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。
AI技術によるウェルネス経営推進サービス

① 映像解析
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)
② データ解析
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。
③ データ可視化
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。
メタテクノの映像・データ解析技術
骨格検出
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。

平滑化
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。

異常値除去
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。



クラスタリング
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。 |
メタテクノオフィスにおける導入例
メタテクノオフィス受付への常設により「歩行姿勢を意識するようになった」「受付を通ることが楽しくなった」と社員の健康増進や活力向上につながるポジティブな意見がありました。
また、とある1週間の社員の歩行姿勢タイプ統計を示します。
今後の展望として、これらの社員の歩行を組織の活力として可視化し、組織の活性化に向けた取り組み効果の評価ツールとしての活用も検討しています。

ウェルネス経営やスキル継承など多様な応用例
オフィス
社員の歩行改善による健康促進

医療・製造
患者のリハビリ支援
熟練者のスキル継承

フィットネス
効果的な筋力向上やダイエットのための体位指導

パンフレット
歩行姿勢改善サービスパンフレット
お問い合わせ
歩行姿勢改善サービスに関するお問い合わせについてはこちらをご覧ください。
本ページに記載されている会社名、製品名は各社の商標または登録商標です。