歩行姿勢改善サービス

無意識に健康に導き、そして組織の発展に導きます。
歩行者の骨格情報をもとに歩行姿勢を解析し、歩行姿勢改善のためのフィードバックを行うサービスです。

Azure Kinect DK にて歩行者の骨格検出を行います。
（Azure Kinect DK: https://azure.microsoft.com/services/kinect-dk/に移動）

歩行者の骨格情報をもとに身長、背筋の伸び、左右のブレ、歩行速度、歩幅、腕の振りという歩行姿勢パラメータを算出します。
これらのパラメータをもとにクラスタリングを行い、歩行姿勢タイプを導出します。

歩行者の歩行姿勢解析結果として歩行姿勢タイプ、歩行姿勢パラメータをディスプレイに表示します。
また、歩行姿勢改善のためのワンポイントアドバイスにより、更なる健康を促進します。

Azure Kinect DK にて 32 の関節座標を取得します。
取得する座標は 3D 座標系です。

骨格検出により取得する骨格座標の時系列データには外れ値が存在することがあります。
外れ値の影響を抑えるため平滑化を行い、解析精度を向上します。

全身の写らない骨格推定精度の低いフレーム除去や、大きく曲がって進行した、停止した、引き返したなどの異常歩行除去を行い、解析の信頼性を向上します。
また、クラスタリングのデータ前処理としての主成分分析による異常値除去を行います。

例）頭部や手足が見切れる骨格推定精度の低いフレーム除去
カメラへの写り始めと終わりのフレームは頭部や手足が見切れることにより、骨格推定精度が低くなります。
これらのフレームを除去し、2つ目の画像のように全身が写る骨格推定精度の高いフレームのみ採用します。

平滑化後データより歩行姿勢パラメータを算出します。
これらのパラメータをもとに k-means 法により歩行姿勢タイプを導出します。

タイプ	特性
理想	理想的な歩行姿勢となるタイプ。
元気	腕の振りが大きく、左右のブレも大きい、活発に歩くタイプ。
猫背	猫背で、歩行速度と歩幅も小さいタイプ。
ふらふら	左右のブレが大きく、不安定に歩くタイプ。
早歩き	素早く歩くタイプ。やや左右のブレが大きい。
綺麗	比較的綺麗に歩くタイプ。歩行速度は少し遅い。
のろのろ	歩行速度が遅いタイプ。歩幅も小さい。