の1つ以上が、独立型装置でもよく、コンピュータ装置114だけでなく別の装置と関連付けられてもよいことを理解するであろう。例えば、1つ以上の入出力装置は、BAN102及び/又はWAN106の構成要素と関連付けられるか対話してもよい。入出力装置116〜122は、例えばセンサなどのアスレチックデータ取得ユニットを含んでもよいがこれに限定されない。1つ以上の入出力装置は、ユーザ124などのユーザからアスレチックパラメータを感知し、検出しかつ/又は測定するように構成されてもよい。例には、加速度計、ジャイロスコープ、位置決定装置(例えば、GPS)、光(非可視光を含む)センサ、温度センサ(周囲温度及び/又は体温を含む)、睡眠パターンセンサ、心拍数モニタ、画像キャプチャセンサ、水分センサ、力センサ、コンパス、角速度センサ、及び/又はこれらの組み合わせが挙げられるが、これらに限定されない。

更に他の実施形態では、入出力装置116〜122は、出力(例えば、聴覚、視覚、触覚キュー)を提供しかつ/又はスポーツ選手124からユーザ入力などの入力を受け取るために使用されてもよい。これらの説明的な入出力装置の例示的な使用を後述するが、当業者は、そのような考察が、単にこの開示の範囲内の多くの選択肢のうちの幾つかの描写であることを理解するであろう。更に、任意のデータ収集ユニット、入出力装置又はセンサの参照が、本明細書に開示されかつ/又は当該技術分野で既知の1つ以上の入出力装置、データ収集ユニット及び/又はセンサを(個別又は組み合わせで)有することがある実施形態を開示すると解釈されるべきである。

(1つ以上のネットワークに亘る)1つ以上の装置からの情報を使用して、様々な異なるパラメータ、メトリック又は生理特性を提供してもよく(又はこれらの情報で利用されてもよく)、そのようなパラメータ、メトリック又は生理特性には、速度、加速度、距離、歩数、方向、特定の身体部分若しくは対象の他のものに対する相対運動などの動きパラメータ、又は角速度、直線速度若しくはそれらの組み合わせとして表されることがある他の動きパラメータ、カロリー、心拍数、汗検出、労力、酸素消費量、酸素反応速度及び1つ以上のカテゴリ(圧力、衝撃力など)内にあることがある他のメトリックなどの生理的パラメータ、スポーツ選手に関する情報(身長、体重、年齢、人口学的情報及びこれらの組み合わせ)が含まれるが、これらに限定されない。

システム100は、システム100内で収集されるか又は他の方法でシステム100に提供されるパラメータ、メトリック又は生理特性を含むアスレチックデータを送信しかつ/又は受信するように構成されてもよい。一例として、WAN106は、サーバ111を含んでもよい。サーバ111は、図2のシステム200の1つ以上の構成要素を有してもよい。一実施形態では、サーバ111は、少なくともプロセッサとメモリ(プロセッサ206とメモリ212など)を含む。サーバ111は、非一時的コンピュータ可読媒体上にコンピュータ実行命令を記憶するように構成されてもよい。命令は、システム100内で収集された未処理データや処理済みデータなどのアスレチックデータを含んでもよい。システム100は、エネルギー消費ポイントなどのデータを、ソーシャルネットワークウェブサイト又はそのようなサイトのホストに送信するように構成されてもよい。サーバ111は、1人以上のユーザがアスレチックデータにアクセスしかつ/又は比較できるように利用されてもよい。したがって、サーバ111は、アスレチックデータや他の情報に基づいて通知を送受信するように構成されてもよい。

LAN104に戻ると、コンピュータ装置114は、例示的な実施形態に関して後述される表示装置116、画像キャプチャ装置118、センサ120及びエクササイズ装置122と機能的に通信するように示されている。一実施形態では、表示装置116は、特定のアスレチック運動を行なうようにスポーツ選手124に視聴覚キューを提供してもよい。視聴覚キューは、BAN102及び/又はWANの装置を含む、コンピュータ装置114や他の装置上で実行されるコンピュータ実行命令に応じて提供されてもよい。表示装置116は、タッチスクリーン装置でもよく、ユーザ入力を受け取るように他の方法で構成されてもよい。

一実施形態では、データは、画像キャプチャ装置118及び/又は他のセンサ(センサ120など)から取得されてもよく、これらの装置は、アスレチックパラメータを検出(及び/又は測定)するために、単独で使用されてもよく、他の装置又は記憶情報との組み合わせで使用されてもよい。画像キャプチャ装置118及び/又はセンサ120は、トランシーバ装置を含んでもよい。一実施形態では、センサ128は、赤外線(IR)、電磁気(EM)又は音響トランシーバを含んでもよい。例えば、画像キャプチャ装置118及び/又はセンサ120は、波形を、スポーツ選手124の方向を含む環境に送信し、「反射」を受信するかそのような放出された波形の変化を他の方法で検出してもよい。当業者は、様々な実施形態により、多数の異なるデータスペクトルに対応する信号が利用されうることを容易に理解するであろう。これに関して、装置118及び/又は120は、外部ソース(例えば、システム100ではない)から放射された波形を検出してもよい。例えば、装置118及び/又は120は、ユーザ124及び/又は周囲環境から放射されている熱を検出してもよい。したがって、画像キャプチャ装置126及び/又はセンサ128は、1つ以上のサーマルイメージング装置を含んでもよい。一実施形態では、画像キャプチャ装置126及び/又はセンサ128は、レンジフェノメノロジーを実行するように構成された赤外線装置を含みうる。

一実施形態では、エクササイズ装置122は、スポーツ選手124が身体運動を行なうことを可能にするか容易にするように構成可能な任意の装置(例えば、トレッドミル、ステップマシンなど)でよい。装置が固定されていなくてもよい。この点において、無線技術によって携帯型装置の利用が可能になり、したがって、特定の実施形態により自転車や他の移動訓練装置を利用してもよい。当業者は、装置122は、コンピュータ装置114からリモートで実行されるアスレチックデータを含む電子装置を受け取るためのインタフェースでもよく、そのようなインタフェースを含んでもよい。例えば、ユーザは、スポーツ用装置(BAN102に関して後述される)を使用し、家又は機器122の場所に戻った後で、アスレチックデータを要素122又はシステム100の他の装置にダウンロードしてもよい。本明細書に開示された任意の入出力装置が、活動データを受信するように構成されてもよい。

2.ボディエリアネットワーク BAN102は、アスレチックデータを受信し、送信し、又はアスレチックデータの収集を他の方法で容易にするように構成された2つ以上の装置(受動装置を含む)を含んでもよい。例示的な装置には、入出力装置116〜122が含むがこれに限定されない当該技術分野で知られているか本明細書に開示された1つ以上のデータ収集ユニット、センサ又は装置が挙げられる。BAN102の2つ以上の構成要素は、直接通信してもよく、更に他の実施形態では、通信は、BAN102、LAN104及び/又はWAN106の一部でもよい第3の装置を介して行われてもよい。LAN104又はWAN106の1つ以上の構成要素は、BAN102の一部を構成してもよい。特定の実施態様では、携帯装置112などの装置が、BAN102、LAN104及び/又はWAN106の一部であるかどうかは、モバイルセルラーネットワークアーキテクチャ108及び/又はWANアーキテクチャ110との通信を可能にするスポーツ選手のアクセスポイントまでの近さに依存する。また、ユーザの活動及び/又は好みが、1つ以上の構成要素がBAN102の一部として利用されるかどうかに影響を及ぼすことがある。例示的な実施形態は後述される。

ユーザ124は、情報を収集するために使用される物理装置又は位置を含むことがある、携帯装置112、靴取付型装置126、手首装着型装置128などの任意数の装置、及び/又は検出位置130などの検出位置と関連付けられてもよい(例えば、所有し、携帯し、装着しかつ/又は対話してもよい)。1つ以上の装置112、126、128及び/又は130は、特にフィットネス又はアスレチック用に設計されていなくてもよい。実際には、この開示の態様は、複数の装置からのデータを利用してアスレチックデータを収集、検出及び/又は測定することに関し、それらの装置の幾つかは、フィットネス装置ではない。特定の実施形態では、BAN102(又は、他のネットワーク)の1つ以上の装置は、特定のスポーツ用に特別に設計されたフィットネス又はスポーツ用装置を含んでもよい。本明細書で使用されるとき、用語「スポーツ用装置」は、特定のスポーツ又はフィットネス活動中に使用されるか関係されることがある任意の対象物を含む。例示的なスポーツ用装置には、ゴルフボール、バスケットボール、野球ボール、サッカーボール、フットボール、パワーボール、ホッケー用パック、ウェイト、バット、クラブ、スティック、パドル、マット及びこれらの組み合わせが挙げられるが、これらに限定されない。更に他の実施形態では、例示的なフィットネス装置には、ゴールネット、フープ、バックボードなどの環境自体、中線、外部境界マーカ、ベースなどのフィールドの一部分及びこれらの組み合わせを含む、特定のスポーツが行われるスポーツ環境内の物体が含まれうる。

この点に関して、当業者は、1つ以上のスポーツ用装置は、構造の一部でもよく(又は、構造を構成してもよく)その逆でもよく、構造が、1つ以上のスポーツ用装置を含んでもよく、スポーツ用装置と対話するように構成されてもよいことを理解するであろう。例えば、第1の構造は、取り外し可能でゴールポストと置き換え可能なバスケットボールゴールとバックボードを含んでもよい。この点において、1つ以上のスポーツ用装置は、図1〜図3に関して前述されたセンサのうちの1つ以上など、1つ以上のセンサを含んでもよく、センサは、独立にあるいは1つ以上の構造と関連付けられた1つ以上のセンサなどの他のセンサと関連して利用される情報を提供してもよい。例えば、バックボードは、バックボード上のバスケットボールによる力と力の方向とを測定するように構成された第1のセンサを含んでもよく、ゴールは、力を検出する第2のセンサを含んでもよい。同様に、ゴルフクラブは、シャフト上のグリップ属性を検出するように構成された第1のセンサと、ゴルフボールによる衝撃を測定するように構成された第2のセンサとを含んでもよい。

説明的な携帯装置112を見ると、この装置は、多目的電子装置でよく、例えば、カリフォルニア州クパチーノのApple,Inc.から入手可能なIPOD(登録商標)、IPAD(登録商標)又はiPhone(登録商標)商標装置を含む電話又はデジタル音楽プレーヤ、ワシントン州レッドモンドのMicrosoftから入手可能なZune(登録商標)又はMicrosoft(登録商標)Windows装置が挙げられる。当該技術分野で知られているように、デジタルメディアプレーヤは、コンピュータ用の出力装置、入力装置及び/又は記憶装置として働きうる。装置112は、BAN102、LAN104又はWAN106において1つ以上の装置から収集された未処理又は処理済みデータを受け取るための入力装置として構成されてもよい。1つ以上の実施形態では、携帯装置112は、コンピュータ装置114の1つ以上の構成要素を含んでもよい。例えば、携帯装置112には、前述の入出力装置116〜122のいずれかなど、ディスプレイ116、画像キャプチャ装置118、及び/又は1つ以上のデータ収集装置が挙げられ、移動端末を構成するために追加の構成要素があってもなくてもよい。

a.説明的な衣服/アクセサリセンサ 特定の実施形態では、入出力装置は、時計、アームバンド、リストバンド、ネックレス、シャツ、靴などを含む、ユーザ124の衣服又はアクセサリ内に構成されるか又は他の方法で関連付けられてもよい。これらの装置は、ユーザのアスレチック運動を監視するように構成されてもよい。これらの装置が、ユーザ124がコンピュータ装置114と対話している間にアスレチック運動を検出しかつ/又はコンピュータ装置114(又は、本明細書で開示された他の装置)と無関係に動作してもよいことを理解されたい。例えば、BAN102における1つ以上の装置は、ユーザの接近又はコンピュータ装置114との対話に関係なく活動を測定する終日活動モニタとして機能するように構成されてもよい。更に、図3に示された知覚システム302と図4に示された装置組立体400が(それぞれ以下の段落で説明される)、単に説明的な例であることを理解されたい。

i.靴取付型装置 特定の実施形態では、図1に示された装置126は、本明細書に開示されかつ/又は当該技術分野で知られているものを含むがこれに限定されない1つ以上のセンサを含みうる履物を含んでもよい。図3は、1つ以上のセンサ組立体304を提供するセンサシステム302の1つの例示的実施形態を示す。組立体304は、例えば、加速度計、ジャイロスコープ、位置決定構成要素、力センサ、及び/又は本明細書に開示されているか当該技術分野で知られている他のセンサなどの1つ以上のセンサを含みうる。示された実施形態では、組立体304は、複数のセンサを内蔵し、このセンサは、力感応抵抗器(FSR)センサ306を含んでもよいが、他のセンサが利用されてもよい。ポート308は、靴の靴底構造309内に位置決めされてもよいが、一般に1つ以上の電子装置と通信するように構成される。ポート308は、必要に応じて、電子モジュール310と通信するように提供されてよく、靴底構造309は、必要に応じて、モジュール310を収容するハウジング311や他の構造を含んでもよい。また、センサシステム302は、FSRセンサ306をポート308に接続して、ポート308を介したモジュール310及び/又は別の電子装置との通信を可能にする複数のリード線312を含んでもよい。モジュール310は、靴の靴底構造内の窪み又は空所に収容されてもよく、ハウジング311は、窪み又は空所内に位置決めされてもよい。一実施形態では、少なくとも1つのジャイロスコープと少なくとも1つの加速度計は、モジュール310やハウジング311などの単一ハウジング内に提供される。少なくとも更に他の実施形態では、動作するときに、方向情報と角速度データを提供するように構成された1つ以上のセンサが提供される。ポート308とモジュール310は、接続と通信のための相補的インタフェース314,316を含む。

特定の実施形態において、図3に示された少なくとも1つの力感応抵抗器306は、第1と第2の電極又は電気接点318,320と、電極318,320間に配置されて電極318,320を電気的に接続する力感応抵抗材料322とを含んでもよい。力感応材料322に圧力が加わったとき、力感応材料322の固有抵抗及び/又は導電率が変化し、これにより電極318,320の間の電位が変化する。センサシステム302が、抵抗値の変化を検出して、センサ316に加わる力を検出できる。力感応抵抗材料322は、その抵抗値を圧力下で様々に変化させてもよい。例えば、力感応材料322は、材料が圧縮されたとき減少する内部抵抗を有してもよい。更に他の実施形態は、「体積抵抗」を利用してもよく、「体積抵抗」は、「スマート材料」によって実現されうる。別の例として、材料322は、2つの力感光材料322の間や力感光材料322と一方又は両方の電極318,320との間など、面接触度を変化させることによって抵抗を変化させてもよい。幾つかの状況では、このタイプの力感応抵抗挙動は、「接触ベース抵抗」と示されることがある。

ii.手首装着型装置 図4に示されたように、装置400(図1に示された知覚装置128と類似してもよく含んでもよい)は、手首、腕、足首、首のまわりなど、ユーザ124によって装着されるように構成されうる。装置400は、装置400の動作中に使用されるように構成された押下式入力ボタン402などの入力機構を含んでもよい。入力ボタン402は、図1に示されたコンピュータ114に関して述べた要素のうちの1つ以上などのコントローラ404及び/又は他の電子構成要素に機能的に接続されうる。コントローラ404は、ハウジング406に埋め込まれてもよく、あるいはその一部でもよい。ハウジング406は、エラストマ構成要素を含む1つ以上の材料から構成されてもよく、ディスプレイ408などの1つ以上のディスプレイを含んでもよい。ディスプレイは、装置400の照明部分と見なされうる。表示装置408は、LEDランプ410などの一連の個別照明要素又はランプ部材を含んでもよい。ランプは、アレイで構成され、コントローラ404に機能的に接続されてもよい。装置400は、インジケータシステム412を含んでもよく、インジケータシステム412は、また、ディスプレイ408全体の一部又は構成要素と見なされうる。インジケータシステム412は、ディスプレイ408(複数の画素要素414を有することがある)と関連して動作し点灯してもよく、ディスプレイ408と完全に別個でもよい。また、インジケータシステム412は、複数の追加照明要素又はランプ部材を含んでもよいが、例示的実施形態では、LEDランプの形をとってもよい。特定の実施形態では、インジケータシステムは、1つ以上の目標の実現を表わすために、インジケータシステム412の照明部材の一部分を照明することなどによって、目標の可視指示を提供できる。装置400は、ディスプレイ408及び/又はインジケータシステム412によって、ユーザの活動に基づいてユーザが獲得した活動ポイント又は通貨によって表されたデータを表示するように構成されてもよい。

締結機構416が外されてもよく、そこで装置400が、ユーザ124の手首又は一部分のまわりに位置決めされてもよく、次に締結機構416が、係合位置にされてもよい。一実施形態では、締結機構416は、コンピュータ装置114(装置120及び/又は112など)と対話するために、USBポートを含むがこれに限定されないインタフェースを含んでもよい。特定の実施形態では、締結部材は、1つ以上の磁石を含んでもよい。一実施形態では、締結部材は、可動部がなく、全く磁力に依存してもよい。

特定の実施形態では、装置400は、センサ組立体(図4に示されていない)を含みうる。センサ組立体は、本明細書に開示されかつ/又は当該技術分野で既知のものを含む複数の異なるセンサを含んでもよい。例示的実施形態では、センサ組立体は、本明細書に開示されるか当該技術分野で既知のセンサに対する機能接続を含むか機能接続を可能にしてもよい。装置400及び/又はそのセンサ組立体は、1つ以上の外部センサから得られたデータを受け取るように構成されてもよい。

iii.衣服及び/又は身体位置検出 図1の要素130は、センサ、データ収集ユニット、他の装置などの物理装置と関連付けられることがある例示的な知覚位置を示す。更に他の実施形態では、画像キャプチャ装置(例えば、画像キャプチャ装置118)などによって、本体部分又は領域の特定位置が監視されてもよい。特定の実施形態では、要素130は、センサを含んでもよく、その結果、要素130a及び130bは、運動服などの衣服に組み込まれたセンサでよい。そのようなセンサは、ユーザ124の身体の任意の所望の位置に配置されてもよい。センサ130a/bは、BAN102、LAN104及び/又はWAN106の1つ以上の装置(他のセンサを含む)と(例えば、無線で)通信してもよい。特定の実施形態では、受動的検出面が、画像キャプチャ装置118及び/又はセンサ120によって放射された赤外線などの波形を反射してもよい。一実施形態では、ユーザ124の衣服に配置された受動的センサは、波形を反射可能なガラス又は他の透明若しくは半透明面で作成されたほぼ球状の構造物を含みうる。様々な種類の衣服を利用可能であり、所定の種類の衣服は、適切に装着されたときにユーザ124の身体の特定部分の近くに配置されるように構成された特定のセンサを有する。例えば、ゴルフ用衣服は、第1の構成で衣服上に位置決めされた1つ以上のセンサを含みうるが、サッカー用衣服は、第2の構成で衣服上に位置決めされた1つ以上のセンサを含んでもよい。

図5は、知覚入力の説明的位置(例えば知覚位置130a〜130oを参照)を示す。この点について、センサは、ユーザの衣服上/内に配置された物理センサでよく、更に他の実施形態では、センサ位置130a〜130oは、2つの動く身体部分の間の関係の識別に基づいてもよい。例えば、センサ位置130aは、画像キャプチャ装置118などの画像キャプチャ装置によってユーザ124の動きを識別することによって決定されてもよい。したがって、特定の実施形態では、センサは、特定の位置(センサ位置130a〜130oなど)に物理的に配置されなくてもよく、他の位置から収集された画像キャプチャ装置118や他のセンサデータなどによって、その位置の特性を検出するように構成されてもよい。この点に関して、ユーザの身体の全体形状又は一部分が、特定の身体部分の識別を可能にすることがある。画像キャプチャ装置が利用されるか、ユーザ124上に配置された物理センサが利用されるか、他の装置(知覚システム302など)からのデータが使用されるか、装置組立体400及び/又は本明細書に開示されたか当該技術分野で既知の他の装置又はセンサが利用されるかに関係なく、センサは、身体部分の現在位置を検出しかつ/又は身体部分の動きを追跡可能である。一実施形態では、位置130mに関する知覚データは、ユーザの重心(質量中心とも呼ばれる)の決定に利用されることがある。例えば、位置130m〜130oのうちの1つ以上に対する位置130aと位置130f/130lとの関係を利用して、ユーザの重心が垂直軸方向に持ち上げられたか(ジャンプの際など)、ユーザが膝を曲げ縮めることによってジャンプの「ふり」をしようとしているかを判定できる。一実施形態では、センサ位置1306nは、ユーザ124の胸骨のまわりに配置されてもよい。同様に、センサ位置130oは、ユーザ124の臍(naval)の近くに配置されてもよい。特定の実施態様では、センサ位置130m〜130oからのデータを(単独又は他のデータと組合せで)利用して、ユーザ124の重心を決定してもよい。更に他の実施形態では、ユーザ124の向き及び/又はユーザ124の胴体のねじれなどの回動力を決定する際に、センサ130m〜130oなどの複数のセンサ位置の関係が利用されてもよい。更に、位置などの1つ以上の位置が、モーメント中心位置として(又は、モーメント中心位置の近くで)利用されてもよい。例えば、一実施形態では、位置130m〜130oのうちの1つ以上が、ユーザ124のモーメント中心位置の点として働いてもよい。別の実施形態では、1つ以上の位置が、特定の身体部分又は領域のモーメント中心として働いてもよい。

例示的なメトリック計算 この開示の態様は、エネルギー消費、速度、距離、ペース、体力などを含むがこれに限定されない、スポーツ選手の1つ以上の活動メトリックを計算するために利用されうるいシステム及び方法に関する。計算は、ユーザが1つ以上の活動中に実時間フィードバックを得ることができるように実時間で行なわれてもよい。特定の実施形態では、複数のメトリックの計算は全て、同じ組の属性、又は共通グループの属性からのサブセットの属性などを使用して評価される。一実施形態では、エネルギー消費の計算は、第1組の属性に基づいて、ウォーキング、ランニング、特定のスポーツの競技、又は特定の活動の指導などのスポーツ選手が行っている活動の分類なしに行われてもよい。一実施形態では、エネルギー消費の決定は、活動タイプテンプレートなしに行われ、その結果、エネルギー消費が、活動タイプの分類なしに、センサデータ及び/又はその派生物から計算されることがある。例えば、エネルギー消費量は、スポーツ選手が、例えばウォーキング又はサッカーなどの第1の活動又は第2の活動を行なっているかどうかにかかわらず、同じ組の属性を使用して特定の実施形態により計算されてもよい。

特定の実施態様では、計算されたエネルギー消費の計算は、第1組の属性と別のメトリックを使用して行われてもよく、例えば、速度は、同じ組の属性又は同じ属性のサブセットから決定されてもよい。一実施形態では、複数のメトリックの決定は、コア属性の選択を使用して行われてもよい。1つの例では、この属性計算は、ユーザのウォーキング及び/又はランニングのエネルギー消費量及び/又は速度を推定するために使用されることがある。1つの例では、ウォーキング及び/又はランニングのエネルギー消費量及び/又は速度は、同じ組の属性、共通グループの属性からの属性のサブセットなどを使用して推定されてもよい。

本明細書に述べるシステム及び方法は、活動データ(実時間活動データなど)から計算された属性を1つ以上のモデルと比較し、1つ以上のモデルは、スポーツ選手が行なった活動タイプに関して取得されたデータを含まないことがある(また、エネルギー消費量計算などのために分類されないことがある)。このように、1つ以上のモデルは、ユーザが行なっている特定の活動に対して寛容なことがある。例えば、活動装置は、バスケットボール活動を行なっているユーザから情報を受け取り、少なくとも1つのモデルが、バスケットボール活動からのデータを含まないことがある。

複数のメトリックを計算する例として、システム及び方法は、データの1つ以上の時間窓の速度を計算するかどうかを決定するために実施されてもよい。この開示の特定の態様は、アスレチックデータの分類を含む速度又は距離の決定に関する。しかしながら、前述のように、他の態様は、アスレチックデータを活動タイプ(ウォーキング、ランニング、バスケットボール、疾走、サッカー、フットボールなど)に分類せずにエネルギー費用値を計算することに関するが、例えば速度や距離などの他のメトリックを計算するために、エネルギー消費量を計算するために利用される同じデータの少なくとも一部分を分類することは、この開示の範囲内にある。1つの実施態様では、速度(又は、別のメトリック)は、エネルギー消費値の決定から導出されたデータの少なくとも一部分から決定されてもよい。特定の実施形態によれば、属性は、本明細書に開示されたか当該技術分野で既知の装置など、単体装置で計算される。一実施形態では、メトリックの属性と計算は、単体装置で計算される。そのような1つの例では、ユーザの外肢に装着されるように構成された装置は、センサデータを受け取り、属性とその属性から複数のメトリックを計算するように構成されてもよい。一実施形態では、単体装置は、少なくとも1つの属性を計算するために利用されるデータを取得するように構成された少なくとも1つのセンサを含む。特定の実施形態によれば、属性は、単体装置上にある1つ以上のセンサから計算される。

例示的なエネルギー消費計算 本明細書で述べるシステム及び方法の1つ以上は、図6の構成要素の少なくとも1つを実施するエネルギー消費量の推定値を計算することがある。1つの構成では、装置112、126、128、130及び/又は400などの装置は、ユーザが行なっている1つ以上の活動と関連付けられたデータを取得してもよく、加速度計、ジャイロスコープ、位置決定装置(例えば、GPS)、光センサ、温度センサ(周囲温度及び/又は体温を含む)、心拍数モニタ、画像キャプチャセンサ、水分センサ及び/又はこれらの組み合わせを含むがこれらに限定されない1つ以上のセンサを含んでもよい。この取得した活動データは、ユーザと関連付けられた1つ以上のエネルギー消費値を計算するために使用されてもよい。

1つの実施態様では、人が消費している酸素量の推定値が、前記人による有効代謝当量又はエネルギー消費推定値の計算に使用されることがある。例えば、一実施形態では、人が消費している1リットルの酸素は、約5キロカロリー(5kcal)のエネルギー消費と関連付けられることがある。追加又は代替として、当業者は、人による酸素消費量に基づくエネルギー消費の計算に利用するための様々な代替方法があることを理解するであろう。

一実施形態では、人による酸素消費量は、1キログラム(VO₂/kg)当たりなどの単位質量当たりの酸素量として測定されてもよい。1つの実施態様では、本明細書に述べたシステム及び方法は、特定の活動と関連付けられた実際及び/又は推定された酸素消費量に関連した、1つ以上の非一時的コンピュータ可読媒体上にコンピュータ実行命令として記憶されるような値を利用してもよい。特定の実施形態では、値は、実際のデータでよく、又は1つ以上の特定の活動を行なっている1人以上の個人から収集され、トレーニングデータとも呼ばれるデータでよい。例えば、本明細書に記載されたシステム及び方法は、例えば、バスケットボール競技、サッカー競技、テニス競技、ウォーキング、ジョギング、ランニング、疾走、着座、スクワット、及び/又はこれらの組み合わせを含む活動を行う1人以上の個人による酸素消費量に関連付けられたトレーニングデータを利用してもよい。当業者は、個人が1つ以上の規定された活動を行なっている間の酸素消費量を監視するために利用されることがある様々な試験手順を理解するであろう。更に、当業者は、活動中に複数の酸素消費量データポイントが収集されうることを容易に理解するであろう。更に、前記収集されたデータポイントに対して、例えば、特定の活動中に、記録された質量(例えば、キログラムなどで測定された)及び/又は個人若しくはクラス固有の情報(例えば、性別、体重、身長、年齢、体脂肪率など)に基づいて平均酸素消費量を計算する、1つ以上のデータ操作プロセスが行われてもよい。

1つの実施態様では、1つ以上の特定の活動を行っている1人以上の個人のトレーニングデータが記録されてもよく、前記トレーニングデータは、1つ以上の特定の活動中に1つ以上の時点で消費された酸素の量に関連した情報と、個人又はクラス固有の情報に関連した情報(例えば、特定の活動を行なっている個人の質量)を含む。更に、トレーニングデータは、装置112、126、128、130及び/又は400などの装置からのセンサデータを含んでもよい。このように、トレーニングデータは、1つ以上の活動中に消費された酸素の1つ以上の体積に関連した情報に加えて、1つ以上のセンサ出力に関連した情報を記憶してもよい。1つの実施態様では、酸素消費量データの他に記憶されたセンサデータには、加速度計、ジャイロスコープ、位置決定装置(例えば、GPS)、光センサ、温度センサ(周囲温度及び/又は体温を含む)、心拍数モニタ、画像キャプチャセンサ、水分センサ及び/又はこれらの組み合わせの1つ以上からのデータが挙げられる。例えば、トレーニングデータは、活動(例えば、サッカー競技)中に消費された酸素の量と関連した情報の他に、加速度計センサからの記憶データを含む。

したがって、本明細書で述べるシステム及び方法は、活動と関連付けられた1つ以上の計算された属性を含むトレーニングデータを含むことがある。更に、活動と関連付けられた1つ以上の属性は、前記活動中の1つ以上の時点で人の単位質量当たりに消費された1つ以上の酸素量、及び/又は前記活動中のユーザの1つ以上の動きを監視する装置と関連付けられたセンサからの1つ以上の出力に基づく1つ以上の計算値を含んでもよい。例えば、1つの実施態様では、加速度計センサの出力は、3つの軸(x軸、y軸及びz軸)それぞれの加速度値を含んでもよい。したがって、1つの実施態様では、加速度計センサが反応するそれぞれの軸(x軸、y軸及びz軸)と関連付けられた複数の加速度値が、単一加速度データポイントとしてグループ化されてもよい。別の実施態様では、加速度値は、1つ以上の属性を計算する装置112、126、128、130及び/又は400などの装置と関連付けられた、プロセッサ202などのプロセッサによって処理されてもよい。

ユーザの1つ以上の動きを表すデータセットに集約されたセンサから受け取った1つ以上のデータポイント。したがって、1つ以上のデータポイントは、1つ以上の傾向及び/又はメトリックをデータから抽出可能な方法でデータを表わすように処理されてもよい。1つの例では、加速度計から出力された加速度データは、法線ベクトル(“vector norm”)を計算するために処理されてもよい(変換されてもよい)。一例では、法線ベクトルの標準偏差、法線ベクトルの偏差及び/又は法線ベクトルの高速フーリエ変換(FFT)を計算するために、追加又は代替の変換が使用されてもよい。当業者は、特定の変換が、2つ以上のセンサからのセンサデータを個人データ(例えば、身長、年齢、体重など)などの他のデータと組み合わせてもよいことを理解するであろう。他の実施形態では、変換は、複数のセンサからのセンサデータが混合されないように、単一センサからのデータだけを利用してもよい。受け取った動きデータポイントに関連した変換について、更に、図8Aと図8Bに関連して詳細に説明される。

1つの例では、受け取ったデータから1つ以上の属性が計算されてもよく、属性は、ユーザの1つ以上の動きを表すデータセットに対して行われる1つ以上の変換処理の後で計算されてもよい。この点に関して、複数のユーザからのデータセットは、活動がデータセット内にないユーザに対する比較として使用されることがある。これは、ユーザの活動を活動タイプ(例えば、ウォーキング、ランニング、特定のスポーツ競技)に分類することなく行われてもよく、特定の実施形態では、ユーザは、モデルの属性値を得るために使用されるデータ内のトレーニングデータを収集する部分として行われなかった活動を行なってもよい。属性計算の例について、図9A〜図9Eに関して更に詳細に説明される。

別の例では、本明細書で述べるシステム及び方法は、センサデータから1つ以上のメトリックを推定するように実施されてもよい。これらのメトリックは、例えば、エネルギー消費量の推定、ユーザがランニング、ウォーキング又は他の活動を行っているかどかに関する推定、及び/又はユーザが移動している速度と距離(ペース)の推定などを含むことがある。例えば、図6からのフローチャート600のブロック601は、1つ以上の属性からエネルギー消費量を計算する例示的実施形態を示す。これと別個に、ブロック603は、速度を計算するための例示的実施形態を対象とし、速度は、同じセンサから、同じデータから、及び/又はエネルギー消費メトリックと同じ属性から導出されることがある1つ以上の計算された属性を使用して決定されてもよい。

したがって、本明細書で述べるシステム及び方法は、例えば、加速度計、心拍数センサ、ジャイロスコープ、位置決定装置(例えばGPS)、光(非可視光を含む)センサ、温度センサ(周囲温度及び/又は体温を含む)、睡眠パターンセンサ、画像キャプチャセンサ、湿度センサ、力センサ、コンパス、角速度センサ、及び/又はこれらの組み合わせを含む1つ以上の様々なセンサタイプから受け取ったデータを利用してもよい。

更に、加速度計センサから出力された加速度データと関連付けられた属性の例について述べたが、当業者は、この開示の範囲から逸脱することなく、他のセンサが、単独又は他のセンサ及び装置との組み合わせで使用されてもよいことを理解するであろう。例えば、心拍数モニタが使用されてもよく、心拍数モニタから出力されたデータは、心拍数を1分当たりの心拍の単位(BPM)又は同等物で表すデータを出力してもよい。したがって、出力された心拍数データに心拍数データポイント間の心拍数信号を補間し、特定のポイントでの信号落ちを許容する1つ以上の変換が行なわれてもよく。更に、心拍数モニタ又は他のセンサと関連付けられたセンサデータのために計算された属性が、加速度計データに関して前述したものと同じでもよく異なってもよい。

別の実施態様では、本明細書で述べたシステム及び方法は、センサの組み合わせからセンサデータを分析してもよい。例えば、装置は、ユーザの1つ以上の外肢の動きに関連した情報に加えて、心拍数モニタからのユーザの心拍数と関連した情報を受け取ってもよい(1つ以上の加速度計などから)。1つの例では、装置は、ユーザが、活発な運動を示す心拍数を有することを決定することがあるが、加速度計データは、前記ユーザがある時間期間に休息中だったことを示すことがある。したがって、装置は、ユーザが、活動期間の後で持続した高い心拍数を有するが、前記活動後に現在は休憩していることを決定してもよい。

一実施態様では、トレーニングデータを使用して、例えば、ユーザの性別、体重及び/又は身長などの1つ以上の個人固有の特徴に(少なくとも部分的に)基づいて酸素消費量を予測するために、1つ以上のモデル(エキスパート、又はエキスパートモデルとも呼ばれる)を構成してもよい。したがって、装置112、126、128、130及び/又は400などの装置と関連付けられた1つ以上のセンサからの情報を使用して、1つ以上の属性を計算してもよい。更には、計算された属性が、1つ以上の構成されたモデルと関連付けられた属性と比較され、それにより、計算された属性に対応する動き信号(センサ出力値)を出力しながらユーザによって消費されている酸素量を予測するために使用されてもよい。例えば、ユーザは、外肢にセンサ装置を装着している間に、サッカー競技などの活動を行なってもよい。センサ装置は、次に、1つ以上の属性を計算するために処理されることがあるセンサ値を出力してもよい。次に、1つ以上の計算された属性が、1つ以上のモデルと関連付けられた1つ以上の属性と比較されてもよく、サッカー競技中にユーザによって消費される酸素の量の推定が行われてもよい。更に、前記消費されている酸素量の推定値を使用して、サッカーをしているユーザによるエネルギー消費値を評価してもよい。このプロセスは、図6に関連して更に詳細に述べられる。特定の実施形態では、センサデータは全て、単体装置から来る。一例では、単体装置は、外肢装着型装置である。特定の構成では、外肢装着型装置は、加速度計、位置決定センサ(例えばGPS)及び心拍数モニタのうちの少なくとも1つを含む。別の例では、単体装置は、靴などの運動服上又は運動服内に配置されるように構成されたセンサを含む。更に別の例では、データを収集するために、少なくとも2つの異なる装置からのセンサが利用される。少なくとも1つの実施形態では、データを取得するために利用されるセンサを含む装置は、エネルギー消費の出力を提供するように構成される。一実施形態では、装置は、エネルギー消費に関連する出力を表示するように構成された表示装置を含む。更に他の実施形態では、装置は、エネルギー消費に関する情報をリモート装置に送信するように構成された通信要素を含んでもよい。

別の実施態様では、1つ以上の属性が、受信したセンサデータから計算され、例えば速度/ユーザのペースを予測するために1つ以上のウォーキング及び/又はランニングモデルへの入力として使用されてもよい。そのような実施態様の更なる詳細は、フローチャート600のブロック603に関して述べられる。

図6は、属性計算の例示的実施態様を示すフローチャートである。一例では、この属性計算は、ユーザが行なっている活動と関連付けられた1つ以上のメトリックを評価するために使用されてもよく、前記評価は、エネルギー消費速度及び/又は1つ以上の他のメトリックを含んでもよい。1つの例では、ウォーキング及び/又はランニングのエネルギー消費量及び/又は速度は、同じ組の属性、共通グループの属性からの属性のサブセットなどを使用して推定されてもよい。

ユーザの運動に関係する情報は、ユーザを監視する1つ以上のセンサ装置と関連付けられた1つ以上のセンサから、1つ以上のデータ信号として出力されてもよい。1つの実施態様では、図6は、プロセッサユニット202などの少なくとも1つのプロセッサによって実行される1つ以上のプロセスを表わし、このプロセッサは、例えば、装置112、126、128、130及び/又は400などのセンサ装置と関連付けられてもよい。したがって、装置は、活動中にユーザによって消費されている酸素の量を直接監視しなくてもよい。1つの実施態様では、1つ以上のセンサ装置は、ユーザによって行なわれている1つ以上の活動と関連付けられた1つ以上の動きを監視してもよい。更に、1つの構成では、受信した活動データは、特定の属性を示すことがある活動に関して観察された酸素消費値と相互に関連付けられ、また1つ以上の酸素消費量モデルと関連付けられてもよい。

1つ以上の実施形態は、1つ以上のセンサからセンサデータを受け取る(例えばブロック602を参照)。特定の実施形態では、センサデータは、ユーザによって装着された装置と関連付けられてもよい。一例では、前述のように、前記装置は、例えば、装置112、126、128、130及び/又は400でもよい。したがって、センサデータは、図2からのプロセッサ202などのプロセッサによって受け取られてもく、また本明細書に記載されかつ/又は当該技術分野で既知の1つ以上のセンサから受け取られてもよい。1つの実施態様では、センサデータは、ブロック602で、例えば25Hzの周波数で加速度計から受け取られてもよい。追加又は代替として、センサデータは、5.0〜5.5秒のウィンドウ内で加速度計などのセンサから受け取られてもよい。一実施形態では、ウィンドウ(又は時間枠)は、長さ約5.12秒でもよい。ウィンドウは、ユーザが行なっている1つ以上の活動と関連付けられたユーザの1つ以上の動きに関するセンサデータが記録される時間期間でよい。1つの実施態様では、サンプルウィンドウは、センサデータの128のサンプル(データポイント)を含んでもよく、センサデータのサンプルは、加速度計の3つの直交軸(x軸、y軸及びz軸)のそれぞれの値及び/又は法線ベクトル値を含んでもよい。更に別の実施態様では、1つの実施態様で加速度計から受け取ったセンサデータは、重複しないウィンドウ内で受け取られてもよい(例えば、長さ5.12秒のセンサデータ群はそれぞれ、128個のサンプルを含み、同時にではなく単独でかつ/又は互いに別個に受け取ってもよい)。しかしながら、代替実施形態では、当業者は、本明細書に記載されたシステム及び方法が、加速度計の任意の動作周波数で、任意の時間長を測定するウィンドウ長で、所定のウィンドウ内からの任意数のセンサデータサンプルを使用して、使用されてもよいことを容易に理解するであろう。データは、例えばブロック604で受け取られたときに検証されてもよい。データ妥当性検証は、例えば、1つ以上のしきい値に対する受け取ったセンサデータの1つ以上の値の人などを含んでもよい。例示的なデータ検証の実施の様々な例については、図7に関連して更に詳細に述べられる。

この開示の更に他の態様は、データからの1つ以上の属性の計算に関する(例えばブロック606を参照)。1つ以上の属性の計算は、図7に関するものを含む本明細書で述べた検証プロトコルの後で行われてもよい。1つの実施態様では、サンプルウィンドウ(例えば、前述の128サンプルウィンドウ)内の受け取ったサンプルの1つ以上に関して1つ以上の属性が計算されてもよい。属性計算は、データが収集されるときに実時間で行われてもよい。1つ以上の属性を計算するために実施されるうる種々の例示的な実施形態は、図9A〜図9Eに関連して更に詳しく述べられる。

更に他の実施形態は、1つ以上のセンサから受け取ったデータと関連付けられユーザが行っている1つ以上の活動を示す1つ以上の計算した属性を、1つ以上のモデルと関連付けられた1つ以上の属性と比較してもよい。一例では、1つ以上の属性は、1つ以上のモデルと比較されてもよい(参照、例えばブロック608)。例えば、エネルギー消費を計算するために、1つ以上の属性が、酸素消費モデルと比較されてもよい。別の例では、属性は、例えば、ステップ(ウォーキング中)、ストライド(ランニング中)又はユーザによる他の動き数を推定するためのモデル、及びユーザの速度と距離(ペース)を推定するためのモデルのうちの1つの以上に対する入力として使用されてもよい(例えば、図15A〜図15C及び/又は図16のフローチャート600のブロック603)。更に、図6から明らかなように、1つ以上の計算された属性は、1つ以上のモデルへの入力として使用されてもよく、その結果、1つの例では、エネルギー消費を推定するためのモデルが、ステップレート、ウォーキング速度及び/又はランニング速度などを計算するためのモデルとは別に実行されてもよい。前述のように、1つ以上のモデルは、メモリ(メモリ212など)に記憶され、センサ装置を含む装置と関連付けられてもよい。

1つの実施態様では、モデルは、1つ以上の活動を行う1つ以上のユーザの動作中に収集された情報(例えば、トレーニングデータ)及び一例では予想酸素消費量を含んでもよい。モデルは、スポーツ選手が行なっている活動とは異なるにもかかわらず、属性間に類似の関係を有することがある活動からのトレーニングデータを含んでもよい。したがって、モデルは、酸素消費量の正確な予測値の役割をすることがある。したがって、モデルは、1つ以上の様々な活動と関連付けられたトレーニングデータを含んでもよい。例えば、モデルは、例えばサッカーをすること及びバスケットボールをすることと関連付けられた1つ又は監視プロセスから受け取ったトレーニングデータを含んでもよい。このようにして、サッカー及びバスケットボール活動データの特定の動きと関連付けられた酸素消費データは、類似してもよい(活動中の様々な期間の1つ以上の所定の数値範囲内で)。

別の実施態様では、第1の酸素消費量モデルは、第2の酸素消費量モデルで使用された1人以上のユーザのデータと同じ1人以上のユーザからのデータを含んでもよい。別の構成では、第1のモデルと第2のモデルは、同じ1人以上のユーザのデータを使用してもよい。更に別の構成では、モデルと関連付けられたデータは、例えば、単一データ収集期間中に同じ1人以上のユーザから、又は同じか又は違う日の複数の収集期間から取得されたものでもよい。1つの実施態様では、第1のモデルは、第1群の1つ以上のセンサからのデータと関連付けられてもよく、第2のモデルは、第2群の1つ以上のセンサと関連付けられてもよく、第1群は、1つ以上の同じセンサタイプを共有してもよく何も共有しなくてもよい。1つの実施態様では、本明細書に記載されたシステム及び方法は、活動データから計算された属性(実時間活動データなど)を1つ以上のモデルと比較してもよく、その1つ以上のモデルは、その活動タイプに関して取得されたデータを含まなくてもよい。このように、1つ以上のモデルは、ユーザが行なっている特定の活動に対して寛容なことがある。例えば、活動装置は、バスケットボール活動を行なっているユーザから情報を受け取ってもよい。これに応じて、装置は、受け取ったバスケットボール活動データを処理して(例えば、フローチャート600のブロック606など)、計算された属性を1つ以上のモデルと比較してもよい(例えばブロック608など)。1つの実施態様では、1つ以上のモデルは、バスケットボールに関連したデータを含んでも含まなくてもよい。このように、受け取ったセンサデータの計算された1つ以上の属性は、1つ以上のモデルに対応してもよく、モデルは、ユーザが行っている特定の活動と関連したトレーニングデータを含まなくてもよい。

1つの構成では、複数のモデルを利用してもよく、各モデルは、他のモデルの属性と重複することがあるそれ自体の属性を有する。1つの例実施態様では、各モデルは、20個の属性と関連付けられてもよい。別の構成では、本明細書に記載されたシステム及び方法は、各モデルの5、10、15又は21個の属性を記憶してもよい。しかしながら、本明細書に記載されたシステム及び方法が、各モデルと関連付けられた任意数の属性を記憶してもよく、特定の実施形態では、第1のモデルと関連して記憶された第1の数の属性が、第2のモデルと関連して記憶された第2の数の属性と異なってもよい。更に、モデルと関連して記憶された1つ以上の属性が、代わりに重量と呼ばれてもよく、装置から受け取ったセンサデータから計算された属性とモデルを比較するために使用されることがある関連した重量値を計算するために使用されてもよい。したがって、1つの実施態様では、ユーザの運動データを収集する1つのセンサ装置(又は複数のセンサ装置)から受け取ったデータから計算された属性の数は、1つ以上の記憶された酸素消費量モデルと関連付けられた属性の数、あるいは重量の数に等しいことがある。

1つ以上の態様は、記憶された1つ以上のモデルの総数から最も正確な酸素消費推定値を第1のモデルが、提供する確率を計算しうる。例えば、1群のモデル(例えば16)からの特定のモデルが最も正確な酸素消費出力を提供する可能性が最も高い確率が計算される。この計算は、例えばブロック608の一部として行なわれ、ユーザが行なっている活動を示す受け取ったセンサデータから計算された1つ以上の属性に基づいてもよい。1つの実施態様では、受け取ったセンサデータから計算された属性と、記憶された酸素消費量モデルの1つ以上と関連付けられた属性あるいは体重との近さのレベルが、例えばブロック608の一部として計算されてもよい。1つの実施態様では、本明細書に記載されたシステム及び方法は、入力属性を、記憶されたモデル(専門家)と関連付けられた対応する体重と比較するために、1つ以上のプロセスを実行してもよい。一例では、ブロック608は、記憶されたモデルごとに確率を計算してもよい。したがって、前記確率は、計算された1つ以上の属性が所定のモデルに最適な可能性を表わすことがある。例えば、確率は、16の記憶されたモデルのそれぞれについて計算されてもよい。16の計算された確率からの最も高い確率値は、例えば、計算された属性に最適なモデルを示す。計算された属性と記憶されたモデルとの比較と、計算された属性に最適なモデルの後の選択は、図14と関連して説明される。

1つの例では、ブロック610は、ブロック608からの計算された属性とベストマッチ又は最良適合するモデルを選択する1つ以上のプロセスを表わす。前述したように、前記最良適合モデルは、ユーザの活動を監視するセンサ装置から受け取ったデータに最も近い記憶されたトレーニングデータを表わす。1つの実施態様では、最良適合モデルは、1.0の値に最も近い計算された確率値に対応するモデルでもよい。別の実施態様では、ブロック610は、2つ以上モデルを選択してもよい。例えば、所定の偏差、変動及び/又はしきい値の範囲内のモデルフィッティングが、選択されてもよい(ハイブリッドモデルストラテジと呼ばれる)。

説明的ブロック612によって示されたように、1つ以上の実施形態は、選択されたモデル(専門家)からの出力値を推定してもよい。1つの例では、出力は、ユーザが行なっている1つ以上の活動の結果としての酸素消費量の評価でもよい。したがって、1つの例では、ブロック612は、ユーザが行なっている活動を推定酸素消費値と、センサデータから計算された属性値と最も近い選択されたモデル(例えば、最良適合モデル)に基づいて関連付けてもよい。1つの実施態様では、モデルは、1つ以上の酸素消費推定値を記憶してもよく、酸素消費量の1つ以上の評価が、ユーザの性別、体重及び/又は身長などの少なくとも1つの個別特定値に基づいて記憶されてもよい。したがって、センサ装置から受け取ったセンサデータと関連付けられた1つ以上の属性に基づいて、ブロック612は、ユーザが行っている活動に基づくユーザによる酸素消費量の推定値を返してもよい。

ブロック614は、モデル出力値と関連付けられた動きメトリックを推定するために実施されることがある。1つの例では、動きメトリックは、酸素消費値を使用して推定されることがあるエネルギー消費値でもよい。前述のように、酸素消費量値からのエネルギー消費を計算するために1つ以上の方法が利用されてもよい。1つの例では、5kcalの推定エネルギー消費量が、ユーザによる1Lの酸素消費量と関連付けられる。しかしながら、当業者は、酸素消費値に基づいてエネルギー消費量を計算し、1つ以上の個別の特定の値(例えば、ユーザの身長と重量)を使用する様々な他の式を理解するであろう。

別の実施態様では、計算された1つ以上の属性(例えば、ブロック606での計算を含む)は、ユーザが行なっているウォーキング、ランニング又は別の活動のどれをセンサデータが示すか、追加又は代替としてユーザがウォーキングやランニングなどをしている速度の決定に使用されてもよい。したがって、ブロック606で計算された1つ以上の属性は、ブロック603への入力として使用されてもよい。詳細には、1つ以上の属性は、ブロック606から判定ブロック616に伝達されてもよい。ブロック616で、1つ以上のプロセスは、ユーザがランニング、ウォーキング又は別の活動のどれを行なっているかどうか決定するために実行されてもよい。これらの1つ以上のプロセスと関連した更なる詳細は、図15A〜図15Cに関連して述べられる。ユーザがランニングやウォーキング以外に活動を行なっていると決定した場合、フローチャートは、ブロック616から618から進む。したがって、ユーザがランニングやウォーキング以外の活動を行っている場合、ユーザが移動している速度などを定義するプロセスは実行されない。判定616で、ユーザがランニング又はウォーキングしていると判定された場合、判定620は、活動がウォーキングかランニングかを判定するために実施されてもよい。ランニングやウォーキングなどの活動を選択する例示的な実施形態が本明細書で提供され、1つの実施形態では、ユーザがランニングしていると判定した場合に、速度を決定するためなどに1つ以上の属性がランニングモデルに伝達されることを含む(例えば、ブロック622を参照)。しかしながら、ユーザがウォーキングしていると判定された場合、特定の実施形態は、速度を決定するためなどに、1つ以上の属性をウォーキングモデルに伝達してもよい(例えば、ブロック624)。

図7は、1つ以上のセンサから受け取ったデータの検証で利用されることがある例示的実施形態を示すフローチャート700を示す。1つの例では、フローチャート700は、全体か部分かにかかわらず、図6からのブロック604の検証実施態様を実行する部分として実施されてもよい。ブロック702は、1つ以上のセンサからデータを受け取る1つ以上のプロセスを表わすことがある。前述のように、データは、加速度計、心拍数モニタ、ジャイロスコープ、位置決定装置(例えばGPS)、光(非可視光を含む)センサ、温度センサ(周囲温度及び/又は体温を含む)、睡眠パターンセンサ、画像キャプチャセンサ、水分センサ、力センサ、コンパス、角速度センサ及び/又はこれらの組み合わせを含むがこれらに限定されない様々なタイプのセンサから受け取ってもい。データは、ブロック702で、1つ以上のデータポイント又はサンプルとして受け取られてもよい。更に、データは、連続的又は断続的なデータストリームの一部として受け取られてもよい。更に、当業者に容易に理解されるように、ブロック702で受け取るデータは、単一のセンサ又は複数のセンサからのものでよく、直列入力又は並列入力(同時に)として受け取られてもよい。ブロック702は、ブロック602の一部を特定の実施形態で含んでもよい。

ブロック704は、受け取ったデータの供給減を識別する1つ以上のプロセスを含んでもよい。したがって、ブロック704は、データを受け取ったセンサタイプを識別してもよい。1つの実施態様では、データポイント(サンプル)に含まれる情報は、データが生成され通信されたセンサのセンサタイプ、サブタイプ、モデル及び/又は特定のインスタンスの識別を含んでもよい。例えば、ブロック704は、加速度計などから受け取った受信データを識別してもよい。別の例では、フローチャート700のブロック706は、受け取ったデータを1つ以上のセンサからのものであるように識別してもよい。1つ以上の受け取ったデータポイントを別個のセンサから受け取った場合、データストリームが解析されてもよい(例えば、ブロック708)。1つの例では、ブロック708は、データを受け取ったセンサタイプに基づいて受け取ったデータポイントを分離するように実施されてもよい。

受け取ったデータポイントの値は、1つ以上のしきい値と比較されてもよい(例えば710)。したがって、ブロック710は、受け取ったデータポイントを検証してもよい。このように、データポイントは、例えば、ユーザの動きを表すように識別され、ノイズを表す1つ以上の値と区別されてもよい。例えば、加速度計データポイントに関して、しきい値は、例えば、加速度計センサから最大出力値の10%のものでもよい。したがって、加速度計から受け取ったデータポイントが、加速度計センサからの最大出力値の10%未満の数値(1つの例では、絶対数値など)を有する場合、データポイントは、ノイズとして識別され無視されてもよい。これに応じて、加速度計から受け取ったデータポイントが、加速度計センサからの最大出力値の10%を超える数値を有する場合、データポイントは、有効加速度として識別される。当業者は、しきい値が、任意の数値をとってもよく、その数値が、他の状況では、特定のセンサタイプに適しており、また例えば特定のセンサタイプからの数値の出力範囲に基づくことを理解するであろう。更に、加速度計と関連付けられた例示的なしきい値の10%は、追加又は代替として、しきい値の5%、しきい値の15%、しきい値の20%若しくはしきい値の25%、又は他の任意の数値でよい。更に、特定のセンサタイプと関連付けられた複数のしきい値があってもよい。例えば、センサは、データ出力と関連付けられた2つ以上のしきい値を有してもよい。例えば、第1のしきい値は、ノイズと真の加速度データとを区別しもよく、例えば10%しきい値でもよい。例えば、第2のしきい値は、真の加速度データと飽和データとを区別してもよく、例えばしきい値95%などでよい。

複数のセンサ又は入力からのデータは、ブロック710などで検証されてもよい。1つの例として、心拍数センサからの1つ以上のデータポイント、心拍数センサデータポイントは、1つ以上のしきい値と比較されてもよい。1つの例では、受け取った心拍数が20〜220bpmの場合、心拍数データポイントは適切と見なされ、その後でデータバッファ(ブロック712に関して述べられたバッファなど)に伝達されてもよい。別の例では、心拍数センサデータの検証は、心拍数データポイントの数が1つ以上の所定の心拍数しきい値の範囲内にあることを確認し同時に加速度データがバッファに格納される1つ以上のプロセスを実行してもよい。

1つ以上のデータポイントは、例えばブロック710などで、有効データを表すことが検証されてもよく、有効データは、ユーザが行っている1つ以上の活動又は行動を表してもよい。したがって、1つ以上のデータポイントの検証後に、検証済みデータポイントが、バッファに記憶されてもよい(一時的又は他の形で)(ブロック712を参照)。当業者は、この開示の範囲から逸脱せずに様々なタイプのバッファが使用されうることを理解するであろう。したがって、1つの例では、バッファは、デジタル情報を記憶するように構成された要素を含む専用ハードウェアチップでもよい。バッファは、ハードディスクドライブ(HDD)、ソリッドステートドライブ(SDD)、光ディスクなどの持続型メモリの形で実現されてもよい。追加又は代替として、バッファは、例えばランダムアクセスメモリ(RAM)などの揮発性メモリの形で実現されてもよい。

特定の実施形態は、1つ以上のデータポイントをバッファに追加するように構成されてもよく、前記バッファは、1つの例では、バッファの内容を変換モジュールに伝達する前に128個のデータポイント(サンプル)を記憶してもよい。当業者は、1つの例では、128個未満のデータポイントがバッファに記憶されてもよいことを理解するであろう。例えば、バッファは、64個のサンプル、32個のサンプル、16個のサンプルなどを記憶する。同様に、当業者は、別の例では、128を超えるデータポイントが、バッファに、本明細書に記載された開示の範囲から逸脱することなく、記憶されうることを理解するであろう。追加又は代替として、バッファに記憶されたサンプル及び/又はデータポイントの数は、データを受け取るセンサタイプに依存してもよい。例えば、加速度計から受け取ったデータは、心拍数モニタなどから受け取ったデータより多くの収納スペースを占有することがある。更に、1つの例では、変換モジュールは、受け取ったデータの特徴を処理しかつ/又は識別する1つ以上のプロセスを含んでもよい。

1つの実施態様では、タイムスタンプが、バッファに追加されるようにデータポイントと関連付けられてもよい。別の実施態様では、タイムスタンプが、例えば、バッファと関係なく、検証済みデータポイントと関連付けられてもよい。

特定の実施形態は、データポイントのしきい値数が、バッファ、又は一連のバッファ内にあるかどうかを確認してもよい(例えばブロック714を参照)。このように、ブロック714は、記憶されたデータポイントとバッファの数を識別し、この記憶されたデータポイントの数をデータポイントのしきい値数と比較する1つ以上のプロセスを表わし、その後で、フローチャート700はブロック716に進む。例えば、ブロック714は、バッファに記憶されたデータポイントの数を確認し、この記憶されたデータポイントの数を128個のデータポイントのしきい値数と比較してもよい。1つの例では、ブロック714が。バッファに記憶された128個のサンプルを識別した後、フローチャート700は、ブロック716に進み、128個のサンプルが、データ変換モジュールに伝達される。しかしながら、ブロック714が、バッファに記憶されたサンプルの数が、しきい値数、例えば128個のサンプルより少ないと判定した場合、フローチャート700は、例えば、追加データポイントを処理するブロック702に進む。当業者は、ブロック714が、この開示の範囲から逸脱することなく、フローチャート700から省略されてもよく、また1つ以上のデータポイントが、しきい値数のデータポイントを受け取ることなく、変換モジュールに連続的に伝達されてもよいことを理解するであろう。

1つの実施形態によれば、128個のデータポイントのしきい値は、データのウィンドウを表わしてもよく、データのウィンドウは、25Hzの周波数で収集された場合に、約5.12秒の時間長となる。したがって、サンプルウィンドウは、例えば、任意の所定の周波数で任意の時間長にわたってサンプリングされた128個以外のサンプル数を含んでもよい。更に、変換モジュールは、1つ以上のセンサから受け取られたデータに実行するように構成された1つ以上のプロセスでもよい。1つ以上の変換プロセスは、データをデータセットに集めてもよく、データセットは、例えば、ユーザの動き及び/又は活動を表す1群のデータポイントでもよい。したがって、データ変換プロセスは、図8Aと図8Bに関連して更に詳しく説明される。

図8Aは、受け取ったセンサデータを変換するための1つ以上の例示的なプロセスを含むフローチャート800である。1つの例では、実証済みデータ(図7で示された1つ以上の教示にしたがって検証されてもよい)を受け取ってもよい(例えば、ブロック802)。1つの構成では、フローチャート800は、加速度計センサから受け取ったデータを変換する1つ以上のプロセスを表わしてもよい。したがって、加速度計から出力されたデータポイントは、例えば、3つの直交軸(x軸、y軸、z軸)のうちの1つ以上と関連付けられたデータ値を含んでもよい。1つの特定の実施態様では、加速度計が、単一軸(x軸、y軸又はz軸の1つ以上から選択された単一軸)の方向の加速度を、0から1024のスケールで表す数値を出力してもよい。当業者は、様々な会社によって製造された加速度計、又は実際には様々なタイプのセンサが、本明細書に記載されたものと異なる数値を出力することを理解するであろう。この特定の例では、1から512の出力値が、軸に沿った負方向の加速度を表わしてもよい。これに応じて、513〜1024の出力値は、前記同じ軸に沿った正方向の加速度を表わしてもよい。フローチャート800のブロック804は、例えば、加速度計から出力された1つ以上のデータポイントの中心をゼロにする1つ以上のプロセスを実行してもよい。1つの実施態様では、中央をゼロにするデータは、加速度計上の1つ以上のデータポイントと関連付けられたデータ値を変換し、例えば0m/s²のその加速度がゼロの数値で出力されるようにするために使用されることがある。1つの例では、データをゼロセンタリングする1つ以上のプロセスは、加速度計からの出力値から512を減算することを含んでもよい。したがって、例えば、軸の負方向の加速度は、−1〜−512の負の値によって表わされてもよく、軸の正方向の加速度は、+1〜+512の正の値によって表わされてもよい。

1つの例では、加速度計と関連付けられたデータポイントは、加速度計が加速度の影響を受けやすい1つ以上の軸を表わす1つ以上の数の値を含んでもよい。例えば、加速度計は3つの直交軸(x軸、y軸及びz軸)のそれぞれと関連付けられた3つの数値を出力してもよい。1つの例では、装置112、126、128、130及び/又は400などの装置内の加速度計回路及び/又はチップの物理的向きは、加速度計からの出力値を制御することがある。例えば、装置内に第1の向きで位置決めされた加速度計は、第1の活動中に主にx軸方向の加速度値を出力することがある。しかしながら、装置内に第2の向きで位置決めされた同じ加速度計は、例えば、前記同じ第1の活動中に主にy軸方向の加速度値を出力することがある。したがって、1つ以上のプロセスは、装置内の加速度計センサの物理的向きに依存することがあり、和加速度計センサの向きは、2つの装置で異なることがある。しかしながら、1つの実施態様では、ブロック806は、例えば、出力値の大きさに基づいた加速度計センサから出力されたデータを参照する1つ以上のプロセスを実行してもよい。例えば、加速度計から受け取ったデータポイントごとに、1つの実施態様では、最高加速度値を有する1群の3つの軸(x軸、y軸及びz軸)から軸を識別する1つ以上のプロセスが実行されてもよい。1つの実施態様では、最高加速度値は、絶対値などでよい。したがって、最大加速度値に対応する軸は、x軸として再表示/再配列されてもよい。更に、2番目に大きい加速度値に対応する軸は、y軸として再表示/再配列されてもよい。更に、3番目に大きい加速度値に対応する軸は、例えば、z軸として再表示/再配列されてもよい。この方法では、軸をマグニチュードで再配列することによって、1つ以上の順次データ操作プロセスが、装置112、126、128、130及び/又は400などの装置内の加速度計センサの物理的向きに対して寛容になる。

1つの例では、ブロック808は、受け取ったデータの法線ベクトルを計算することによって、加速度計センサから受け取った1つ以上のデータポイントを変換してもよい。当業者は、加速度計が影響を受けやすい3つの直交軸のそれぞれを表す3つの値を含むデータポイントの法線ベクトルを計算する1つ以上のプロセスを理解するであろう。1つの例では、法線ベクトルは、下の式1にしたがって、二乗和の平方根として計算されてもよい。

法線ベクトル=SQRT(x_i)(2 +(y_i)2+(z_i)2)(式1)

上記の式1の場合、当業者は、x_iがx軸方向の加速度値であり、y_iがy軸方向の加速度値であり、z_iがz軸方向の加速度値であることを理解するであろう。

更に他の変換は、センサから受け取ったデータに対して実行されてもよく、前記データは、加速度計センサから受け取られ、変換前に検証されてもよい。1つの例では、ブロック810は、法線ベクトルの微分を計算する変換を表わす。したがって、当業者は、法線ベクトルの微分などの微分を計算するために様々なシステム及び方法を理解するであろう。別の例では、ブロック812は、法線ベクトルの高速フーリエ変換(FFT)を計算する変換を表わす。同様に、当業者は、周波数領域内のデータなどを表わすデータのFFTを計算するための様々なシステム及び方法を理解するであろう。

フローチャート800のブロック814は、変換データを属性計算モジュールに伝達するための1つ以上のプロセスを表わす。変換データは、例えば、大きさ、法線ベクトルデータ、法線ベクトルデータの微分及び/又は法線ベクトルデータのFFT表現などによってソートされたゼロセンタリングデータの1つ以上のものとして表わされてもよい。更に、属性計算モジュールは、データセットから情報を抽出するための1つ以上のプロセスを含んでもよく、前記抽出された情報は、ユーザが行っている1つ以上の運動及び/又は活動を特徴付けてもよい。1つの例では、前記抽出された情報は、データの1つ以上の属性などと呼ばれることがある。

図8Bは、フローチャート820を示し、フローチャート820は、受け取ったデータなどを変換するための1つ以上のプロセスを含んでもよい。フローチャート820のブロック822は、1つの例では、検証済みデータの受け取りを表わすことがある。データは、例えば図7に関連した教示を含む、本明細書の1つ以上の教示にしたがって検証されてもよい。1つの例では、受け取った検証済みデータが、心拍数モニタなどから受け取った1つ以上の心拍数データポイントを表してもよい。

1つの例では、ブロック824は、受け取った心拍数データポイント間で補間する1つ以上のプロセスを表わしてもよい。例えば、ユーザの心拍数を表すデータポイントが受け取られるレートは、例えば、1Hzでよい。1つの実施態様では、単位時間(毎秒など)少なくとも1つ以上の心拍数データポイントを受け取ることが望ましいことがある。したがって、1つの実施態様では、受け取った心拍数データポイント間の補間は、1Hzを超えるレートなどに対応するデータポイントを生成するように使用されてもよい。次に、ブロック826によって表わされるように、1つ以上のプロセスは、補間済み心拍数データポイントを属性計算モジュールに伝達するように実行されてもよい。

図9Aは、受け取ったセンサデータから1つ以上の属性を計算するための1つ以上のプロセスを含むことがある例示的なフローチャート900を示す。1つの例では、1つ以上のセンサから受け取ったデータは、検証され、ブロック902によって受け取られる前に変換されてもよい。しかしながら、別の例では、1つ以上のデータポイントは、検証や変換などを行わずにブロック902に直接伝達されてもよい。

1つの例では、図9Aは、1つ以上の受け取った加速度計データポイントから1つ以上の属性を計算するための1つ以上のプロセスを表わしてもよい。例えば、フローチャート900のブロック904は、最大加速度を示す加速度計軸を特定する1つ以上のプロセスを実行してもよい。1つの例では、フローチャート800のブロック806で実行された1つ以上のソートプロセスの結果、最大加速度に対応する軸は、x軸などになる。したがって、ブロック904は、x軸と関連付けられたデータ値を識別してもよい。しかしながら、当業者は、最高加速度と関連付けられた加速度値が、1つ以上の代替方法を使用して順序変更されてもよく、その結果、最高加速度を表す軸が、データポイント間で異なってもよく、y軸又はz軸などになるように順序変更されてもよいことを理解するであろう。

前述のように、属性は、一般に、ユーザの1つ以上の動き又はその一部分を表わす計算値でもよく、この計算値は、モデルからの出力を後で予測するために使用されてもよい。更に、モデルは、例えば、活動中のユーザによる酸素消費量を予測するために使用されてもよい。複数の様々な属性は、センサから受け取った単一データポイント、又はデータセットとも呼ばれる1群のデータポイント/1群のサンプルなどから計算されてもよい。1つの例では、例えばユーザによる酸素消費量を推定するために使用される1組の属性は、図8Aに関して述べたように、加速度データポイントの法線ベクトル、加速度データポイントの法線ベクトルの微分、及び/又は加速度データポイントの法線ベクトルの高速フーリエ変換を含んでもよい。

別の例では、更に別の特定の属性が、加速度計から受け取ったデータから計算されてもよい。例えば、属性は、ユーザの1つ以上の動きを表わす値として計算されてもよく、最大加速度を示す加速度計軸からの加速信号と関連付けられてもよい。1つの例では、ブロック906で計算された属性は、平均値など最大加速度を示す軸から受け取ったデータポイントに関連付けられた統計値を含んでもよい。

ブロック920は、エキスパート選択モジュールに対する1つ以上の属性を計算する1つ以上のプロセスを表わす。したがって、エキスパート選択モジュールは、1つ以上の計算された属性を1つ以上のエキスパートモデルと比較する1つ以上のプロセスを含んでもよく、エキスパートモデルは、ユーザが行なっている活動と関連付けられた出力を予測/推定するために使用されてもよい。1つの例では、そのような出力は、ユーザなどによる酸素消費量でもよい。

図9Bは、フローチャート930を含み、フローチャート930は、受け取ったセンサデータから1つ以上の属性を計算する1つ以上のプロセスを含んでもよい。図9Aと同様に、フローチャート930のブロック932は、変換されたセンサデータを受け取る1つ以上のプロセスを表わす。したがって、データ変換は、図8Aと図8Bと関連して更に詳しく述べられる。

フローチャート930のブロック934は、第2の最大加速度を示す加速度計軸を識別してもよい。1つの例では、1つ以上の順序変更プロセスを含む1つ以上の変換の後で、第2の最大加速度を示す軸が、y軸などでよい。

ブロック938は、受け取ったセンサデータから属性を計算する1つ以上のプロセスを表わしてもよい。1つの例では、計算された属性は、統計値でよい。更に、属性の特定の例は、図17Bに関連して述べられ、図9Bなどに関連して実行されることがあるプロセスと類似してもよい。次に、計算された属性は、ブロック942に関連して述べたように、エキスパート選択モジュールに伝達されてもよい。

図9Cは、受け取ったデータの1つ以上の属性を計算する1つ以上のプロセスを含むことがあるフローチャート950を示し、受け取ったデータは、加速度計などからの1つ以上のデータポイントでよい。したがって、ブロック952は、変換データを受け取る1つ以上のプロセスを表わし、データ変換は、図8Aと図8Bに関して述べられる。あるいは、当業者は、受け取ったデータが変換されなくてもよく、その結果、ブロック952における受け取ったデータが、代替として、1つ以上のセンサから受け取った生データでもよいことを理解するであろう。

ブロック954は、第3の最大加速度量を示す加速度計の軸と関連付けられたデータを識別する1つ以上のプロセスを表わしてもよい。1つの例では、図8Aのブロック806に関して述べたように、第3の最大加速度と関連付けられた軸はz軸でよい。

フローチャート950のブロック956は、受け取ったセンサデータから属性を計算する1つ以上のプロセスを表わす。図9A及び図9Bと同じように、計算された属性は、受け取ったデータの平均値などの統計値でよい。1つ以上の属性の母集団に関連した追加の詳細は、図9Cに関して述べた特徴と類似の特徴を含む図17Cに関して提供される。

ブロック968は、1つ以上の計算された属性をエキスパート選択モジュールに伝達する1つ以上のプロセスを実行してもよく、前記エキスパート選択モジュールは、図14に関して述べられる。

図9Dは、受け取ったセンサデータと関連付けられた1つ以上の属性を計算する1つ以上のプロセスを表わすフローチャート970である。例えば、ブロック972は、加速度計から変換済みセンサデータを受け取ってもよい。したがって、ブロック974は、それらのデータポイントを加速度計と関連付けられた全ての軸からグループ化してもよい。1つの例では、加速度計は、1つ、2つ又は3つの直交軸(x軸、y軸、及び/又はz軸)と関連したデータを出力してもよい。ブロック978は、受け取ったセンサデータから属性を計算する1つ以上のプロセスを表わしてもよい。したがって、計算された属性は、受け取ったセンサデータの平均値などの統計値でよい。属性計算と関連した更なる詳細は、図9Dに関して述べたものと類似の要素を含む図17Dに関して示される。

1つ以上の属性を計算した後で、フローチャート970のブロック982によって表わされるように、1つ以上の属性が、エキスパート選択モジュールに伝達されてもよい。エキスパート選択モジュールは、計算された属性と関連付けられた最良適合モデルの選択と関連付けられ、図14に関して更に詳しく述べられる1つ以上のプロセスでもよい。

図9Eは、受け取ったセンサデータと関連付けられた属性を計算する1つ以上のプロセスを表わすフローチャートである。1つの例では、フローチャート986は、加速度計などから受け取ったデータと関連付けられた1つ以上の属性計算プロセスを表わす。したがって、ブロック988は、変換された加速度計データを受け取る1つ以上のプロセスを表わす。1つの実施態様では、図8Aに関して述べたように、加速度計データは、前記データなどの法線ベクトルの計算によって変換されてもよい。1つの例では、ブロック990は、加速度計データの計算された法線ベクトルを識別する。前記計算された法線ベクトルデータから、1つ以上の属性が識別されてもよい。

1つの例では、フローチャート986のブロック992は、受け取ったセンサデータと、詳細には法線ベクトルデータとから属性を計算する1つ以上のプロセスを表す。1つの例では、計算された属性は、例えば、法線ベクトルデータの平均値などでよい。法線ベクトルデータと関連した属性の追加の例は、図17Eに関して述べられる。

次に、ブロック999は、エキスパート選択モジュールにデータを伝達してもよい。例示的なエキスパート選択モジュールは、図14に関して、本明細書でより詳しく述べられる。

この開示の態様は、ユーザが活動(ランニングやウォーキングなど)を行っているかどうかの決定なしにエネルギー消費を計算するように構成されたシステム及び方法に関するが、特定の実施形態は、1つ以上の属性を計算するために(直接又は間接に)使用されることがある歩数を決定してもよい。特定の実施形態によれば、システム及び方法は、周波数推定を行い、ピークを見つける周波数サーチ範囲をセットアップするために実施されてもよい。1つの実施形態では、ピークを見つけるシステム及び方法は、解析バッファなどのバッファ内のデータに利用されてもよい。更に他の実施形態では、他のデータが、単独で利用されてもよく、解析バッファ内のデータと組み合わせて利用されてもよい。図10は、周波数を推定する1つのプロセス例を示すフローチャート1000を提供する。当業者は、図10は、様々な実施態様により利用されることがある多くの実施形態のうちの1つに過ぎないことを理解するであろう。1つ以上のシステム及び方法は、ステップ定量化の決定に利用するために周波数データ内の1つのサブグループ(又は、複数のサブグループ)のピークを識別するように実施されてもよい。一実施形態では、FFTが行なわれ、FFTスペクトル内のピークは、ピークの近くのしきい値及び/又は微分などと共に、識別されてもよい。FFTの実行が、図10に関して述べた1つ以上のプロセスなどの周波数推定プロセスを開始する前、その最中、又はその後で行われてもよい。更に他の実施形態では、FFTは、フローチャート1000の1つ以上の構成要素から得られた1つ以上のしきい値と微分を利用してもよい。

1つの実施形態では、データ(例えば、バッファ内に得られたデータ及び/又は時間フレーム中に得られたデータ)内の特定の1つのピーク(又は複数のピーク)が利用されてもよい。一実施形態では、「バウンスピーク」、「腕振りピーク」及び/又は他のピークが、識別されてもよい。例えば、多くのユーザが、走っているとき脚を着地する際に「跳ねる」。この跳ね返りは、データ内の周波数ピークを提供することがある。他のピーク(及び/又は谷)が、センサデータ内にあってもよい。例えば、多くのユーザが、ランニング及び/又はウォーキング中に腕を予測可能に振って「腕振りピーク」を提供することが多い。例えば、腕は、通常、前方/後方軸に沿って(例えば、前から後ろに)揺れる。この周波数は、「バウンスピーク」の周波数の約半分でもよい。しかしながら、これらのピークはそれぞれ、例えば個人、動きのタイプ、地形及び/又はこれらの組み合わせに基づいて、独立に変化することがある。

特定の実施形態では、周波数を検出する機能のしきい値が、決定又は取得されてもよい(例えば、ブロック1002)。ピークを探す識別基準を決定するための1つ以上のシステム又は方法が、データポイントの周波数を推定してもよい。例えば、平均(例えば、平均値など)及び/又は標準偏差(又は分散)が得られてもよい。そのようなデータは、定量化されうる「ピーク」と「谷」(例えば、データ内の高い値と低い値)を決定するために利用されてもよい。そのようなデータは、ピーク近くの動的しきい値及び/又は微分の決定に使用されてもよい。一実施形態では、バッファ内のデータの1つ又は2パス加重移動平均などの加重平均が、任意の決定で利用されてもよい。更に他の実施形態では、生センサデータ(例えば、加速度計信号)が、単独で、又はデータの微分などの他の属性との組み合わせで使用されてもよい。

一実施形態では、1パス加重移動平均、2パス加重平均及び生データがそれぞれ使用される。別の実施形態では、2パス加重移動平均だけが使用されてもよい。1つの実施形態では、微分の平均と標準偏差が計算され、しきい値レベルとして使用されてもよい。一実施形態では、しきい値を得る1つ以上のプロセスが利用されてもよい。例えば、固定範囲内のピークを見つけるために第1の方法が利用されてもよい。更に特定の実施形態では、第2の方法が、ピークを探すための識別基準を決定するために利用されてもよい。特定の実施態様では、第1、第2又は追加の方法が、バッテリ寿命に少なくとも部分的に基づいて実施されてもよい。例えば、第2の方法は、追加の処理能力を必要とすることがあり、したがって、バッテリ寿命が設定値より低下したかつ/又はしきい値を超えるレートで下降していることの指示を受け取ったときは利用されなくてもよい。

ブロック1004では、ステップ周波数は、特定のバッファ(又は、バッファ群)に関して決定されてもよい。特定の実施形態では、バッファの平均加速度は、別個の狭い調査範囲のデータ(例えば周波数)を作成するために使用されてもよい。例えば、図11は、x軸1102方向の平均加速度(平方秒当たりのメートル数「m/s²」で表された)と、y軸1104方向のデュアルフットステップ周波数のヘルツ(Hz)で表した周波数を示すグラフ1100を示す。領域06は、境界線1108a〜1108dで定められることがある検出域を示す。境界線1108の1つ以上は、ブロック1002で計算されたしきい値に少なくとも部分的に基づいてもよい。したがって、加速によって、加速度計が予測する周波数範囲以外(例えば、境界線1108a〜1108d以外)の周波数が生成される場合、特定のシステム及び方法が、このデータの少なくとも一部分を利用しないことがある。これは、データがランダムノイズと見なされること(例えば、データが異なる周波数成分だが類似の加速度を有すること)を保証するために利用されてもよい。一実施形態では、中心周波数は、近似されてもよい。一実施形態では、1つ以上の軸に沿って測定されたセンサデータの中心周波数が計算されてもよい。例えば、1つ以上の加速度計から収集されたセンサデータは、x、y及びz軸の1つ以上の方向の平均周波数を決定するために使用されてもよい。例えば、アームスイングデータは、3つの軸のそれぞれの方向の成分を含み、したがって測定されてもよい。一実施形態では、複数の軸の平均周波数は、データのピーク及び/又は谷の数を調べることによって近似されてもよい。

特定の実施形態によれば、センサデータは、ステップカウントがウォーキング及び/又はランニングに応答しているかどうかに関係なく、ステップカウントを決定するために利用されてもよい。この点において、非ウォーキング及び/又は非ウォーキングデータを含むセンサデータを保持することは有利なことがあり、より正確に言うと、ウォーキング及び/又はランニングの決定が、属性から決定されてもよい。しかしながら、例示的なセンサ読み出し値を検討するために、図11は、0.5〜2.4Hzの範囲(y軸1104方向にある)内の信号を示すために提供され、この範囲は、他の分類技術を使用するとウォーキングを示すものとして見なされてもよい(例えば、1110で示されたサンプル)。別の実施形態では、2.4〜5Hzの範囲内の信号は、他の分類技術ではランニングを示すものとして見なされてもよい。例えば、データポイント1112は、スポーツ選手が、8分マイルで走っていることを示すことがあり、データポイント1114は、スポーツ選手が5.5分マイルで走っていることを示すことがある。更に、特定の実施形態では、腕振りデータを利用して、デュアルフットステップ周波数を決定してもよい(軸1104を参照)。例えば、手首装着型装置が、腕振りを測定するように構成された場合、そのようなデータは、シングルフット周波数として解釈されてもよい。この点において、要素1116によって示されるシングルフット周波数データポイントは、データポイント1110に対して半分の値(y軸1104に対して)に対応してもよい。したがって、一実施形態では、シングルフット周波数の値は、デュアルフットステップ周波数値に達するように2倍にされてもよい。当業者は、グラフ1100が、生成又は表示されなくてもよいが、この開示の態様を示すために本明細書に示されていることを理解するであろう。

判定1006は、推定ステップ周波数を調整するかどうか判定するために実施されてもよい。一実施形態では、判定1006は、先行する非重複バッファなどの前のバッファでステップがカウントされたかどうか(又は、ステップの周波数)を検討してもよい。例えば、判定1006は、成功したFFTが前のデータにステップを入れたかどうかを判定してもよい。当該技術分野で理解されるように、データ(例えば、周波数)が変化する状況があってもよいが、ユーザは、異なるレート又はペースであろうとも、同じ活動を行ってもよい。例えば、ユーザが10mphで走っており5mphに減速する場合、彼/彼女は、もっと遅いペースでだが、更に走ってもよい。しかしながら、この状況では、検出される周波数は変更される。

一実施形態では、ステップ定量化は、例えば前述のようにピークを識別することによって、一次結合なしに決定されてもよい。データ内のバウンスピーク及び/又は腕振りピークの調査範囲を確立するために、推定(ブロック1008によって調整されたことがある)が使用されてもよい(例えばブロック1012を参照)。

ブロック1014は、ステップ定量化の決定に利用するために周波数データ内の1つのサブグループ(又は、複数のサブグループ)のピークを識別するように実施されてもよい。一実施形態では、FFTが行なわれ、FFTスペクトル内のピークは、ピークの近くのしきい値及び/又は微分などと共に、識別されてもよい。FFTの実行が、図10に関して述べた1つ以上のプロセスなどの周波数推定プロセスを開始する前、その最中、又はその後で行われてもよい。更に他の実施形態では、FFTは、フローチャート1000の1つ以上のプロセスから得られた1つ以上のしきい値と微分を利用してもよい。1つの実施形態では、データ(例えば、第1のバッファ内で得られたデータ及び/又は第1の時間フレーム中に得られたデータ)内の特定の1つのピーク(又は複数のピーク)が利用されてもよい。これは、一次結合を使用できないことの決定に基づいて行われてもよい。一実施形態では、「バウンスピーク」、「腕振りピーク」及び/又は他のピークが、識別されてもよい。例えば、多くのユーザが、走っているとき脚を着地する際に「跳ねる」。この跳ね返りは、データ内の周波数ピークを提供することがある。他のピーク(及び/又は谷)が、センサデータ内にあってもよい。例えば、多くのユーザが、ランニング及び/又はウォーキング中に腕を予測可能に振って「腕振りピーク」を提供することが多い。例えば、腕は、通常、前方/後方軸に沿って(例えば、前から後ろに)揺れる。この周波数は、「バウンスピーク」の周波数の約半分でもよい。しかしながら、これらのピークはそれぞれ、例えば個人、動きのタイプ、地形及び/又はこれらの組み合わせに基づいて、独立に変化することがある。

図12Aは、多軸加速度計データなどのセンサデータの例示的FFT出力のグラフ1200を示す。グラフ1200は、x軸1202方向のヘルツ(Hz)で表した周波数と、y軸1204方向のFFTパワーとを示す。線1206は、周波数(x軸1202方向)とパワー(y軸1208方向)の関係をグラフ化しており、y軸1204方向の大きさ又は最大高さは、ピークの最大FFTパワーを提供する。ピークの大きさは、周波数の相対強度を示し、人がステップを踏んでいるかどうかのインジケータとして使用されてもよい。当業者は、グラフ1200が、生成又は表示されなくてもよいが、この開示の態様を示すために本明細書に示されていることを理解するであろう。

更に図12Aで分かるように、腕振り範囲1208は、x軸1202方向の約0〜2Hzの間で示され、腕振りピーク1210を含む。バウンスピーク範囲は、x軸1202方向の約2〜4Hzで示され、バウンスピーク1214を含む。したがって、示された例では、バウンスピーク範囲内のバウンスピーク1208の周波数は、一般に、腕振りピークの周波数の2倍である。したがって、システム及び方法は、確立されたしきい値に基づいてピーク(及び/又は谷)を識別してもよい。この点において、1つ以上の非一時的コンピュータ可読媒体のコンピュータ実行命令は、ピークのしきい値量が範囲内にある(固定されているか動的に決定される)かどうかを決定するために実行されてもよい。範囲内のピークがない場合、そのバッファは空にされてもよい(あるいは、そのデータを歩数決定に利用しなくてもよい)。この点において、ピークは、最大オカレンス量及び/又は最高絶対値を有するものによって測定された周波数を指すことがある。

特定の実施形態は、ピーク(例えば、腕振りピーク、バウンスピーク、及び/又は他のピーク)がしきい値を満たすかどうか決定してもよい。一実施形態では、制限された調査範囲内の周波数パワーのしきい値は、周波数が単なるノイズではなく、活動(例えば、ウォーキング又はランニングなどの)と見なすのに十分な大きさであることを保証してもよい。更に別の実施形態では、重複ウィンドウ手順が利用されてもよい。例えば、FFTウィンドウは、短期間ステップが確実に計数されるように重複式に分析されてもよい。図12Bは、実質的に図12Aに示されたようなグラフ1200を示すが、腕振りしきい値1216とバウンスしきい値1218を更に含む。図示されたように、腕振り範囲1208(0〜2Hz)内のピークは、大きさがFFTパワーのしきい値(例えば、しきい値1216は、y軸1204に示されたように約500である)を満たす場合だけ計数されてもよい。

同様に、特定の実施形態では、バウンスピーク範囲(2〜4Hz)内のピークは、その大きさがしきい値(y軸1204上に示されたように約2500におけるバウンスしきい値1218など)を満たす場合だけ計数されてもよい。特定の実施形態では、しきい値を満たすか超えるピークは、ステップとして計数されてもよい(ブロック1016を参照)。ステップは、FFT解析ウィンドウの持続時間などの設定時間の間に増分されてもよい。特定の実施形態は、重複ウィンドウで増分し続けてもよい。一実施形態では、ステップは、各サンプルバッファ又は解析バッファの特定部分(例えば、25%)に関して定量化されてもよく、しきい値を満たす場合、ステップは、特定のサンプルバッファ又は活動バッファの一部分に関して計数されてもよい。しかしながら、そのサンプルバッファ又は部分のしきい値が満たされない場合、活動バッファの残りの部分(又は、特定の周囲のサンプル)のステップが、ステップ周波数に基づいて決定される。例えば、解析バッファが、4つのサンプルバッファを含み、最初の3つだけがステップを有する場合は、その解析バッファの4分の3のステップカウントは、事前に選択されたステップ周波数に基づいてもよい。

更に他の態様は、ピークがある場合の、そのどのピークを利用するかの選択に関連する。一実施形態によれば、システム及び方法は、見つけたピークが有効と見なされるかしきい値を満たすという事実にもかかわらず、ステップを定量化する際に利用されるピークを選択可能である。前述したように、足接触によるバウンスデータは、状況によっては、より信頼性の高い腕振りデータのことがある。同様に、他の実施形態では、腕振りデータが、より正確な結果を提供することがある。更に他の例では、両方のピーク(及び/又は他のもの)を一緒に使用してデータ範囲を導くことによって、最良の結果が提供されうる。本明細書に開示された実施形態は、外肢(腕や脚など)に装着されて、活動データを収集しステップ(及び場合によっては、更に他の実施形態では、活動タイプ及び/又はエネルギー消費)を定量化する際に利用するピークを決定するように構成された携帯装置上で使用されるシステム及び方法に関する。この点において、様々なピークの組み合わせを使用してスポーツ選手の特定の活動を決定してもよい。特定の実施形態では、システム及び方法は、例えばピーク1214や、ピーク1210などの腕振りピークなどのバウンスピークを使用するかどうか動的に決定するように構成されてもよい。決定は、実質的に実時間(0.5秒、1秒、2秒、4秒ごとなど)で、活動データに基づいて更新されてもよい。

図13は、一実施形態により腕振り周波数又はバウンス周波数を利用するかどうかを決定するために実施されることがある例示的フローチャートを示す。図13に示されたように、システム及び方法は、どのデータが最も正確な結果を提供するか(例えば、加速度計データのFFT解析によるどの周波数を利用すべきか)を決定するために説明的FFT出力から関連周波数ピークを選択するために実施されてもよい。特定の実施形態では、ステップ周波数は、FFTスペクトルによって表わされた時間期間のステップカウントの生成に使用されてもよい。

一実施形態では、「適切な」ピークは、腕振りピークとバウンスピークを含んでもよい。ブロック1301は、対応する調査範囲内の識別ピークの数を定量化するために実施されることがある。したがって、バウンス範囲(「BR」)(例えば、図12Aの0〜2Hzの周波数を含む範囲1208を参照)の周波数推定値にあるバウンスピークが定量化されてもよく、腕振り範囲(「ASR」)(例えば、図12Aの2〜4Hzの周波数を含む範囲1212)の周波数推定値にある腕振りピークが定量化されてもよい。特定の実施形態では、識別されたピークの量(及び/又は識別された特定のピークの量)を利用して、推定ステップ周波数のどれ(例えば、ASR、BR又は他の範囲内のピークによって決定される)を利用できるかを決定してもよい。例えば、判定1302は、BRに少なくとも1つのピークがあるか又はASRに少なくとも1つのピークがあるかを決定してもよい。そうでない場合、ブロック1304は、指定された範囲内にステップが行われなかったことを登録するように実施されてもよい。しかしながら、判定1302で少なくとも1つのBRか少なくとも1つのASRピークがあった場合、判定1306は、1つだけBRピーク(及び、ゼロ個のASRピーク)があるか、あるいは1つのASRピーク(及び、ゼロ個のBRピーク)があるかどうかを決定するように実施されてもよい。1つだけASRピークがあることが決定された場合、ブロック1308は、ステップ周波数を2*ASR周波数でマークするように実施されてもよい。あるいは、1つのBRピークがあると決定された場合、ブロック1310は、ステップ周波数をBR周波数に対応するものとしてマークするように実施されてもよい。第3の代替として、互いに欠けていて2つ以上のASRか2つ以上のBRしかない場合は、判定1312が実施されてもよい。判定1312を検討する前に、読者は、図13(及び本明細書に示された他のフローチャート)が、例えば判定1302、1306、1312及び1314などの幾つかの判定を含むことに注目されたい。この開示の利益を有する当業者は、1つ以上の判定が、単一判定にグループ化されかつ/又は、判定1302内の抱合的判定1304のように異なる順序で配置されてもよいことを容易に理解するであろう。したがって、複数の判定をこの順序で使用することは、単に説明のためである。

1つ以上のプロセスが、ちょうど1つのBRピークと1つのASRピークがあるかどうか判定してもよい(例えば判定1312を参照)。そうでない場合、ブロック1324(後述される)が実施されてもよい。しかしながら、そのような場合、ASRピークがBRピークの設定範囲内にあるかどうか決定するために判定1314が実施されてもよい。一実施形態では、判定1314は、ASRピークが、1/2*BRピークの±15%内にあるかどうかを決定してもよい。そのような場合、ブロック1316は、ステップ周波数が、BRピークと2xASR周波数の平均であることを決定するために実施されてもよい。

しかしながら、ASRピークとBRピークが、識別された範囲しきい値内にない場合、ブロック1318が、各ピークの推定周波数から距離を計算するために実施されてもよい。この場合、1つ以上のプロセスが、ピークの少なくとも1つの大きさがしきい値より大きいかどうかを決定してもよい。例えば、判定1320が、両方のピークの大きさがしきい値より大きいかどうかを決定するために実施されてもよい。判定1320のしきい値が満たされない場合、ブロック1321が、2つのピークの大きい方の周波数と大きさを選択するように実施されてもよい。しかしながら、ピークの大きさがしきい値より大きい場合は、ステップ周波数とピーク大きさが、推定されたステップ周波数に近いピークから選択されてもよい(例えばブロック1322)。

フローチャート1323を示す図13Bを見ると、システムと方法は、調査範囲内に2つ以上のBRピークと2つ以上のASRピークがあるときにステップ周波数を決定するように構成されてもよい。一実施形態では、データに1つのBRピークと1つのASRよりも多くあるときに、ブロック1324が、ステップ周波数を決定する。ブロック1324は、図13Aの判定1312で必ずしも1つのBRピークと1つのASRピークがあるわけではないという決定に基づいて実施されてもよく、更に他の実施形態では、ブロック1324は、判定1312及び/又は図13Aに依存しない。ブロック1324は、周波数推定法則によって推定された周波数などの推定周波数に対するピークの近さを決定してもよい(例えばブロック1002とフローチャート1000を参照)。一実施形態では、推定周波数に最も近いBRピークとASRピークが決定される。判定1326は、少なくとも1つの識別されたASRピークがBRピークの設定範囲内にあるかどうか及び/又は少なくとも1つの識別されたBRピークがASRピークの設定範囲内にあるかどうかを決定するために実施されてもよい。一実施形態では、判定1326は、ASRピークが1/2*BRピークの±15%以内にあるかどうか、又はBRピークが、1/2*ASRピークの±15%以内にあるかどうかを決定してもよい。

判定1326で、設定されたしきい値範囲を満たさないことが決定された場合、ブロック1328が、デフォルトで単一ピークを有する調査範囲になりかつ複数ピーク領域内の最大ピークを見つけるために開始されることがある。あるいは、判定1326で示された基準を満たす場合は、ブロック1330が実施されてもよい。一実施形態では、単一ピーク範囲の判定1326で示された設定範囲(例えば、15%)内に複数のピークがある場合、最大ピークの周波数とピークの大きさを選択するためにブロック1330が実施されてもよい。判定1332は、識別されたピークのどれが大きいかを決定するために実施されてもよい。例えば、判定1332は、BRピークがASRピークよりも大きいか(又はその逆)どうかを決定してもよい。判定1332は、BRピークとASRピークのどちらが大きいかだけを決定してもよい。一実施形態では、2つのピークの大きい方が、ステップ周波数として選択されてもよい(例えば、ブロック1334及び1336を参照)。

図14は、受け取ったセンサデータからの1つ以上の計算済み属性を1つ以上のエキスパートモデルと比較する1つ以上のプロセスを表わすフローチャート1400を示す。したがって、図14は、エキスパート選択モジュールと記述されることがある。当業者は、エキスパートの混合物として示された統計解析方法を容易に理解するであろう。したがって、1つの実施態様では、エキスパートは、出力値を推定するために使用されることがあるモデルでよい。1つの例では、出力値は、ユーザが行っている1つ以上の活動と関連付けられた酸素消費量の推定値でもよい。

図6に関して簡単に述べたように、1つの例では、16個のエキスパート(モデル)が、装置112、126、128、130及び/又は400などの装置に記憶されてもよい。更に、各エキスパートと関連して記憶された幾つかの属性(体重とも呼ばれる)があってもよい。1つの例では、20個の属性が、各エキスパートモデルと関連付けられた20個の重みと比較されてもよく、前記属性は、図9A〜図9Eと図17A〜図17Eなどに関して述べられたプロセスによって計算される。

計算された属性をブロック1402で受け取ったとき、記憶された各エキスパートモデルと関連付けられた重みが選択されてもよい(ブロック1404)。各エキスパートモデルに関して、前記エキスパートモデルが受け取った属性のベストマッチである確率が計算されてもよく、ベストマッチは、計算済み属性が入力された場合に、モデルの出力を最高精度で予測するモデルを表わす。1つの例では、ブロック1406は、エキスパートが受け取った属性のベストマッチである確率を、例えば、Softmax回帰関数を使用し、「エキスパート混合」手法にしたがって計算する1つ以上のプロセスを表わしてもよい。

したがって、1つの例で、加速度計から受け取り、ユーザが行なっている活動を示すセンサデータから20個の入力属性が計算された場合、それらの20個の属性は、エネルギー消費システムに記憶されたモデルのそれぞれと関連付けられた等しい数の重量と比較されてもよい。計算されたSoftmax回帰は、それぞれの記憶されたモデルと関連付けられた確率値を返してもよく、各確率値は、関連付けられたモデルが、一例ではユーザによって消費されている酸素の量の入手できる最良の推定を提供する可能性を表わす。例えば、エネルギー評価システムは、4つのモデル(エキスパート)を記憶してもよい。したがって、受け取った加速度センサデータから計算された属性を使用して、4つのモデルのそれぞれのSoftmax回帰が計算されてもよい。1つの例では、このSoftmax回帰は、4つのモデルのそれぞれの確率を計算してもよい。したがって、計算された最高確率に対応するモデルは、ユーザが消費している酸素の量の入手できる最良の指定を提供するために使用されるモデルである。1つの実施態様では、次の式を使用してSoftmax回帰が計算されてもよい。

(Softmax回帰式)

上のSoftmax回帰式で示したように、piは、酸素消費量を予測するために使用するk個の異なるモデルからのモデルiが最良モデルである確率を表わし、この場合、ベクトルxによって記号化された入力属性のベクトルは、センサ入力値から計算される。更に、miは、モデルmiと関連付けられた重量のベクトルである。

ブロック1406は、関連付けられたエキスパートモデルが、計算された属性値の最良適合を表わす1つ以上の確率を表わす1つ以上の出力を作成してもよい。ブロック1408は、ブロック1406の出力から最高確率を持つエキスパートを選択してもよい。したがって、ブロック1408は、選択されたエキスパートを使用して出力を推定してもよく、出力は、ユーザによる酸素消費の推定量でよく、ユーザが行なっている1つ以上の活動などに基づいてもよい。

更に他の態様は、スポーツ選手の速度、距離、及び他の1つ以上のパラメータなどの、1つ以上の他のメトリックを計算するシステム及び方法に関する。計算されている属性が速度である一実施形態では、速度計算モジュールが提供されてもよい。対象ウィンドウの適切な属性が提供された場合、システム及び方法は、データの1つ以上のウィンドウの速度を計算するかどうかを決定するために実施されてもよい。1つの実施態様では、データウィンドウが、ウォーキング又はランニングデータを含むように決定された場合、適切な属性は、速度と距離を計算するために、例えば速度及び距離モジュールに送られることによって利用されてもよい。したがって、以上のことから、この開示の特定の態様が、アスレチックデータの分類を含む速度又は距離の決定に関連することが分かる。前述のように、特定の態様は、アスレチックデータを活動タイプ(ウォーキング、ランニング、バスケットボール、疾走、サッカー、フットボールなど)に分類せずにエネルギー費用値を計算することに関するが、例えば速度や距離などの他のメトリックを計算するために、エネルギー消費量を計算するために利用される同じデータの少なくとも一部分を分類することは、この開示の範囲内にある。速度(又は、アスレチックデータの分類から決定された別のパラメータ)が、エネルギー消費値の決定に利用される同じ属性から計算されてもよい。この点において、全く同じ組の属性が使用されてもよいが、更に別の実施形態では、サブセットの同じ属性が使用されてもよく、更に追加の実施形態では、2つの異なるメトリック(例えば、速度及び/又はエネルギー消費など)の決定に利用されるのが単一の共通属性値だけでもよい。1つの実施態様では、速度(又は、別のメトリック)は、エネルギー消費値の決定から導出されたデータの少なくとも一部分から決定されてもよい。

図15と図16は、エネルギー消費値の計算で利用される属性の少なくとも一部分に基づいてスポーツ選手の活動を(例えば「ウォーキング」、「ランニング」、又は「その他」のカテゴリに)分類する際に利用されうる例示的プロセスを示すフローチャートである。本明細書に記載された例示的実施形態は、カテゴリ「ウォーキング」「ランニング」及び/又は「その他」を利用するが、当業者は、これが説明のためであり、他のカテゴリがこの開示の範囲内にあることを理解するであろう。更に、図15と図16のカテゴリが、速度及び/又は距離を決定する例示的文脈で示されるが、これは要件ではない。この点において、活動データの分類は、速度及び/又は距離のいかなる決定とも無関係に行なわれてもよい。

最初に図15を見ると、最初に、データが、第1のサブグループ(例えば、ウォーキングとランニングを含む)内で検討されるかあるいは第2のサブグループ(例えば、ウォーキング又はランニング以外)内で検討されるかを決定する1つ以上のプロセスが利用されてもよい。1つの例では、データが直線移動運動サブグループ内で検討されるか、あるいは線形運動サブグループで検討されるかを決定する1つ以上のプロセスが利用されてもよい。この直線移動運動サブグループは、一例では、ウォーキング及び/又はランニングに対応してもよい。更に、当業者は、直線移動運動サブグループが、実質的に、ウォーキング又はランニングと関連したものなど、及びバスケットボール、サッカー、アイスホッケーなどのチームスポーツに参加している人の比較的ランダムな動きに対立するものとして、実質的な直線運動を含むことを理解するであろう。したがって、ランニングとウォーキングは、チームスポーツなどの他のアスレチック活動に参加している間のユーザの動きの停止始動/比較的間欠的性質と比較して、「直線移動運動」と呼ばれ分類されることがある。しかしながら、別の例では、ランニング又はウォーキングの直線移動運動は、トラックのまわりのランニング及び/又はウォーキングを含むことがあり、ランニング及び/又はウォーキングの特定期間は、円運動などと見なされることがある。

属性の値(本明細書で開示されかつ/又は当該技術分野で既知の属性の1つ以上など)を受け取ってもよい(例えば、ブロック1502を参照)。一実施形態では、25Hzにおける加速度データの128サンプルウィンドウが利用されることがある。一実施形態では、データを取得するために手首取付型加速度計(多軸加速度計でもよい)が利用されてもよい。

ステップレートは活動データを分類するために利用される基準であってよい。ステップレートは、エネルギー消費の決定で利用され、属性から導出され、かつ/又は分類のために個別に導出された属性でよい。特定の実施形態では、ステップレートは、1つ以上のしきい値と比較されてもよい(例えば図15Aのブロック1504を参照)。本明細書で使用されるとき、第2、第3又は任意の後続のしきい値(又は、他の値)の列挙は、単に前述したしきい値を区別する説明のためのものであり、しきい値又は範囲の特定の順序及び/又は量に限定されない。特定の属性と属性の順序は、ステップレートが指定しきい値を満たすかどうかに基づいてもよい。例えば、ステップレートが、第1のしきい値を超えない場合(例えばブロック1504を参照)は、軸からの加速度計データと最高加速度値との積分が、第1のしきい値より大きいか(例えばブロック1506を参照)どうかが判定されてもよく、ステップレートが、ステップレートの第1のしきい値を超える場合は、軸からの加速度計データと最高加速度値との積分が、その同じ属性に関して設定された第2のしきい値より大きいかどうかが判定されてもよい(例えば、図15Bの判定ブロック524を参照)。

図15Aの残りの部分は、ステップレートが第1のしきい値を満たすことを決定した分脈で説明され、図15Bは、第1のしきい値を満たさないステップレートの文脈で説明されるが、当業者は、そのような実施態様が単に1つの例であることを容易に理解するであろう。特定の状況では、信頼性の高い決定のために分析しなければならないデータの量を制限するために、最大の大きさを有する軸など(例えば、判定1504及び1524)の単一軸からのデータを利用することが有益なことがある。

最高の加速度の大きさを有する軸からの加速度計データの積分が、その属性に関して設定された第1のしきい値より大きい場合は、活動の分類を決定するためにデータの変形が検討されてもよい。1つの例として、データの標準偏差の平均が検討されてもよい(例えばブロック1508を参照、)。一実施形態では、標準偏差の平均がしきい値を超える場合、データは、一貫性がなさすぎて「ウォーキング」又は「ランニング」と分類されないことがある。これは、ユーザの活動がウォーキングやランニングを含んでいなかったと提案しているわけではなく、例えば、ユーザが、バスケットボールゲーム中にディフェンス作戦を行っていることがあるが、その活動を「ウォーキング」又は「ランニング」として分類することは、最も正確なカテゴリでないことがある。一例として、ディフェンスのバスケットボールの動きを単に「ウォーキング」として分類し、比較的小さいサイドステップからの距離を決定しようとすることは、特定の実施態様では好ましくないことがある。一実施形態では、標準偏差の平均がしきい値を超える場合、データは、非ウォーキング及び/又は非ランニングカテゴリとして分類されてもよい。例えば、「その他」として分類されてもよい。(ブロック1510を参照).あるいは、標準偏差の平均がしきい値を超えない場合は、「ランニング」及び/又は「ウォーキング」を含むように分類されてもよい(例えばブロック1512を参照)。図16に関して後でより詳しく説明されるように、データを「ランニング」と「ウォーキング」のいずれかとして指定するために更なる解析が行なわれてもよい。

例示的ブロック1506に戻ると、最高加速度値を有する軸からの加速度計データの積分は、その属性に関して設定された第1のしきい値より大きくなくてもよく、したがって、積分が第2のしきい値を超えるかどうかが決定されてもよい(ブロック1514を参照)。特定の実施形態では、第2のしきい値は、第1のしきい値より実質的に低くてもよい(例えば、小さい方の値。一例では、ユーザによる低い方の加速度量を示す)。積分が第2のしきい値を満たさない場合、データは、ランニング又はウォーキングデータではないとして分類されてもよい(ブロック1510を参照)。しかしながら、第2の積分しきい値が満たされる場合は、ステップ周波数パワーを利用して活動データを分類してもよい。例えば、ステップ周波数パワーが第1のしきい値を超える場合、「その他」として分類されてもよい(例えば、判定1516からブロック1510に進む)。第1のしきい値を超えない場合は、第2のしきい値と比較されてもよい(例えば判定1518)。判定1518で否定されると、データがウォーキングデータでもランニングでもないとして分類されることがあり、それに対して、肯定されると更なる解析が行われる(例えば判定1520を参照)。一実施形態では、一連のセンサデータ(x、y及びz軸などの複数の軸と関連付けられた加速度計データなど)が、しきい値と比較されてもよい(例えば、ブロック1520)。一実施形態では、範囲しきい値が満たされない場合、データは、ランニングやウォーキングとして分類されてもよく、しきい値が満たれる場合、データは、ウォーキング又はランニングとして分類されないことがある。

図15Bは、第1のしきい値を満たさないステップレートの文脈で説明されるが(例えば、図15Aの判定1504を参照)、当業者は、ブロック1504の第1のしきい値の利用を含む図15Aの1つ以上の態様が、1つ以上のプロセスから省略されてもよいことを理解するであろう。一実施形態では、図15のフローチャート1500の全体が、省略されることがある。1つのそのような実施形態では、図15Bが、分類機能の初期段階を示すことがある。

前述のように、特定の実施形態が、最高の大きさを有する軸からのデータを利用してもよい。1つの例として、最高の加速度の大きさ値を有する軸からの加速度計データの積分が、その属性に関して設定されたしきい値より大きいかどうかが決定されてもよい(例えば判定1524を参照)。一実施形態では、判定1524の「第3のしきい値」は、第1及び/又は第2のしきい値によって設定された運動よりも小さいそれぞれの軸方向の運動を示してもよい。しきい値を超えない場合、ステップ周波数パワー(例えば、判定1526のステップ周波数パワーの第3のしきい値)が利用されてもよい。活動を分類するプロセス全体でステップ周波数パワーの少なくとも3つのしきい値が利用される1つの実施形態では、第3のしきい値(例えば、判定1526で利用されるしきい値)が、数値的に第1と第2のしきい値の「中間」の値でよい。一実施形態では、第1のしきい値は、第3のしきい値より大きくてもよく、一方、第2のしきい値は、第3の値より小さくてもよい。しかし、他の実施形態では、しきい値は、この属性に関する1つ以上の他のしきい値より大きくても小さくてもよい。

一実施形態では、複数の軸(例えば、x、y及びz軸)と関連付けられた一連のセンサデータ(加速度計データなど)が、判定1526のしきい値を満たすかどうかに基づいて、1つ以上のしきい値(例えば、判定1528及び1530)と比較されてもよい。一実施形態では、第2のしきい値(判定1520の第1のしきい値と異なるものでよい)が、この属性に関する第3のしきい値の約半分でよい。一実施形態では、しきい値のうちの1つが、別のしきい値の±10%以内でよい。一実施形態では、判定1530のしきい値は、その属性の最も高いしきい値である。判定1528又は1530のしきい値が満たされる場合、データは、ランニングとしてもウォーキングとして分類されないことがある。(判定1528及び1530が「その他」と示されたブロック1510に進む)。第3のしきい値を満たさないという判定(例えば、判定1530)の結果、データがランニング又はウォーキングとして分類されてもよく、それに対して、第2のしきい値の場合(判定1528を参照)は、しきい値を満たさない場合に、更なる解析が行なわれてもよい。一実施形態では、判定1528のしきい値を満たさない場合、ステップ周波数パワー(例えば、判定1532のステップ周波数パワーの第4のしきい値)が利用されてもよい。ブロック1532のしきい値は、利用された他のステップ周波数パワーしきい値の10%、5%又はそれ以下でよい。ブロック1532のしきい値が満たされる場合、データは、ウォーキング又はランニングとして分類されることがあり、更にしきい値が満たされない場合は、データは、ウォーキングとしてもランニングとしても分類されないことがある。

図15Cは、図15Aと図15Bの文脈で表示されることがあり、図15Aと図15Bでは、第1のステップカウントしきい値が満たされず(例えば、図15Aの判定1504を参照)及び/又は最高の大きさを有する軸からのセンサデータの積分が満たされる(例えば、図15Bの判定1524)が、当業者は、特定のしきい値の利用を含む図15A及び/又は図15Bの1つ以上の態様が、図15Cに関して行なわれる1つ以上のプロセスから省略されてもよいことを理解するであろう。一実施形態では、図15のフローチャート1500及び/又は図15Bのフローチャート1522の全体が省略されてもよい。1つのそのような実施形態では、フローチャート1534の任意の部分を含む図15Cは、分類機能の初期段階を示すことがある。

1つの実施態様では、ステップ周波数パワーしきい値が満たされるかどうかの決定が行われてもよい(例えば、判定1536)。一実施形態では、しきい値が、図15Aと図15Bに関して述べた以前の4つのステップ周波数パワーしきい値と異なる。否定判定の結果、データの中央値の絶対値が、第1のしきい値より大きいかどうか判定され(例えば、判定1538)、一方、肯定判定の結果、データの中央値の絶対値が第2のしきい値を満たすかどうか判定される(例えば、判定1540)。

最初に判定1538を見ると、絶対値しきい値が満たされると判定されたとき、データは、ランニング又はウォーキングとして分類されることがあり、一方、しきい値が満たされない場合、データは、ウォーキングとしてもランニングとしても分類されないことがある(例えば、「その他」分類に入れられるような)。しかしながら、ブロック1540で、適切な絶対値しきい値が満たされる場合、データは、ランニングとしてもウォーキングとしても分類されず、一方、否定判定の結果、更なる解析が行われることがある。

一実施形態では、判定1540のしきい値が満たされない場合、複数の軸(例えば、x、y及びz軸)と関連付けられた一連のセンサデータ(加速度計データなど)が、1つ以上のしきい値と比較されてもよい(例えば判定1544を参照)。一実施形態では、これは、他のしきい値と異なる第4の範囲しきい値でもよい(判定1528及び1530の必須でないしきい値など)。一実施形態では、ブロック1544のしきい値が満たされない場合、データは、ランニング又はウォーキングとして分類されてもよい。(ブロック1512に進む判定1544を参照).判定1544のしきい値が満たされた場合は、最高の大きさを有する軸などからの積分しきい値が利用されてもよく(例えば判定1548を参照)、しきい値が満たされた場合は、データがウォーキング又はランニングデータとして分類され、しきい値が満たされない場合は、更なる解析が行われることがある。

1つの実施態様によれば、データの中央値の絶対値が、しきい値(例えば、判定1550)より大きいかどうかが判定されてもよい。しきい値は、判定1538及び/又は1540で利用されるしきい値など、1つ以上の他の絶対値しきい値より小さくてもよい。判定1550で肯定判定の結果、データは、ランニング又はウォーキングとして分類されることがある。否定判定の結果、複数の軸にわたるデータの範囲が検討されてもよい。一実施形態では、複数の軸(例えば、x、y及びz軸)と関連付けられた一連のセンサデータ(加速度計データなど)がしきい値を満たかどうか判定されてもよい(例えば、判定1552)。以前の第1の範囲しきい値(例えば、判定1544などの)を使用する一実施形態では、判定1552は、第1の範囲しきい値より大きい第2の範囲しきい値を使用してもよい。1つの実施態様によれば、判定1552のしきい値が満たされた場合、データは、ランニング又はウォーキングとして分類されてもよく、一方、しきい値が満たされない場合、データは、ウォーキングとしてもランニングとしても分類されないことがある。

図16は、センサデータをウォーキング又はランニングのいずれかとして(例えば、両方を含む単一カテゴリと対照的に)分類する例示的実施形態を示すフローチャートである。最初に図16のフローチャート1600を見ると、データが「ウォーキング」と「ランニング」のどちらとして分類されるべきかを決定するために1つ以上のプロセスが利用されてもよい。他の実施形態では、追加オプションが利用可能でよい。ブロック1602で、属性値などのデータが受け取られてもよい。ブロック1502で受け取った属性値は、ブロック1502で受け取った同じ属性値でよく、かつ/又はエネルギー消費量や心拍数などの他のメトリックを計算するために利用されてもよい。この点において、ブロック1602で利用された属性は、本明細書に開示されかつ/又は当該技術分野で既知の属性の1つ以上を含んでもよい。一実施形態によれば、ウォーキング又はランニングデータを含むように事前にプレスクリーニングされるか他の方法で考えられたデータの属性値が利用されてもよい。例えば、図15A〜図15Cで説明された1つ以上のプロセスは、受け取ったデータの少なくとも一部分を、ランニング又はウォーキングデータを含まないことと対照的に、ウォーキング又はランニングデータを含むように分類するために使用されてもよい。

特定の実施形態によれば、データは、全体的に属性値のうちの1つ又は2つに基づいて、ウォーキングとランニングのいずれかとして分類されてもよい。一実施形態では、属性は、ベクトル標準(又はその微分)のトリム平均でもよい。別の実施形態では、属性は、複数の軸(x、y、及び/又はz軸など)から収集されたデータの平均値に関連してもよい。1つのそのような実施形態では、属性は、複数の軸と関連付けられた中央加速度値でもよい。

図16に示された例では、ベクトル法線ベクトルのトリム平均の微分が、データをウォーキング又はランニングのどちらかとして分類するために利用されてもよい(例えば判定1604、1606、1616、1624を参照)。一実施形態では、トリム平均の微分は、ウォーキングとランニングを区別する初期決定として使用されてもよい。特定の実施形態では、トリム平均の微分は単独で、ウォーキング内又はランニング内で分類を決定してもよい。例えば、トリム平均の微分が、最低範囲内にある場合は、データが、ウォーキングとして分類されてもよい(例えば、判定1606は、判定1604のしきい値を満たさないことに由来する)。

トリム平均の微分が、最低範囲を超える第2の範囲内にある場合は、更なる解析が行なわれてもよい。一実施形態では、トリム平均(トリム平均の微分と対照的に)が利用されてもよく、それに対して、しきい値より低いデータはランニングとして分類され、しきい値を満たすデータはウォーキングとして分類されてもよい(例えば、判定1612を参照)。更に他の実施形態は、トリム平均の微分の更なる範囲を使用してもよい。例えば、ブロック1604は、しきい値を超えるものをプレスクリーニングし、第1及び/又は第2の範囲を超える範囲を作成するために利用されてもよい。例えば、2つの範囲(例えば、第3と第4の範囲でもよい)を実質的に作成するために、判定1604及び1616の組み合わせが利用されてもよい。データが、判定1616のder trimmed範囲しきい値を満たさない場合は、そのデータをウォーキングとランニングのいずれかとして分類するために、1つ以上の属性の更なる解析が行なわれてもよい。一実施形態では、全ての軸と関連付けられた加速度データの中央値が第1のしきい値より大きいと判定された結果、データがウォーキングデータとして分類され、更に否定判定の結果、データがウォーキングデータとして分類されることがある(例えば、判定1618)。

判定1616を再び見ると、肯定判定の結果、トリム平均の微分の追加範囲が作成されてもよい(例えば判定1624を参照。判定1624は、第4の範囲を等しくない下側と上側に分割するために利用されることがある)。上側内のデータはランニングデータとして分類されてもよく、下側内のデータは、第3の範囲内のデータと同じ属性で分類されてもよい。一実施形態では、第4の範囲の下側内のデータは、複数の軸に沿った1つ以上のセンサと関連付けられた中央センサデータに基づいて分類されてもよい。一実施形態では、全ての3つの軸と関連付けられたデータの中央加速度値がしきい値を超える場合、データはウォーキングと見なされることがあり、しきい値を満たさないデータは、ランニングと見なされることがある。

図17A〜図17Eは、図9A〜図9Eに示されたものに類似の要素を含み、受け取ったセンサデータから計算された1つ以上の属性と関連した更なる詳細を含む。1つの例では、図17Aは、受け取ったセンサデータから1つ以上の属性を計算するための1つ以上のプロセスを含むことがある例示的なフローチャート1700を示す。1つの例では、1つ以上のセンサから受け取ったデータは、検証され、ブロック1702によって受け取った前に変換されてもよい。しかしながら、別の例では、1つ以上のデータポイントは、検証や変換などを行わずにブロック1702に直接伝達されてもよい。

1つの例では、図17Aは、1つ以上の受け取った加速度計データポイントから1つ以上の属性を計算するための1つ以上のプロセスを表わしてもよい。例えば、フローチャート1700のブロック1704は、最大加速度を示す加速度計軸を特定する1つ以上のプロセスを実行してもよい。1つの例では、フローチャート800のブロック806で実行された1つ以上のソートプロセスの結果、最大加速度に対応する軸は、x軸などになる。したがって、ブロック1704は、x軸と関連付けられたデータ値を識別してもよい。しかしながら、当業者は、最高加速度と関連付けられた加速度値が、1つ以上の代替方法を使用して順序変更されてもよく、その結果、最高加速度を表す軸が、データポイント間で異なってもよく、y軸又はz軸などになるように順序変更されてもよいことを理解するであろう。

前述のように、属性は、一般に、ユーザの1つ以上の動き又はその一部分を表わす計算値でもよく、この計算値は、モデルからの出力を後で予測するために使用されてもよい。更に、モデルは、例えば、活動中のユーザによる酸素消費量を予測するために使用されてもよい。複数の様々な属性は、センサから受け取った単一データポイント、又はデータセットとも呼ばれる1群のデータポイント/1群のサンプルなどから計算されてもよい。1つの例では、例えばユーザによる酸素消費量を推定するために使用される1組の属性は、図8Aに関して述べたように、加速度データポイントの法線ベクトル、加速度データポイントの法線ベクトルの微分、及び/又は加速度データポイントの法線ベクトルの高速フーリエ変換を含んでもよい。別の例では、属性は全方向属性として計算されてもよく、全方向属性は、三次元で反応するセンサなどを使用して取得されたユーザの動きを表す。1つの例では、全方向属性は、x軸、y軸及びz軸方向の加速度などに反応する加速度計を使用して計算されてもよい。更に別の例では、属性は、一方向属性として計算されてもよい。したがって、一方向属性は、単一次元及び/又は単一変数に反応するセンサから出力されたデータから計算されてもよい。1つの例では、そのようなセンサは、ユーザの心拍数などに反応する心拍数センサでもよい。1つの構成では、1つ以上の属性が、センサデータの変動を表わす前記属性に基づいてグループ化されてもよい。更に別の構成では、属性は、センサデータとユーザの個人情報との組み合わせに基づいて計算され分類されてもよい個人情報は、例えば、ユーザの性別、体重及び/又は身長などを含むことがある。

別の例では、更に別の特定の属性が、加速度計から受け取ったデータから計算されてもよい。例えば、1つの属性は、例示的なブロック1706に関して概説されたように、加速度計からの最大加速度量を示す軸と関連付けられた中央データポイントの計算絶対値でよい。別の例では、属性は、ブロック1708に関して述べたように、加速度計からの最大加速度量を示す軸と関連付けられたデータの中央絶対偏差の計算を含んでもよい。更に他の例では、ブロック1710は、加速度計からの最大加速度量を示す軸と関連付けられた一連の値の例示的属性計算である。ブロック1712は、加速度計からの最大加速度量を示す軸から受け取ったデータから、トリム平均属性を計算する。ブロック1714は、加速度計からの最大加速度量を示す軸と関連付けられたデータ値の積分の属性計算の例である。ブロック1716は、加速度計からの最大加速度量を示す前記軸から受け取ったデータからの四分位数間領域属性を計算する例示的なプロセスを示す。ブロック1718は、最大加速度量を示す軸と関連付けられたデータ値の標準偏差属性を計算する。

ブロック1720は、エキスパート選択モジュールに対する1つ以上の属性を伝達する1つ以上のプロセスを表わす。したがって、エキスパート選択モジュールは、1つ以上の計算された属性を1つ以上のエキスパートモデルと比較する1つ以上のプロセスを含んでもよく、エキスパートモデルは、ユーザが行なっている活動と関連付けられた出力を予測/推定するために使用されてもよい。1つの例では、そのような出力は、ユーザなどによる酸素消費量でもよい。

図17Bは、フローチャート1730を含み、フローチャート1730は、受け取ったセンサデータから1つ以上の属性を計算する1つ以上のプロセスを含んでもよい。図17Aと同様に、フローチャート1730のブロック1732は、変換形されたセンサデータを受け取る1つ以上のプロセスを表わす。データ変換は、図8Aと図8Bに関連して更に詳しく述べられる。

フローチャート1730のブロック1734は、第2の最大加速度を示す加速度計軸を識別してもよい。1つの例では、1つ以上の軸順序変更プロセスを含む1つ以上の変換処理の後で、第2の最大加速度を示す軸が、y軸などでよい。

ブロック1736は、移動平均フィルタを使用して受け取ったデータをフィルタリングする1つ以上のプロセスを表わしてもよい。したがって、移動平均フィルタは、データポイントを、1群のデータポイント内の近傍データポイントの平均と置き換えることによってデータを平滑化してもよい。1つの例では、移動平均フィルタは、低域フィルタなどと等価でよい。当業者は、この例示的実施態様で利用されうる移動平均フィルタの幾つかの実施態様を理解するであろう。例えば、1つ以上の移動平均フィルタが、数値計算処理環境などの範囲内で実施されてもよい。

更に、ブロック1738に関して述べたように、1つ以上のプロセスは、受け取ったデータを平滑化するために実行されてもよい。1つの実施態様では、受け取ったデータを平滑化する1つ以上のプロセスは、移動平均フィルタを利用してもよい。したがって、平滑化は、数値計算処理環境と関連した1つ以上の関数を使用して達成されてもよい。

1つの実施態様では、ブロック1740は、受け取ったデータの属性を、第2の最大加速度量などを示す加速度計の軸と関連付けられたデータポイントの積分として計算してもよい。次に、計算された属性は、ブロック142に関連して述べたように、エキスパート選択モジュールに伝達されてもよい。

図17Cは、受け取ったデータの1つ以上の属性を計算する1つ以上のプロセスを含むことがあるフローチャート1750を示し、受け取ったデータは、加速度計などからの1つ以上のデータポイントでよい。したがって、ブロック1752は、変換データを受け取る1つ以上のプロセスを表わし、データ変換は、図8Aと図8Bに関して述べられる。あるいは、当業者は、受け取ったデータが変換されなくてもよく、その結果、ブロック1752で受け取ったデータが、代替として、1つ以上のセンサから受け取った生データでもよいことを理解するであろう。

ブロック1754は、第3の最大加速度量を示す加速度計の軸と関連付けられたデータを識別する1つ以上のプロセスを表わしてもよい。1つの例では、図8Aのブロック806に関して述べたように、第3の最大加速度と関連付けられた軸はz軸でよい。

フローチャート1750のブロック1756は、移動平均フィルタを使用して受け取ったデータをフィルタリングする1つ以上のプロセスを表わす。当業者は、受け取ったデータを、例えば数値計算処理環境などを使用してフィルタリングするために、様々な移動平均フィルタが使用されることを理解するであろう。ブロック1764は、受け取ったデータを平滑化する1つ以上のプロセスを表わしてもよい。例えば、数値計算処理環境は、1つ以上の平滑化関数及び/又はプロセスを含むことがあり、前記平滑化関数は、当業者に容易に理解されよう。更に、移動平均フィルタと平滑化プロセスは、図17からのブロック1736及び1738に関して述べられる。ブロック1766は、受け取ったデータの積分と関連付けられた属性を計算する。

フローチャート1750のブロック1758は、加速度計からの第3の最大加速度量を示す軸と関連付けられた一連のデータ値を表わす属性を計算する1つ以上のプロセスを表わしてもよい。追加又は代替として、ブロック1760は、加速度計からの第3の最大加速度量を示すデータポイントと関連付けられた最小値属性を計算する1つ以上のプロセスを実行してもよい。ブロック1762は、加速度計などと関連付けられた第3の最大加速度量を示す軸と関連付けられたデータの四分位数間範囲を計算する1つ以上のプロセスを表わす。

ブロック1768は、1つ以上の属性をエキスパート選択モジュールに伝達し、前記エキスパート選択モジュールは、図14に関して述べられる。

図17Dは、受け取ったセンサデータと関連付けられた1つ以上の属性を計算する1つ以上のプロセスを表わすフローチャート1770である。例えば、ブロック1772は、加速度計から変換済みセンサデータを受け取ってもよい。したがって、ブロック1774は、それらのデータポイントを、加速度計と関連付けられた全ての軸からグループ化してもよい。1つの例では、加速度計は、1つ、2つ又は3つの直交軸(x軸、y軸、及び/又はz軸)と関連したデータを出力してもよい。ブロック1776は、全ての利用可能な軸と関連付けられたデータの四分位数間範囲属性を計算する1つ以上のプロセスを表わす。更に、ブロック1778は、全ての利用可能な軸と関連付けられたデータの中央値絶対偏差の和を計算するプロセスを表わす。更に、ブロック1780は、加速度計からの全ての利用可能な軸からデータポイントと関連付けられた中央値データ属性の和を計算する。

1つ以上の属性を計算した後で、フローチャート1770のブロック1782によって表わされたように、1つ以上の属性が、エキスパート選択モジュールに伝達されてもよい。エキスパート選択モジュールは、計算された属性と関連付けられた最良適合モデルの選択と関連付けられ、図14に関して更に詳しく述べられる1つ以上のプロセスでもよい。

図17Eは、受け取ったセンサデータと関連付けられた属性を計算する1つ以上のプロセスを表わすフローチャートである。1つの例では、フローチャート1786は、加速度計などから受け取ったデータと関連付けられた1つ以上の属性計算プロセスを表わす。したがって、ブロック1788は、変換された加速度計データを受け取る1つ以上のプロセスを表わす。1つの実施態様では、図8Aに関して述べたように、加速度計データは、前記データなどの法線ベクトルの計算によって変換されてもよい。1つの例では、ブロック1790は、加速度計データの計算された法線ベクトルを識別する。前記計算された法線ベクトルデータから、1つ以上の属性が識別されてもよい。

1つの例では、ブロック1751は、移動平均フィルタを使用する法線ベクトルデータを処理する。前述のように、当業者は、以下の開示で利用されることがある移動平均フィルタの様々な実施態様を理解するであろう。次に、ブロック1753に関して述べるように、フィルタリングされたデータは、周波数推定法則を使用して処理されてもよい。同様に、当業者は、ブロック1753に関して利用されることがある様々な周波数推定法則関数/プロセスを理解するであろう。ブロック1755は、時間領域周波数を使用して、受け取った加速度計データから、ステップレート属性を計算する1つ以上のプロセスを表わす。

ブロック1757は、受け取った法線ベクトルデータを平均化(mean-center)する1つ以上のプロセスを表わす。次に、ブロック1759に関して述べるように、平均化されたデータが、高速フーリエ変換を使用して変換されてもよい。当業者は、この場合も、高速フーリエ変換を実行する1つ以上のプロセスを理解するであろう。ブロック1761は、高速フーリエ変換から見つかった周波数領域情報を使用してステップレートを計算する1つ以上のプロセスを表わす。次に、ブロック1763は、ピークステップ周波数パワー属性を計算する。

ブロック1765は、受け取った法線ベクトルデータをダウンサンプリングするために実行されてもよい。当業者は、ブロック1765に関して利用されることがある様々なダウンサンプリングプロセスを理解するであろう。次に、ブロック1767が、ダウンサンプリングされたデータの微分を計算するために実行されてもよい。更に、ブロック1767からのデータの計算された微分を使用して、例えば、ブロック1771で、最小及び微分属性が計算されてもよく、ブロック1773で、微分属性の絶対トリム平均が計算されてもよく、かつ/又はブロック1775でデータの標準偏差が計算されてもよい。

ブロック1777は、データのサブウィンドウを処理する1つ以上のプロセスを表わす。前述したように、データのウィンドウは、例えば、長さが5.12秒で25Hzのレートでデータをサンプリングする持続時間であり、それにより128個の加速度計サンプルが作成される。データのサブウィンドウは、例えば、ウィンドウ全体のほんの一部分でよい。例えば、サブウィンドウは、ウィンドウ全体の4分1でもよい。したがって、サブウィンドウは、例えば、128/4=32個のデータサンプルを含むことがある。フローチャート1786のブロック1779は、ブロック1777からデータの値を計算する1つ以上のプロセスを表わし、前記計算は、例えば、受け取った法線ベクトルデータの属性を表わす。

ブロック1792は、受け取った法線ベクトルデータの1つ以上のゼロ交差を計算する。当業者は、ゼロ交差などを識別しかつ/又は計算する1つ以上のプロセスを理解するであろう。したがって、ブロック1792における1つ以上のゼロ交差の計算は、受け取ったデータの属性を表わす。

ブロック1794は、受け取った法線ベクトルデータの標準偏差を計算するために使用されうる1つ以上のプロセスを表わし、前記標準偏差は、受け取ったデータの別の属性を表わす。同様に、ブロック1795は、受け取ったデータのトリム平均などを計算する1つ以上のプロセスを実行することによる受け取ったデータの属性の計算を表わす。前述のそのような1つ以上の属性と同じように、トリム平均は、当業者に容易に理解され、1つの実施態様では、トリム平均は、データセットから外れ値を除外する手段である。

ブロック1796は、受け取った法線ベクトルデータのスキュー属性を計算するために1つ以上のプロセスを実行することができる。スキューは、統計の知識を有する熟練者によって容易に理解され、スキューが、確率分布が偏る程度の大きさなどでよい。

ブロック1797は、受け取った法線ベクトルデータの四分位数間範囲属性を計算する1つ以上のプロセスを表わしてもよい。したがって、当業者は、データなどの統計解析と関連付けられた四分位数間範囲を計算する1つ以上のプロセスを理解するであろう。

1つの例では、3つの互いに直交する軸(x軸、y軸及びz軸)と関連付けられたデータを有する加速度計データに関して、これらの属性計算は、図17A〜図17Eに関して述べたものに加えて、例えば、x軸値の範囲(x_range)、腕振り周波数(1つの実施態様では、ユーザの外肢の動きと関連付けられた)(L_peak_freqA)、x軸値のトリム平均(X_trimmed_mean)、z軸値の四分位数間範囲(Z_iqRange)、腕振りパワー(1つの実施態様では、ユーザの外肢の動きと関連付けられた)(L_peak_powA)、平均より上又は下で、スキュー(Skew)とも呼ばれる法線ベクトル値の数の差、x軸値の積分(X_integral)、法線ベクトルから決定され、高速フーリエ変換(TimeDomainFrequency)を使用しないステップ周波数、4分割ウィンドウの最大値の合計(ウィンドウは、センサデータがセンサ装置から出力される時間期間でもよい)(Sum_max)、微分の標準偏差(Der_std)、x、y、及びz軸値の標準偏差の和(AS_sum_std)、法線ベクトルの積分(Integral)、ステップ周波数パワー(H_peak_powA)、4分割ウィンドウの標準偏差値の平均(Mean_std)、法線ベクトルの最大値(Max)、法線ベクトルの微分の中央値絶対偏差(Der_med_abs_dev)、x軸値の四分位数間範囲(X_iqRange)、法線ベクトルのトリム平均(Trimmed_mean)、及び/又はx軸値の標準偏差(X_stddev)を含みうる。 結論

本明細書で述べた特徴の1つ又は複数を有する活動環境を提供することにより、アスレチック活動と関わりそのフィットネスを改善するようにユーザを激励し動機付ける経験がユーザに提供されうる。ユーザは、更に、ソーシャルコミュニティを介して通信し、互い競争してポイントチャレンジに参加してもよい。

実施形態の態様をその実例となる実施形態の点から述べた。この開示の検討から、当業者には、添付の条項の意図と趣旨の範囲内にある多数の他の実施形態、修正及び変形が明らかであろう。例えば、当業者は、説明的な図に示されたステップが、詳述された順序以外の順序で実行されてもよく、示された1つ又は複数のステップが、実施形態の態様によれば任意選択でよいことを理解されよう。

102 BAN 104 LAN 106 WAN 108 セルラネットワークアーキテクチャ 110 WANアーキテクチャ 111 サーバ 112、126、128、130 装置 114 コンピュータ装置 116 表示装置 122 エクササイズ機器 124 ユーザ