CN105828894A - 分析装置、记录介质及分析方法 - Google Patents
分析装置、记录介质及分析方法 Download PDFInfo
- Publication number
- CN105828894A CN105828894A CN201480069802.6A CN201480069802A CN105828894A CN 105828894 A CN105828894 A CN 105828894A CN 201480069802 A CN201480069802 A CN 201480069802A CN 105828894 A CN105828894 A CN 105828894A
- Authority
- CN
- China
- Prior art keywords
- action
- user
- event
- action event
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/003—Repetitive work cycles; Sequence of movements
- G09B19/0038—Sports
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Psychiatry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Social Psychology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Physical Education & Sports Medicine (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
[问题]为了对关于运动的一系列行动所获得的数据作为系列或集合进行分析。[解决方案]提供了一种设置有处理器的分析装置,该处理器实现以下功能:获取表示基于进行运动的用户的动作而定义的行动事件的数据的获取功能;从行动事件提取被分类成相同类型的多个行动事件的提取功能;以及对表示多个提取的行动事件的数据进行分析的分析功能。
Description
技术领域
本公开内容涉及分析装置、记录介质及分析方法。
背景技术
已经开发了使用感测或分析来辅助运动游戏(sportsplay)的技术。例如,专利文献1公开了以下技术:使用动作传感器的检测数据来检测挥拍动作;提取数据,其中将挥拍动作检测为挥拍候选数据;基于与挥拍相关联的确定条件从挥拍候选数据选择正确的挥拍数据。因此,例如,用户无需经受挥拍动作的开始计时和结束计时,并且可以以相对小的计算负荷来提取挥拍数据。
引用列表
专利文献
专利文献1:JP2012-254205A
发明内容
技术问题
然而,在专利文献1中所公开的技术中,可以分析单独的挥拍,但是并不将所获取的数据作为系列或集合进行分析。为了改进体育动作,分析单独的动作如挥拍并且找到改进点很重要,但是,例如,构成比赛或集合的一系列动作是相关的,并且即使关注个别动作,该动作前后的动作的影响不容忽视。此外,除非将从一系列动作获取的数据作为系列或集合进行分析,否则难以理解比赛或动作的组合。
就这一点而言,本公开内容提出了新颖且改进的并且能够将从一系列体育动作获取的数据作为系列或集合进行分析的分析装置、记录介质及分析方法。
问题的解决方案
根据本公开内容,提供了一种分析装置,该分析装置包括处理器,该处理器被配置成实现以下功能:获取表示基于进行运动的用户的动作而定义的行动事件的数据的获取功能;从所述行动事件中提取被分类成相同类型的多个行动事件(playevent)的提取功能;以及对表示多个提取的行动事件的数据进行分析的分析功能。
根据本公开内容,提供了一种存储有程序的记录介质,所述程序使计算机实现以下功能:获取表示基于进行运动的用户的动作而定义的行动事件的数据的获取功能;从所述行动事件中提取被分类成相同类型的多个行动事件的提取功能;以及对表示所述多个提取的行动事件的数据进行分析的分析功能。
根据本公开内容,提供了一种分析方法,该方法包括:获取表示基于进行运动的用户的动作而定义的行动事件的数据;从所述行动事件中提取被分类成相同类型的多个行动事件;以及对表示所述多个提取的行动事件的数据进行分析。
本发明的有益效果
如上所述,根据本公开内容,可以将从一系列运动游戏获得的数据作为系列或集合进行分析。
注意,上述效果不一定受到限制,并且连同所述效果一起或者代替所述效果,可以展现出期望在本说明书中引入的任何效果或者根据本说明书能够期望的其他效果。
附图说明
[图1]图1是示出了根据本公开内容的实施方式的系统配置的示例的图。
[图2]图2是示意性地示出了根据本公开内容的实施方式的系统的装置配置的框图。
[图3]图3是用于描述根据本公开内容的实施方式的分析处理的示例的图。
[图4]图4是概念性地示出了图3的示例中的滤波器部的功能的图。
[图5]图5是示出了图4的示例中所提取的行动事件组的分析的示例的图。
[图6]图6是用于描述行动事件的特征的分布与图5的示例中所示的学习水平之间的关系的图。
[图7]图7是示出了图4的示例中的行动事件的特征的分析的另一个示例的图。
[图8]图8是示出了根据本实施方式的单个用户的行动事件的分析结果的另外的示例的图。
[图9]图9是示出了根据本实施方式的单个用户的行动事件的分析结果的另外的示例的图。
[图10]图10是用于描述根据本公开内容的实施方式的多个用户的行动事件的分析的示例的图。
[图11]图11是用于具体描述根据本公开内容的实施方式的多个用户的行动事件的分析的示例的图。
[图12]图12是示出了其中图11中所示的分析结果在2D平面上表达的信息的示例的图。
[图13]图13是示出了其中图11中所示的分析结果在2D平面上表达的信息的示例的图。
[图14]图14是示出了根据本实施方式的多个用户的行动事件的分析结果的另外的示例的图。
[图15]图15是示出了根据本实施方式的多个用户的行动事件的分析结果的另外的示例的图。
[图16]图16是示出了根据本公开内容的实施方式的传感器设备的硬件配置的示例的图。
[图17]图17是示出了根据本公开内容的实施方式的分析设备的硬件配置的示例的图。
具体实施方式
在下文中,将参照附图详细描述本公开内容的优选实施方式。在本说明书和附图中,使用相同的附图标记来表示功能和结构基本上相同的元件,并且省略重复说明。
将按照下面的顺序进行描述。
1.系统配置
2.分析处理的示例
2-1单个用户的行动事件的分析
2-2.多个用户的行动事件的分析
3.硬件配置
4.补充
将根据运动的特定示例(网球)进行下面的描述,但是本技术的应用范围不限于下面描述的运动。例如,可以将本技术应用于任何运动,只要行动事件是基于进行该运动的用户的动作来限定地即可。
(1.系统配置)
图1是示出了根据本公开内容的实施方式的系统配置的示例的图。参照图1,系统10包括传感器设备100、智能电话200和服务器300。
传感器设备100被安装在网球拍R中。传感器设备100包括例如动作传感器(例如,加速传感器、陀螺仪传感器、地磁传感器等)。在这种情况下,传感器设备100直接检测球拍R的动作,但是由于球拍R由用户紧握并且根据用户的意图而移动,所以可以说,传感器设备100间接地通过球拍R的动作来检测用户的动作。在本公开内容中,在这种情况下,可以说,传感器设备100间接地被安装在用户上并且检测用户的动作。
在另一种实施方式中,传感器设备100可以被安装在例如用户的衣服或鞋上。在这种情况下,传感器设备100直接检测衣服或鞋的动作,但是由于衣服或鞋会随着用户而移动,所以可以说传感器设备间接地检测用户的动作。可替代地,可以将传感器设备100直接安装在用户上,并且例如,可以以带子的形式裹住手臂。在这种情况下,传感器设备100直接检测用户的动作。除了传感器设备100直接检测用户的动作的情况以外,即使在传感器设备100间接地检测用户的动作的情况下,只要用户的动作在所检测的动作中被反映,就可以基于由传感器设备100提供的检测结果来限定与参加运动的用户的动作对应的行动事件。
传感器设备100还可以包括振动传感器。例如,可以基于振动传感器检测到的数据来容易地指定与行动事件对应的时间间隔(例如,击球前后的时间间隔)。此外,与动作传感器检测到的数据类似,由振动传感器检测的数据也可以用于分析行动事件。传感器设备100还可以包括用于获取进行运动的用户的环境信息如温度、湿度、亮度或位置的传感器。当需要时,对由传感器设备100所装配的各种类型的传感器检测的数据进行预处理,并且然后通过无线通信如蓝牙(注册商标)将该数据发送至智能电话200。
例如,智能电话200被布置在正进行运动的用户附近。在这种情况下,智能电话200通过无线通信如蓝牙(注册商标)接收从传感器设备100发送的数据,当需要时临时累积或处理所接收的数据,并且通过网络通信将所得到的数据发送至服务器300。智能电话200可以接收由服务器300基于所发送的数据执行的分析的结果,并且将分析结果通过显示器、扬声器等输出给向户。当用户未进行运动时,可以输出分析结果。可以由用户所使用的信息处理终端(如与智能电话200不同的个人计算机或平板终端、游戏机、电视机等)执行分析结果的输出。
智能电话200不一定被布置在正进行运动的用户附近。在这种情况下,传感器设备100将所检测的数据累积在内部存储区(存储器或者外部存储装置)中。例如,当在运动游戏之后传感器设备100和智能电话200彼此靠近时,可以通过无线通信如蓝牙(注册商标)将数据从传感器设备100发送至智能电话200。可替代地,当在运动游戏之后传感器设备100与智能电话200以有线方式如USB连接时可以发送数据。此外,可移除记录介质可以用于将数据从传感器设备100递送至智能电话200。
服务器300与智能电话200经由网络进行通信,并且接收由传感器设备100所装配的各种类型传感器检测的数据。服务器300使用所接收的数据执行分析处理,并且生成与运动游戏相关的各种信息。例如,服务器300基于直接或间接表示进行运动的用户的动作并且由动作传感器获取的数据来限定行动事件。例如,行动事件与使用球拍R单次击球对应。通过限定行动事件,例如,可以将由动作数据表示的用户的行动理解为具有含义如{发球、击球、截击、……}的一系列行动。
另外,服务器300可以通过对行动事件的分析处理从行动事件提取被分类成同一类型的多个行动事件并且对表示多个提取的行动事件的数据进行分析。例如,由服务器300的分析处理生成的信息被发送至智能电话200并且通过智能电话200的显示器或扬声器被输出给用户。可替代地,服务器300还可以将信息发送至除了智能电话200以外的信息处理终端并且向用户输出信息。服务器300可以基于多个用户中的每一个所接收的数据来执行分析处理,基于比较结果例如针对每个用户所生成的行动模式来生成信息,将所生成的信息发送至每个用户的信息处理终端。
图2是示意性地示出了根据本公开内容的实施方式的系统的装置配置的框图。参照图2,传感器设备100包括传感器110、处理部120和发送部130。智能电话200包括接收部210、处理部220、存储部230、发送部240、成像部250、输入部260和输出部270。服务器300包括接收部310、处理部320、存储部330和发送部340。后面将描述用于实现各个装置的硬件配置示例(传感器设备和分析装置的硬件配置示例)。
在传感器设备100中,处理部120对由传感器110获取的数据进行处理,发送部130将经处理的数据发送至智能电话200。如上所述,传感器110包括例如直接或间接地检测进行运动的用户的动作的动作传感器。传感器110还可以包括振动传感器、用于获取用户的环境信息的传感器等。处理部120由根据程序进行操作的处理器来实现,并且当需要时对由传感器110获取的数据执行预处理。预处理可以包括例如采样、降噪等。预处理不必然被执行。发送部130由通信装置来实现并且例如使用无线通信如蓝牙(注册商标)将数据发送至智能电话200。虽然图2中未示出,但是传感器设备100可以包括临时累积数据的存储部。
在智能电话200中,接收部210接收由传感器设备100发送的数据,发送部240将数据发送至服务器300。接收部210和发送部240由执行例如无线通信(如蓝牙(注册商标))以及有线或无线网络通信的通信装置来实现。所接收的数据被临时存储在存储部230中,并且然后例如通过处理部220被发送。处理部220可以对所接收的数据执行预处理。处理部220由根据程序进行操作的处理器来实现,而存储部230由存储器或存储装置来实现。接收部210还可以接收从服务器300发送的信息。例如,可以根据处理部220的控制从输出部270向用户输出所接收的信息。输出部270包括例如显示器或扬声器。
此外,在智能电话200中,成像部250获取图像。例如,成像部250由成像元件与光学系统(如透镜)组合的相机模块来实现。图像可以包括进行运动的用户作为主题。例如,将由成像部250获取的图像与通过接收部210接收的数据一起从发送部240发送至服务器300。例如,服务器300可以使用图像连同由传感器设备100获取的数据一起进行分析处理或者可以将图像嵌入在由分析处理生成的信息中。输入部260包括例如触摸板、硬件按钮、接收音频输入的麦克风、和/或接收姿势输入的相机。处理部220可以根据通过输入部260获取的用户操作、通过发送部240请求服务器300发送信息。
服务器300包括接收部310、处理部320、存储部330和发送部340。接收部310由通信设备来实现并且从智能电话200接收通过使用网络通信(如因特网)发送的数据。处理部320例如由处理器(如CPU)来实现并且对所接收的数据进行处理。例如,处理部320执行所接收的数据的处理的分析处理,并且另外可以在分析之后将数据累积在存储部330中,或者可以经由发送部340输出数据。可替代地,处理部320可以仅执行对在智能电话200中已经被分析的数据的累积和输出的控制等。
上面已经描述了根据本公开内容的实施方式的系统的配置。上面描述的配置是示例,而且在其他实施方式中可以进行各种修改。例如,在上面的示例中,使用由传感器设备100获取的数据进行的分析处理由服务器300的处理部320来执行,但是分析处理也可以由智能电话200的处理部220或者传感器设备100的处理部120来执行。已经将系统10描述为包括传感器设备100、智能电话200和服务器300,但是例如当智能电话200的处理部220执行分析处理时,系统10可以不包括服务器300。可替代地,在这种情况下,服务器300提供以下服务:存储通过分析处理所获得的信息以及与用户共享该信息。此外,例如,当传感器设备100的处理部120执行分析处理时,系统10可以不包括智能电话200和服务器300。传感器设备100可以是例如被安装在用户或工具上的专用传感器设备,或者被安装在便携式信息处理终端中的传感器模块可以用作传感器设备100。因此,可以在与智能电话200相同的设备中实现传感器设备100。
(2.分析处理的示例)
图3是用于描述根据本公开内容的实施方式的分析处理的示例的图。参照图3,执行分析处理的处理器获取动作数据401和表示基于进行运动的用户的动作限定的行动事件的元数据403作为输入。然后,处理器通过滤波器部405的功能从由数据表示的行动事件中提取被分类成同一类型的多个行动事件。此外,处理器通过特征提取部407的功能提取由与多个所提取的行动事件对应的数据表示的动作的特征,并且通过确定部409的功能基于特征执行确定。
在此,动作数据401是通过被布置在传感器设备100所装备的传感器110中的动作传感器而获取的数据,并且表示进行运动的用户的动作。元数据403是表示基于动作限定的行动事件的数据。在所示的示例中,运动数据401与元数据403相关联。元数据403限定例如由相关联的动作数据401表示的行动事件的类型或属性。例如,在网球的情况下,行动事件的类型可以包括击球的类型如发球、正手击球、反手击球、正手截击等。此外,在这种情况下,行动事件的属性可以包括以下信息如发生时间(例如,球拍撞击球的时间)、挥拍速度等。
动作数据401和元数据403是表示行动事件的数据的示例,并且表示行动事件的数据可以以各种其他形式来获取。例如,各个行动事件可以由其中动作数据与元数据组合的单个数据片段来表示,并且可以将表示连续发生的多个行动事件的动作数据结合成一个片段,并且动作数据的不同间隔可以涉及多个元数据片段。
如上所述,滤波器部405从由动作数据401和元数据403表示的行动事件中提取被分类成同一类型的多个行动事件。如上所述,例如,在网球的情况下,行动事件的类型可以包括击球的类型如发球、正手击球、反手击球、正手截击等。就这一点而言,滤波器部405提取任一种击球类型的行动事件。可以提取单个行动事件。然而,在这种情况下,对所提取的行动事件执行的分析处理会与后面将描述的特征提取部407和确定部409的处理不同。
特征提取部407对表示通过滤波器部405提取的多个行动事件的数据,即,与通过滤波器部405从动作数据401和元数据403提取的多个行动事件对应的数据执行提取特征的分析处理。由特征提取部407从行动事件的数据提取的特征可以与例如根据由布置在其后续级处的确定部409的分析处理所提取的特征不同。所提取的特征可以与由滤波器部405提取的行动事件的类型不同。例如,k均值编码、自动编码器等可以用作提取特征的方法。由于这些方法是已知的,所以在本文中省略了对它们的详细描述。
确定部409基于通过特征提取部407提取的特征对由滤波器部405提取的多个行动事件执行某种确定。例如,当多个提取的行动事件是单个用户的行动事件时,确定部409可以确定由行动事件表示的行动的学习水平。更具体地,确定部409可以基于所提取的特征来评估行动的稳定度并且基于该稳定度来确定学习水平。可替代地,确定部409可以使用其中基于针对每种类型的行动事件(例如,挥拍类型)预先收集的每个学习水平(高级水平、中级水平和初级水平)的训练数据执行学习的学习水平确定装置,来确定学习水平。
此外,例如,当多个提取的行动事件包括多个用户的行动事件时,确定部409可以确定由行动事件表示的用户的行动的相似度。更具体地,确定部409可以基于所提取的特征(类似于稳定度的评估)来在特征空间中计算用户的行动的距离并且基于该距离来确定相似度。
执行分析处理的处理器还可以实现以下功能:使在分析中生成的信息显示在显示器(例如,其被布置在智能电话200的输出部270中)上。在这种情况下,例如,可以将表示通过特征提取部407提取的特征的信息显示在显示器上。后面将描述这样的显示器的一些示例。
上面示例中的由特征提取部407和确定部409执行的分析处理可以用根据任何其他方法的分析处理、例如不依赖于特征提取的分析处理来替代。例如,当某种类型的行动事件中的用户的动作由动作数据401表示为加速度的波形等时,可以基于预定数量的采样时间间隔的波形之间的距离来确定稳定度或相似度。此外,在分析处理中,例如,可以检测用户的行动习惯。
图4是概念上示出了图3的示例中的滤波器部的功能的图。图4示出了从配置有三种类型的行动事件1101的时间序列提取同一类型的行动事件组1103的示例。更具体地,行动事件1101包括正手击球(FHST)的行动事件1101a、反手击球(BHST)的行动事件1101b以及发球(SRV)的行动事件1101c。行动事件组1103包括正手击球的行动事件组1103a、反手击球的行动事件组1103b以及发球的行动事件组1103c。
例如,滤波器部405从行动事件1101的时间序列提取行动事件组1103a至1103c。可以同时并行提取行动事件组1103a至1103c,每个行动事件组的分析处理可以由特征提取部407和确定部409来执行,并且同时可以输出多种行动事件类型的分析结果。可替代地,可以提取行动事件组1103a至1103c中的一些,对所提取的行动事件组的分析处理可以由特征提取部407和确定部409来执行。
在所示的示例中,从单个用户1101的行动事件提取行动事件组1103,但是即使在从多个用户的行动事件中提取行动事件组的情况下也同样适用。在这种情况下,例如,可以将元数据如表示执行行动事件的用户的用户ID添加至被包括在行动事件组中的行动事件的数据。将参照图5至图7来描述从单个用户的行动事件提取行动事件组的示例。后面将描述从多个用户的行动事件提取行动事件组的示例。
(2-1.单个用户的行动事件的分析)
图5是示出了在图4的示例中提取的行动事件组的分析的示例的图。参照图5,对于由滤波器部405提取的行动事件组1103a至1103c中的每一个,特征提取部407提取各个行动事件的特征,并且确定部409基于各个行动事件的特征的分布来评估稳定度。
在此,将各个行动事件的特征表达为例如多维特征向量。在图5中,在二维(2D)平面上表达特征向量的分布。例如,当使分析中生成的信息显示在显示器上的功能由执行分析处理的处理器来实现时,可以显示表示各个行动事件在2D平面上的特征空间中的分布的信息。使得能够在2D平面上或三维(3D)空间中观看多维特征向量的技术已经是众所周知的,因此在本文中省略其详细描述。
在所示的示例中,各个行动事件的特征的分布因行动事件组1103而差异很大。因此,基于该分布所估计的稳定度因行动事件组1103而差异很大。如参照下一个图将描述的,存在将稳定度用作表示行动的学习水平的指标的情况。因此,在所示的示例中,可以针对每个行动事件组1103,即,针对每种类型的行动事件来确定行动的学习水平。如果假定学习水平随着稳定度增加而增加,则图5的示例中的用户被估计成:正手击球的学习水平相对高,反手击球的学习水平相对低,发球的学习水平处于中等。如上所述,针对每种类型的行动事件,例如,针对网球情况下的每种类型的击球来生成每种学习水平的信息的事实是本实施方式的优点之一。
图6是用于描述行动事件的特征的分布与图5的示例中所示的学习水平之间的关系的图。参照图6,对于正手击球的两个行动事件组1103a1和1103a2,基于分布来评估稳定度。在此,行动事件组1103a1是高级网球运动员正手击球的行动事件组,而行动事件组1103a2是初级网球运动员正手击球的行动事件组。
根据由本技术的发明人产生的假设,同一类型的击球的行动事件组中包括的行动事件的特征的分布随着学习水平的增加而减小。因此,各个行动事件在高级运动员的行动事件组1103a1包括的特征空间中的分布小于各个行动事件在初级运动员的行动事件组1103a2包括的特征空间中的分布。这被认为是由于如下事实:具有高学习水平的高级运动员挥拍动作变化很小,并且在很多情况下执行同一类型的挥拍。
在此,例如,当针对网球击球来限定行动事件时,基于用户在击球时的动作限定的行动事件的特征因击球的类型而异。因此,甚至当在不同类型的行动事件(击球)被混合的状态下计算行动事件的特征分布时,并不保持图6中所示的分布和稳定度与学习水平之间的关系。因此,可以执行基于上面的特征评估稳定度以及基于该稳定度确定学习水平的事实也是对通过将行动事件分类成同一类型所获得的每个行动事件组进行分析的本实施方式的优点之一。
图7是示出了基于图4的示例中的行动事件的特征进行分析的另一个示例的图。参照图7,分布各种学习水平的运动员(用户)的行动事件的特征的区域A1至A3被限定在特征空间中。区域A1是其中分布初级运动员的特征的区域,区域A2是其中分布中级运动员的特征的区域,而区域A3是其中分布高级运动员的特征的区域。
图7中所示的示例与以下情况对应:确定部409使用其中基于针对每种类型的行动事件(例如,挥拍的类型)预先收集的每种学习水平(高级、中级和初级)的训练数据执行学习的学习水平确定装置,来确定学习水平。在所示的示例中,通过使用每种学习水平的运动员的行动事件的特征的分布作为训练数据进行学习来形成学习水平确定装置。例如,当执行分析处理的处理器实现使在分析中生成的信息显示在显示器上的功能时,例如也可以使用图7中所示的2D平面上的区域的表达。
此外,在所示示例中,在特征空间中示出了表示某个用户的特征分布的时间序列转变的点P。在该示例中,示出了:当最初使用发球时位于初级水平的区域A1中的点P1处的用户的特征分布的中心向上转变至具有提高的中级水平的区域A2中的点P2,并且当前正朝向高级水平的区域A3运动并且位于点P3处(或者中级水平的区域A2中)。这样的时间序列转变的表达也可以用于在分析中生成的信息的显示。
图8和图9是示出了根据本实施方式的单个用户的行动事件的分析结果的另外的示例的图。这样的分析结果的表达还可以用于在分析中生成的信息的显示。
在图8中所示的示例中,上面参照图5和图6描述的行动事件的特征的稳定度的一天时间变化被检测到。在所示示例中,对于用户几乎全天(大约10:00至17:00)进行运动的某一天,特征的稳定度通过使用时间作为水平轴以从开始点Ps延伸至结束点Pe的折线而每小时地表达行动事件。通过这样的表达,例如,可以根据行动的稳定度的一天变化来获得信息如“热身所需时间”或者“直到行动受疲劳影响所花费的时间”。
此外,例如,当如图8中所示获得与用户的整个行动相关的信息时,可以关于每种类型的行动事件、对针对每种类型的行动事件所计算的特征的稳定度求平均并且将其输出。如上所述,为了计算显著的稳定度,对每种类型的行动事件执行分析处理是有效的,但是在计算了稳定度之后,例如,可以针对行动事件的类型执行求平均处理。
在图9所示的示例中,上面参照图5和图6描述的行动事件的特征的稳定度在几个月中的相对长期的时间变化被检测到。在所示的示例中,使用时间作为水平轴在一月至七月的时间段期间每月地表达行动事件的特征的稳定度。例如,可以根据某个时间段中行动的稳定度的变化来理解过去几个月中行动的熟练程度。当如所示的示例中那样针对每种类型的行动事件(击球)表达稳定度时,可以提高与各种类型的行动事件对应的行动的熟练程度。此外,可以将类似的表达用于对同一类型的行动事件的不同用户的稳定度进行比较。
(2-2.多个用户的行动事件的分析)
图10是用于描述根据本公开内容的实施方式的多个用户的行动事件的分析的示例的图。参照图10,执行分析处理的处理器基于由特征提取部407从多个用户的行动事件提取的特征数据411来执行比较处理413,并且获得分析结果415。分析结果415可以包括例如下述每个运动员的行动的特征图、相似行动图等。
此外,在比较处理413中,可以使用提供给第一用户的补充信息417,该第一用户的行动事件的特征数据被包括在特征数据411中。在这种情况下,可以根据比较处理413的结果将第一用户的补充信息417提供给第二用户,该第二用户的行动被表示成类似于第一用户的行动(类似地,其行动事件的特征数据被包括在特征数据411中)。补充信息417可以包括例如对用户的某种类型的行动(在网球的情况下,例如,正手击球)、用户过去的对手、其印象等的报道。与第一用户的补充信息相同的补充信息417很可能对其行动通过特征数据411被表示成与第一用户的行动类似的第二用户是有效的。
图11是用于具体描述根据本公开内容的实施方式的多个用户的行动事件的分析的示例的图。参照图11,执行分析处理的处理器发出查询419,并且执行从动作数据421提取数据的提取处理423。通过分析处理425从所提取的数据获得分析结果427。此外,通过显示处理429基于分析结果427来实现分析结果的显示431。
在查询419中,例如,指定要被提取的行动事件的类型(例如,在网球的情况下,击球的类型如正手击球、反手击球、发球等)以及提取目标的用户。例如,将很多用户的动作数据421存储在服务器300的存储部330的数据库中,但是可以有效地对其执行本实施方式中的行动事件的分析(例如行动的相似度的确定)的用户的数量是有限的,因此目标的用户也是有限的。此外,由于动作数据还是一种个人信息,所以可以通过限制公开目标(最多到朋友等)来对提取目标的用户进行限制。
在分析处理425中,执行特征提取部407和确定部409的处理。换言之,从所提取的动作数据(其被查询419限制成特定类型的行动事件)提取行动事件的特征,并且基于所提取的特征来执行相似度的确定等。例如,当在分析处理425中计算多个运动员(用户)的动作在特征空间中的距离时,通过下面的程序来执行该处理:
在上面的情况下,表示特征空间中的各个运动员的行动之间的距离的分析结果427可以包括矩阵C。如上面的程序中所描述的,在矩阵C中,元素C(i,j)表示特征空间中的第i个运动员的动作与第j个运动员的行动之间的距离。此外,在这种情况下,在显示处理429中,通过解出下面的公式1中所示的优化问题的处理,在2D平面上表达由矩阵C表达的特征空间中的各个运动员的动作之间的距离。
[数学式1]
图12和图13是示出了用于在2D平面上表达图11中所示的分析结果的信息的示例的图。在所示的示例中,当多个用户实际上打网球时,使用安装在球拍上的传感器设备100获取三轴加速度和角速度的数据(动作数据),并且在2D平面上表达从用户的动作数据提取的特征在特征空间中的位置关系。图12示出了其中类型(挥拍类型)是正手击球的行动事件的特征,图13示出了类型是发球的行动事件的特征。例如,当执行分析处理的处理器实现使在分析中生成的信息显示在显示器上的功能时,还可以使用图12和图13中所示的2D平面上的区域的表达。
在上面的示例中,在图12和图13中,女性运动员(用户)的特征示出了要分布在2D平面上的集中区Aw中的趋势。可以对由该趋势具体表示的事物进行各种推断。通过基于该结果来分析每种类型的行动事件的特征,某种趋势被估计成容易地被显示在分析结果中。
图14和图15是示出了根据本实施方式的多个用户的行动事件的分析结果的另外的示例的图。这样的示例的分析结果的表达还可以用于显示分析中生成的信息。
在图14所示的示例中,在用作比较目标的其他用户(其可以是例如职业运动员)中,确定其行动与由某个用户的发球的行动事件组1103c1表示的行动(发球)类似的用户。在这种情况下,将用户的行动事件组1103c1中包括的行动事件的特征与其他用户的行动事件组1103c2至1103c4中的每一个中包括的行动事件的特征进行比较,并且针对行动事件组1103c2至1103c4中的每一个计算相似度。在所示的示例中,由于行动事件组1103c3的相似度最高,所以输出表示用户是与行动事件组1103c3的用户相同的类型的分析结果1105。
在图15所示的示例中,对于由发球的行动事件组1103c表示的行动(发球),将各个用户的行动事件的特征映射在2D平面上,输出与表示各个用户的图标一起显示的分析结果1107。分析结果1107类似于例如上面参照图12和图13描述的图,但是,例如,由于将分析结果1107与图标一起显示,所以很容易理解成其是各个用户的行动的相似度图。
(3.硬件配置)
接下来,将参照图16和图17对用于实现根据本公开内容的实施方式的传感器设备和分析设备(在上述示例中,传感器设备、智能电话或服务器)的硬件配置的示例进行描述。
(传感器设备)
图16是示出了根据本公开内容的实施方式的传感器设备的硬件配置的示例的图。参照图16,传感器设备100可以包括传感器101、中央处理单元(CPU)103、只读存储器(ROM)105、随机存取存储器(RAM)107、用户接口109、外部存储设备111、通信设备113和输出设备115。例如,这些元件通过总线相互连接。
例如,传感器101包括加速度传感器、角速度传感器、振动传感器、磁场传感器、温度传感器、压力传感器(包括压力开关)、全球定位系统(GPS)接收器等。传感器101可以包括相机(成像传感器)或麦克风(音频传感器)。
CPU103、ROM105和RAM107通过读取并执行例如记录在外部存储设备111中的程序指令、使用软件来实现各种类型的功能。在本公开内容的实施方式中,例如通过CPU103、ROM105和RAM107可以实现如对整个传感器设备100的控制的功能。
例如,用户接口109是接收传感器设备100的用户操作的输入设备如按钮或触摸板。例如,用户的操作可以指示从传感器设备传输传感器信息的开始或完成。
外部存储设备111存储与传感器设备100有关的各种类型的信息。例如,可以在外部存储设备111中存储用于使得CPU103、ROM105和RAM107中的软件实现功能的程序指令,或者可以临时缓存由传感器101获取的数据。当考虑将传感器设备100安装在击打工具等中时,期望使用例如具有耐受强烈冲击的存储器(如半导体存储器)的传感器设备作为外部存储设备111。
此外,与当智能电话200不被布置在正进行运动的用户附近时累积传感器设备100中所检测的数据的内部存储区(存储器或外部存储装置)对应的配置是ROM105、RAM107和/或外部存储设备111。
通信设备113通过各种类型的有线或无线通信系统与后面将描述的分析设备600进行通信。此外,通信设备113可以通过装置间通信与分析设备600直接通信,或者可以经由网络如因特网与分析设备600进行通信。
输出设备115由能够输出信息如光、音频或图像的设备构成。例如,输出设备115可以输出传感器设备100中的、通知时间或行动事件的检测的信息,或者可以基于从分析设备600接收的分析结果或者在传感器设备100中计算的分析结果向用户输出视觉或听觉通知。例如,输出设备115包括例如诸如LED等的灯的显示器或者LCD、扬声器、振动器等。
(分析设备)
图17是示出了根据本公开内容的实施方式的分析设备的硬件配置的示例的图。分析设备600可以实现例如根据本公开内容的实施方式的分析设备或者上面描述的智能电话200或服务器300。注意,如上所述,分析设备可以由传感器设备100来实现。
分析设备600可以包括CPU601、ROM603、RAM605、用户接口609、外部存储设备611、通信设备613和输出设备615。例如,这些元件通过总线相互连接。
CPU601、ROM603和RAM605通过读取并执行例如记录在外部存储设备611中的程序指令、使用软件来实现各种类型的功能。在本公开内容的实施方式中,例如,可以通过CPU601、ROM603和RAM605实现对整个分析设备600的控制、上述功能配置中的处理部的功能等。
例如,用户接口609是接收分析设备600的用户操作的输入设备如按钮或触摸板。
外部存储设备611存储与分析设备600有关的各种类型的信息。例如,可以在在外部存储设备611中存储用于使用CPU601、ROM603和RAM605中的软件使功能实现的程序指令,或者可以临时缓存由通信设备613接收的传感器信息。此外,可以在外部存储设备611中累积分析结果的日志。
输出设备615由能够视觉上或听觉上向用户通知信息的设备构成。例如,输出设备615可以是显示装置如液晶显示器(LCD)或音频输出装置如扬声器或耳机。输出设备615将通过分析设备600的处理所获得的结果输出为视频图像如文本或图片,或者将结果输出为音频如语音或声音。
到此为止,已经示出了传感器设备100和分析设备600的硬件配置的示例。上述构成元件中的每一个可以通过使用一般构件来构成,或者可以通过对构成元件中的每一个的功能专用的硬件来构成。可以根据实现时的技术水平适当地改变这样的配置。
(4.补充)
例如,本公开内容的实施方式可以包括如上所述的分析设备(信息处理终端如智能电话、服务器或传感器设备)、系统、由分析设备或系统执行的信息处理方法、用于使分析设备运行的程序、以及记录程序的非临时有形介质。
虽然上面已经参考附图描述了本公开内容的优选实施方式,但是本公开内容不限于上面的示例。在所附权利要求的范围内,本领域的技术人员可以发现各种变更和修改,并且应当理解,所述各种变更和修改将自然地落入本公开内容的技术范围内。
另外,本说明书中所描述的效果仅仅是解释性和说明性的而非限制性的。换言之,根据本公开内容的技术可以表现出连同基于本说明书的效果一起或者替代基于本说明书的效果的对本领域技术人员而言显而易见的其他效果。
另外,还可以如下配置本技术。
(1)一种分析装置,包括:
处理器,被配置成实现以下功能:
获取表示基于进行运动的用户的动作而定义的行动事件的数据的获取功能:,
从所述行动事件提取被分类成相同类型的多个行动事件的提取功能,以及
对表示多个提取的行动事件的数据进行分析的分析功能。
(2)根据(1)所述的分析装置,
其中,所述分析功能对与所述多个提取的行动事件对应的动作的特征进行分析。
(3)根据(2)所述的分析装置,
其中,所述多个提取的行动事件是单个用户的行动事件,并且
其中,所述分析功能基于所述特征对由所述多个提取的行动事件表示的、所述单个用户的行动进行评估。
(4)根据(3)所述的分析装置,
其中,所述分析功能基于所述特征对所述单个用户的行动的稳定度进行评估。
(5)根据(4)所述的分析装置,
其中,所述分析功能基于所述稳定度来确定所述单个用户的行动的学习水平。
(6)根据(3)至(5)中任一项所述的分析装置,
其中,所述分析功能检测所述特征的时间变化。
(7)根据(2)所述的分析装置,
其中,所述多个提取的行动事件包括多个用户的行动事件,并且
其中,所述分析功能基于所述特征对由所述多个提取的行动事件表示的、所述多个用户的行动进行比较。
(8)根据(7)所述的分析装置,
其中,所述多个用户包括第一用户和第二用户,并且
其中,所述分析功能根据所述比较结果提供信息,所述信息被提供给与所述行动有关的所述第一用户,并且还被提供给其行动被表示成与所述第一用户的行动类似的所述第二用户。
(9)根据(1)至(8)中任一项所述的分析装置,
其中,所述处理器还实现使所述分析中生成的信息显示在显示器上的显示控制功能。
(10)根据(9)所述的分析装置,
其中,所述分析功能对与所述多个提取的行动事件对应的动作的特征进行分析,并且
其中,所述显示控制功能使表示所述特征的信息被显示。
(11)根据(10)所述的分析装置,
其中,所述多个提取的行动事件包括多个用户的行动事件,并且
其中,所述显示控制功能使表示所述多个用户在二维(2D)平面上的特征的信息被显示。
(12)一种存储有程序的记录介质,所述程序使计算机实现以下功能:
获取表示基于进行运动的用户的动作而定义的行动事件的数据的获取功能;
从所述行动事件中提取被分类成相同类型的多个行动事件的提取功能;以及
对表示所述多个提取的行动事件的数据进行分析的分析功能。
(13)一种分析方法,包括:
获取表示基于进行运动的用户的动作而定义的行动事件的数据;
从所述行动事件中提取被分类成相同类型的多个行动事件;以及
对表示所述多个提取的行动事件的数据进行分析。
附图标记列表
10系统
100传感器设备
110传感器
120处理部
200智能电话
210接收部
220处理部
300服务器
310接收部
320处理部
401元数据
403动作数据
405滤波器部
407特征提取部
409确定部
Claims (13)
1.一种分析装置,包括:
处理器,被配置成实现以下功能:
获取表示基于进行运动的用户的动作而定义的行动事件的数据的获取功能,
从所述行动事件中提取被分类成相同类型的多个行动事件的提取功能,以及
对表示多个提取的行动事件的数据进行分析的分析功能。
2.根据权利要求1所述的分析装置,
其中,所述分析功能对与所述多个提取的行动事件对应的动作的特征进行分析。
3.根据权利要求2所述的分析装置,
其中,所述多个提取的行动事件是单个用户的行动事件,并且
其中,所述分析功能基于所述特征对由所述多个提取的行动事件表示的、所述单个用户的行动进行评估。
4.根据权利要求3所述的分析装置,
其中,所述分析功能基于所述特征对所述单个用户的行动的稳定度进行评估。
5.根据权利要求4所述的分析装置,
其中,所述分析功能基于所述稳定度来确定所述单个用户的行动的学习水平。
6.根据权利要求3所述的分析装置,
其中,所述分析功能检测所述特征的时间变化。
7.根据权利要求2所述的分析装置,
其中,所述多个提取的行动事件包括多个用户的行动事件,并且
其中,所述分析功能基于所述特征对由所述多个提取的行动事件的各个行动事件表示的、所述多个用户的行动进行比较。
8.根据权利要求7所述的分析装置,
其中,所述多个用户包括第一用户和第二用户,并且
其中,所述分析功能根据所述比较的结果提供信息,所述信息被提供给与所述行动有关的所述第一用户,并且还被提供给其行动被表示成与所述第一用户的行动类似的所述第二用户。
9.根据权利要求1所述的分析装置,
其中,所述处理器还实现使所述分析中生成的信息显示在显示器上的显示控制功能。
10.根据权利要求9所述的分析装置,
其中,所述分析功能对与所述多个提取的行动事件对应的动作的特征进行分析,并且
其中,所述显示控制功能使表示所述特征的信息被显示。
11.根据权利要求10所述的分析装置,
其中,所述多个提取的行动事件包括多个用户的行动事件,以及
其中,所述显示控制功能使表示所述多个用户在二维(2D)平面上的特征的信息被显示。
12.一种存储有程序的记录介质,所述程序使计算机实现以下功能:
获取表示基于进行运动的用户的动作而定义的行动事件的数据的获取功能;
从所述行动事件中提取被分类成相同类型的多个行动事件的提取功能;以及
对表示所述多个提取的行动事件的数据进行分析的分析功能。
13.一种分析方法,包括:
获取表示基于进行运动的用户的动作而定义的行动事件的数据;
从所述行动事件中提取被分类成相同类型的多个行动事件;以及
对表示所述多个提取的行动事件的数据进行分析。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013273516 | 2013-12-27 | ||
JP2013-273516 | 2013-12-27 | ||
PCT/JP2014/079389 WO2015098304A1 (ja) | 2013-12-27 | 2014-11-06 | 解析装置、記録媒体および解析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105828894A true CN105828894A (zh) | 2016-08-03 |
Family
ID=53478182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480069802.6A Pending CN105828894A (zh) | 2013-12-27 | 2014-11-06 | 分析装置、记录介质及分析方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US10558854B2 (zh) |
EP (1) | EP3088058A4 (zh) |
JP (1) | JP6458739B2 (zh) |
CN (1) | CN105828894A (zh) |
WO (1) | WO2015098304A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6248635B2 (ja) | 2011-11-08 | 2017-12-20 | ソニー株式会社 | センサ装置、解析装置および記憶媒体 |
US20150352404A1 (en) * | 2014-06-06 | 2015-12-10 | Head Technology Gmbh | Swing analysis system |
US10706740B2 (en) * | 2014-12-24 | 2020-07-07 | Sony Corporation | System and method for processing sensor data |
JP6828265B2 (ja) * | 2016-04-15 | 2021-02-10 | セイコーエプソン株式会社 | 表示方法、スイング解析装置、スイング解析システム、スイング解析プログラム、および記録媒体 |
JP2017189490A (ja) * | 2016-04-15 | 2017-10-19 | セイコーエプソン株式会社 | 表示方法、スイング解析装置、スイング解析システム、スイング解析プログラム、および記録媒体 |
JP2018093979A (ja) * | 2016-12-09 | 2018-06-21 | セイコーエプソン株式会社 | 運動診断装置、運動診断システム、プログラム、記録媒体及び運動診断方法 |
JP7385826B2 (ja) * | 2019-11-08 | 2023-11-24 | オムロン株式会社 | 動作分析装置、動作分析方法及び動作分析プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236984A (zh) * | 2010-04-26 | 2011-11-09 | 索尼公司 | 信息处理设备、提问倾向设定方法和程序 |
WO2012138605A2 (en) * | 2011-04-05 | 2012-10-11 | Nike International Ltd. | Systems and methods for storing and analyzing golf data, including community and individual golf data collection and storage at a central hub |
US20130053190A1 (en) * | 2011-08-29 | 2013-02-28 | Icuemotion, Llc | Racket sport inertial sensor motion tracking and analysis |
JP2013244405A (ja) * | 2012-05-23 | 2013-12-09 | Babolat Vs | テニスラケットを使用するときの再現性指標を計算するための方法 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0581232A (ja) * | 1991-09-19 | 1993-04-02 | Fujitsu Ltd | スウイング動作時の運動解析方式 |
US20060025229A1 (en) * | 2003-12-19 | 2006-02-02 | Satayan Mahajan | Motion tracking and analysis apparatus and method and system implementations thereof |
US9229540B2 (en) * | 2004-01-30 | 2016-01-05 | Electronic Scripting Products, Inc. | Deriving input from six degrees of freedom interfaces |
US20060084516A1 (en) * | 2004-07-28 | 2006-04-20 | Smartswing, Inc. | Method and system for defining and using a reference swing for a sports training system |
US7219033B2 (en) * | 2005-02-15 | 2007-05-15 | Magneto Inertial Sensing Technology, Inc. | Single/multiple axes six degrees of freedom (6 DOF) inertial motion capture system with initial orientation determination capability |
US20070105664A1 (en) * | 2005-11-07 | 2007-05-10 | Fun Racquets, Inc. | Racquet with Entertainment and Performance Feedback |
US20070135225A1 (en) * | 2005-12-12 | 2007-06-14 | Nieminen Heikki V | Sport movement analyzer and training device |
US7536033B2 (en) * | 2006-03-03 | 2009-05-19 | Richard Albert Kirby | Portable swing analyzer |
US20080200287A1 (en) * | 2007-01-10 | 2008-08-21 | Pillar Vision Corporation | Trajectory detection and feedfack system for tennis |
WO2009020886A1 (en) * | 2007-08-03 | 2009-02-12 | Pro Tee Systems, Inc. | Golf gaming systems and methods |
US8622795B2 (en) * | 2008-12-04 | 2014-01-07 | Home Box Office, Inc. | System and method for gathering and analyzing objective motion data |
US20110021280A1 (en) * | 2009-07-27 | 2011-01-27 | Vladimir Boroda | Hitting technique by identifying ball impact points |
WO2011036567A2 (en) * | 2009-09-25 | 2011-03-31 | Ralf Schwenger | Methods and apparatuses for enhancing performance in racket sports |
US9626554B2 (en) * | 2010-08-26 | 2017-04-18 | Blast Motion Inc. | Motion capture system that combines sensors with different measurement ranges |
US8941723B2 (en) * | 2010-08-26 | 2015-01-27 | Blast Motion Inc. | Portable wireless mobile device motion capture and analysis system and method |
JP2012228351A (ja) * | 2011-04-26 | 2012-11-22 | Dunlop Sports Co Ltd | 打感の評価方法 |
CN102221369B (zh) * | 2011-04-29 | 2012-10-10 | 闫文闻 | 一种球类运动的动作识别方法、装置和动作辅助设备 |
JP5761505B2 (ja) | 2011-06-09 | 2015-08-12 | セイコーエプソン株式会社 | スイング分析装置、スイング分析システム、スイング分析方法、スイング分析プログラム、および記録媒体 |
JP5273214B2 (ja) * | 2011-06-30 | 2013-08-28 | 株式会社デンソー | 近距離無線通信装置 |
US20130018494A1 (en) * | 2011-07-14 | 2013-01-17 | Alexander Andre Amini | System and method for motion analysis and feedback with ongoing dynamic training orientation determination |
US8419560B2 (en) * | 2011-07-14 | 2013-04-16 | Alexander Andre Amini | System and method for adaptive delivery of game balls based on player-specific performance data analysis |
EP2602779A3 (en) * | 2011-10-14 | 2015-11-25 | Dunlop Sports Co., Ltd. | Device, method and computer-program for fitting tennis racket |
US9311727B2 (en) * | 2011-10-14 | 2016-04-12 | Dunlop Sports Co. Ltd. | Device, system, method and computer-readable storage medium for analyzing tennis swing motion |
US9327177B2 (en) * | 2011-10-14 | 2016-05-03 | Dunlop Sports Co. Ltd. | Tennis swing analysis method |
US9101812B2 (en) * | 2011-10-25 | 2015-08-11 | Aquimo, Llc | Method and system to analyze sports motions using motion sensors of a mobile device |
US9161708B2 (en) * | 2013-02-14 | 2015-10-20 | P3 Analytics, Inc. | Generation of personalized training regimens from motion capture data |
-
2014
- 2014-11-06 WO PCT/JP2014/079389 patent/WO2015098304A1/ja active Application Filing
- 2014-11-06 EP EP14875753.7A patent/EP3088058A4/en not_active Ceased
- 2014-11-06 US US15/033,755 patent/US10558854B2/en active Active
- 2014-11-06 JP JP2015554651A patent/JP6458739B2/ja active Active
- 2014-11-06 CN CN201480069802.6A patent/CN105828894A/zh active Pending
-
2019
- 2019-12-30 US US16/730,168 patent/US11042731B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236984A (zh) * | 2010-04-26 | 2011-11-09 | 索尼公司 | 信息处理设备、提问倾向设定方法和程序 |
WO2012138605A2 (en) * | 2011-04-05 | 2012-10-11 | Nike International Ltd. | Systems and methods for storing and analyzing golf data, including community and individual golf data collection and storage at a central hub |
US20130053190A1 (en) * | 2011-08-29 | 2013-02-28 | Icuemotion, Llc | Racket sport inertial sensor motion tracking and analysis |
JP2013244405A (ja) * | 2012-05-23 | 2013-12-09 | Babolat Vs | テニスラケットを使用するときの再現性指標を計算するための方法 |
Also Published As
Publication number | Publication date |
---|---|
US20160253553A1 (en) | 2016-09-01 |
JP6458739B2 (ja) | 2019-01-30 |
US20200134303A1 (en) | 2020-04-30 |
US11042731B2 (en) | 2021-06-22 |
US10558854B2 (en) | 2020-02-11 |
EP3088058A4 (en) | 2017-09-06 |
EP3088058A1 (en) | 2016-11-02 |
JPWO2015098304A1 (ja) | 2017-03-23 |
WO2015098304A1 (ja) | 2015-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105828894A (zh) | 分析装置、记录介质及分析方法 | |
JP7246859B2 (ja) | セッションとグループ | |
CN104056441B (zh) | 信息处理系统、信息处理方法及存储装置 | |
Velloso et al. | Qualitative activity recognition of weight lifting exercises | |
KR101994598B1 (ko) | 활동 리마인더를 갖는 활동 인식 | |
AU2017331639B2 (en) | A system and method to analyze and improve sports performance using monitoring devices | |
US20220346490A1 (en) | Enhancing Exercise Through Augmented Reality | |
US10769796B2 (en) | Information processing apparatus, information processing method and recording medium | |
US20190160339A1 (en) | System and apparatus for immersive and interactive machine-based strength training using virtual reality | |
CN104126184A (zh) | 用于包括训练计划的自动个人训练的方法和系统 | |
CN107205661B (zh) | 使用来自多个设备的数据进行能量消耗计算 | |
US20160166180A1 (en) | Enhanced Real Time Frailty Assessment for Mobile | |
CN104169926A (zh) | 能量消耗 | |
KR20160070130A (ko) | 운동 움직임 속성으로부터의 페이스 및 에너지 지출의 계산 | |
CN105389322A (zh) | 基于运动传感器数据来推荐体育教学内容 | |
US20210280082A1 (en) | Providing Workout Recap | |
CN111295686A (zh) | 多因素认证与认证后处理系统 | |
CN105848737B (zh) | 解析装置、记录媒体和解析方法 | |
US20160310788A1 (en) | Analysis device, recording medium, and analysis method | |
CN113139506A (zh) | 一种计步方法、设备及存储介质 | |
KR102574229B1 (ko) | 골프 스윙 분석 장치 및 그 방법 | |
WO2018232557A1 (zh) | 运动动作的识别方法及装置、电子设备 | |
WO2015098301A1 (ja) | 解析装置、記録媒体および解析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160803 |