CN105848737B

CN105848737B - 解析装置、记录媒体和解析方法

Info

Publication number: CN105848737B
Application number: CN201480069652.9A
Authority: CN
Inventors: 松永英行; 渡边有祐
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2013-12-27
Filing date: 2014-10-22
Publication date: 2020-09-11
Anticipated expiration: 2034-10-22
Also published as: US10192118B2; US20160314352A1; WO2015098260A1; CN105848737A; EP3088056A1; EP3088056A4; JPWO2015098260A1; JP6432523B2

Abstract

[目的]为了成系列或成组地解析从一系列体育运动比赛中获取的数据。[解决方案]本发明公开了一种解析装置，其包括：处理器，其被配置为实现获取功能，用于获取表示比赛事件的信息，该比赛事件基于体育运动比赛用户的运动，并被排列在一个时间间隔内，以及实现模式估计功能，用于基于比赛事件的排列对比赛模式进行估计。

Description

解析装置、记录媒体和解析方法

技术领域

本发明涉及一种解析装置、一种记录媒体和一种解析方法。

背景技术

使用传感或解析协助体育比赛的技术已经被开发出来。例如，专利文献1 公开了一种技术，其使用运动传感器的检测数据来检测挥拍运动、提取挥拍运动被检测作为挥拍候选数据的数据、以及基于一个与挥拍相关的测定条件从挥拍候选数据中选择真正的挥拍数据。因此，例如，用户无需依据挥拍运动的起始时间和终止时间，通过相对较小的计算负荷就可能提取出挥拍数据。

引文列表

专利文献

专利文献1：JP2012-254205A

发明内容

技术问题

然而，专利文献1中公开的技术中，可以解析单独的挥拍，但获取的数据不能作为一系列或一组数据来进行解析。在体育比赛中为了进行改进，解析挥拍等每次比赛以及寻找改进点是重要的，但是，例如，配置有一局或一盘的一系列比赛是相互关联的，即使着重于单独的比赛，比赛前后的影响也是不可忽视的。此外，若不是将一系列比赛中获取的数据作为一系列或一组数据来进行分析，则很难理解一局比赛或一个比赛组合。

在这点上，本发明提供了一种解析装置、一种记录媒体和一种解析方法，它们是新颖的且有所改进，并能够成系列或成组地解析从一系列体育运动比赛中获取的数据。

问题解决方案

根据本发明，提供一种解析装置，其包括：处理器，其被配置为实现获取功能，所述获取功能用于获取表示比赛事件的信息，所述比赛事件基于体育参赛用户的运动来定义，并被排列在一个时间间隔内，以及模式估计功能，所述模式估计功能用于估计基于比赛事件排列的比赛模式。

根据本发明，提供一种记录媒体，所述记录媒体具有存储在其中的程序，所述程序使计算机实现：获取功能，用于获取表示比赛事件的信息，所述比赛事件基于体育运动用户的运动来定义，并被排列在一个时间间隔内；以及模式估计功能，用于估计基于比赛事件排列的比赛模式。

根据本发明，提供一种解析方法，其包括：由处理器来获取表示比赛事件的信息，所述比赛事件基于体育运动用户的运动来定义，并被安排在一个时间间隔内；以及由所述处理器来估计基于所述比赛事件排列的比赛模式。

本发明的有益效果

如上所述，根据本发明，成系列或成组地解析从一系列体育运动比赛中获取的数据成为可能。

注意，并不一定限于上述效果，任何效果都可能伴随着上述效果或取代上述效果在本说明书中出现，或者本说明书也有可能展现出其他预期效果。

附图说明

图1示出根据本发明实施例的系统配置的示例图。

图2示出根据本发明实施例的系统装置配置的方框示意图。

图3示出根据本发明实施例的分段示意图。

图4示出图3中时间序列事件数据的示例图。

图5示出图3中经过预处理的时间序列事件数据的示例图。

图6示出根据本发明实施例的分段模型学习的示意图。

图7示出根据本发明实施例的时间序列事件数据的另一个示例图。

图8示出根据本发明实施例的段定义的示例图。

图9示出根据本发明实施例的分段具体实例的示意图。

图10示出根据本发明实施例的层级式分段的示例图。

图11示出根据本发明实施例的从分段获取的信息的示例图。

图12示出根据本发明实施例的比赛模式估计过程的示例流程图。

图13示出图12流程中分段的比赛事件的示例图。

图14示出基于图12流程中比赛模式的局类型估计的示例图。

图15示出基于图12流程中估计结果重分类的比赛事件的示例图。

图16示出根据本发明实施例的描述比赛模式的另一个示例图。

图17示出图16实例中的比赛风格估计过程的示意图。

图18示出图17示例中的比赛风格估计过程中用户比较的示意图。

图19示出根据本发明实施例的练习段时间序列事件数据的示意图。

图20示出图19所示的检测到的抽球练习段比赛模式的示例图。

图21示出图19所示的检测到的抽球练习段比赛模式的示例图。

图22示出基于图20和图21中检测到的比赛模式生成的信息的示例图。

图23示出根据本发明实施例将分段应用于高尔夫的示例图。

图24示出根据本发明实施例将分段应用于足球的示例图。

图25示出根据本发明实施例的传感器装置硬件配置的示例图。

图26示出根据本发明实施例的解析装置硬件配置的示例图。

具体实施方式

在下文中，参照附图对本发明优选实施例进行描述。在本说明书和附图中，具有大体相同功能和结构的部件以相同的参考标记进行表示，并省略重复解释。

将按下列顺序进行描述。

1.引言

2.系统配置

3.分段

4.比赛模式估计

5.练习段解析

6.其他体育运动实例

7.硬件配置

8.补充

(1.引言)

当用户参加体育运动比赛时，通常分段为例如热身、练习和比赛。例如，一场2小时的比赛被分段为20分钟的热身、1小时的练习和40分钟的比赛。参赛者每个分段的表现大为不同。例如，参赛者在热身时被认为没有用尽全力，参赛者练习中与比赛中的运动不同。

因此，例如，当解析获取到的关于体育比赛的数据时，考虑参赛者在比赛中的情况是很重要的。更具体地说，当一个参赛者的挥拍熟练程度确定时，删除热身过程中获取的数据或者比较练习中和比赛中挥拍的差异可能是有用的。

在这方面，本技术实现了对获取到的数据的更有用的解析，这样获取到的关于体育比赛的数据作为表示按时间排列的比赛事件的信息来处理，并且例如，比赛事件被分类为对应于体育比赛单元的时间序列段，或基于比赛事件的排列对比赛模式进行估计。

例如，当使用运动传感器(加速度传感器、陀螺仪传感器、地磁传感器或类似的)检测体育参赛用户的运动时，检测到的数据、表示数据解析结果的元数据等，可以作为与比赛相关的时间序列数据进行累计。使用累计数据提供各种与比赛相关的信息成为可能。

例如，本技术中，累计时间序列数据所表示的比赛事件被划分为段，然后进行解析。例如，比赛模式从累计时间序列数据表示的比赛事件中进行估计。通过这样的配置，可以提供涉及体育比赛的有用信息。时间序列数据的解析可以针对每个用户，或者通过对多个用户进行比较来进行解析。例如，从解析中获得的数据可被用户(参赛者)用来检查比赛，或给予用户有关比赛的建议。此外，解析中获得的数据可以通过社交媒体传播，并在用户之间共享。

下面将继续描述具体的体育运动实例，例如网球，但本技术的应用范围并不限于下述体育运动。例如，只要比赛事件是基于体育参赛用户的运动来定义的，本技术可以应用于任何体育运动。

(2.系统配置)

图1是根据本发明实施例的系统配置的示例图。参照图1，系统10包括传感器装置100、智能手机200和服务器300。

传感器装置100安装在网球拍R上。例如，传感器装置100包括运动传感器(例如加速度传感器、陀螺仪传感器、地磁传感器等等)。这种情况下，传感器装置100直接检测球拍R的运动，但由于球拍R由用户握着并根据用户的意图移动，可以说传感器装置100通过球拍R的运动间接检测用户的运动。在本发明这种情况下，可以说传感器装置100间接安装在用户身上并检测用户的运动。

在另一实施例中，例如，传感器装置100可以安装在用户的衣服上或鞋上。这种情况下，传感器装置100直接检测衣服或鞋的运动，但由于衣服或鞋随着用户移动，可以说传感器装置间接检测用户的运动。或者传感器装置 100可以直接安装在用户身上，例如，可以用绑带的形式缠绕在胳膊上。这种情况下，传感器装置100直接检测用户的运动。除了传感器装置100直接检测用户的运动时之外，即使当传感器装置100间接检测用户的运动时，只要被检测的运动中反映了用户的运动，根据传感器装置100提供的检测结果来定义一个对应于体育参赛用户的比赛事件是可能的。

传感器装置100可以进一步包括振动传感器。例如，基于振动传感器检测到的数据，可以很容易地指定对应于比赛事件的间隔(例如，撞击球前后的间隔)。此外，振动传感器检测到的数据也可以用于解析比赛事件，类似于运动传感器检测到的数据。传感器装置100可以进一步包括可以获取体育参赛用户诸如温度、湿度、亮度或位置等环境信息的传感器。传感器装置100 中配备的各类传感器检测到的数据必要时接受预处理，然后通过诸如蓝牙(注册商标)的无线通信传送给智能手机200。

例如，智能手机200被放在正在进行体育比赛的用户附近。这种情况下，智能手机200通过诸如蓝牙(注册商标)的无线通信接收来自传感器装置100 的数据，必要时临时累计或处理接收到的数据，并通过网络通信将所得数据传送至服务器300。智能手机200可以收到服务器300基于传送的数据进行解析的结果，并通过显示器、扬声器等将解析结果输出给用户。解析结果可以在用户没有进行体育比赛时输出。通过用户使用的诸如个人电脑或平板终端、游戏机、电视之类的信息处理终端，可以分别将来自智能手机200的解析结果输出。

智能手机200可以不必放在体育参赛用户附近。这种情况下，传感器装置100在内部存储区(内存或外部存储设备)中累计检测到的数据。例如，可以在体育比赛之后，传感器装置100和智能手机200相互靠近时，通过诸如蓝牙(注册商标)的无线通信，将数据从传感器装置100传送至智能手机 200。或者，可以在体育比赛之后，传感器装置100通过诸如USB的有线方式与智能手机200连接时传送数据。此外，可装卸记录媒体可用于从传感器装置100到智能手机200的数据传送。

服务器300通过网络与智能手机200通信，并接收传感器装置100配备的各种传感器检测到的数据。服务器300使用接收到的数据执行解析过程，并生成涉及体育比赛的各种信息。例如，服务器300基于直接或间接表示体育比赛用户运动的、由运动传感器获取的数据，对比赛事件进行定义。例如，比赛事件对应于使用球拍R进行单次击球。例如，通过定义比赛事件，可以理解由运动数据表示的用户比赛是作为一个序列的比赛，其具有如{发球、抽球、截击…}之类的意义。

此外，例如，服务器300可以将时间序列段指定到分类后的比赛事件中，或指定到用户的比赛模式中，该比赛模式是通过对比赛事件的解析过程，从比赛事件的时间排列中估计出来的。例如，由服务器300的解析过程生成的信息被传送到智能手机200，并通过智能手机200的显示屏或扬声器向用户输出。或者，服务器300可以将信息传送到智能手机200以外的信息处理终端，并向用户输出信息。服务器300可以基于为多用户中每个用户接收的数据执行解析过程，基于比较结果生成信息，例如，为每个用户生成的比赛模式，并将所生成的信息传送到每个用户的信息处理终端。

图2是根据本发明实施例的系统装置配置的方框示意图。参照图2，传感器装置100包括传感器110、处理部分120和传输部分130。智能手机200包括接收部分210、处理部分220、存储部分230、传输部分240、成像部分250、输入部分260和输出部分270。服务器300包括接收部分310、处理部分320、存储部分330和传输部分340。稍后将会描述实现各自装置的硬件配置实例 (传感器装置和解析装置的硬件配置实例)。

在传感器装置100中，处理部分120处理传感器110获取的数据，传输部分130将处理后的数据传送给智能手机200。例如，传感器110包括如上所述的直接或间接检测体育参赛用户运动的运动传感器。传感器110可以进一步包括振动传感器、用于获取用户环境信息的传感器等。处理部分120由根据程序进行操作的处理器来实现，并对传感器110获取的数据进行必要的预处理。例如，预处理可以包括采样、降噪等。预处理未必一定执行。传输部分130由通信装置来实现，并将数据传送到智能手机200，例如，使用诸如蓝牙(注册商标)的无线通信。虽然图2中没有示出，但是传感器装置100可以包括一个临时累计数据的存储部分。

在智能手机200中，接收部分210接收由传感器装置100传送的数据，传输部分240将数据传送到服务器300。接收部分210和传输部分240是由通信装置实现的，该通信装置执行(例如)诸如蓝牙(注册商标)的无线通信和有线或无线网络通信。接收到的数据被临时存储在存储部分230中，然后通过处理部分220传送。处理部分220可以对接收到的数据进行预处理。处理部分220由根据程序进行操作的处理器来实现，存储部分230由内存或存储器来实现。接收部分210可以进一步接收由服务器300传送的信息。例如，根据处理部分220的控制，可以从输出部分270向用户输出接收到的信息。例如，输出部分270包括显示器或扬声器。

此外，在智能手机200中，成像部分250获取图像。例如，成像部分250 是由相机模块来实现，其中成像部件与透镜之类的光学系统相结合。图像可以将体育参赛用户作为主题。例如，成像部分250获取的图像连同接收部分 210接收到的数据一起从传输部分240传送给服务器300。例如，服务器300 可以将图像连同传感器装置100获取的数据一起用于解析过程，或者可以将图像嵌入到解析过程生成的信息中。例如，输入部分260包括触摸面板、硬件按钮、接收音频输入的麦克风和/或接收手势输入的照相机。处理部分220 可以根据通过输入部分260获取到的用户操作，请求服务器300通过传输部分240传送信息。

服务器300包括接收部分310、处理部分320、存储部分330和传输部分 340。接收部分310由通信装置来实现，并接收诸如互联网的网络通信传送的来自智能手机200的数据。例如，处理部分320通过诸如CPU的处理器来实现，并处理接收到的数据。例如，处理部分320对接收到的数据执行解析过程，此外可在存储部分330解析后累计数据，或者可以通过传输部分340输出数据。或者，处理部分320可以只执行累计控制或智能手机200解析过的数据的输出等。

上面已经描述了根据本发明实施例的系统配置。上述配置是一个实例，在其他实施例中可以进行各种修改。例如，在上面的实例中，解析过程由服务器300中的处理部分320来执行，该解析过程使用传感器装置100获取的数据，但是该解析过程可以由智能手机200的处理部分220或传感器装置100 的处理部分120来执行。系统10已被描述为包括传感器装置100、智能手机 200和服务器300，但是，例如，当智能手机200的处理部分220执行解析过程时，系统10可以不包括服务器300。或者，这种情况下，服务器300提供存储解析过程获得的信息并将信息共享给用户的服务。此外，例如，当传感器装置100的处理部分120执行解析过程时，系统10可以不包括智能手机200 和服务器300。例如，传感器装置100可以是安装在用户身上或工具上的专用传感器装置，或者是安装在便携式信息处理终端上的传感器模块可以充当传感器装置100作用。因此，传感器装置100可以在像智能手机200一样的设备中实现。

(3.分段)

下面对根据本实施例的解析过程的几个实例进行更具体的描述。下面所述的解析过程是由处理器执行的，除非另有说明。如上所述，执行解析过程的处理器对应于图2所示的服务器300的处理部分320、智能手机200的处理部分220和/或传感器装置100的处理部分120。

图3是根据本发明实施例的分段示意图。参照图3，在分段过程中，时间序列事件数据401被用作输入。时间序列事件数据401是根据体育参赛用户的运动来定义的信息，并表示比赛事件是按时间排列的。执行解析过程的处理器实现了获取这些信息的功能，例如，时间序列事件数据401。例如，处理器可以接收由另一个装置的处理器生成的时间序列事件数据401。或者，处理器可以通过直接或间接安装在用户身上的传感器(例如，传感器装置100配备的传感器110)实现接收用户运动检测结果的功能，以及基于检测结果定义比赛事件的功能。

在下面的描述中，对用作输入的时间序列事件数据做出如下假定：

{X_i}_{i＝1，…，N}

N表示包含在时间序列中的比赛事件的数量。以网球比赛为例，比赛事件被定义为每一次击球。例如，这种情况下，由传感器装置100的传感器110 中包含的运动传感器获取的正在参赛的用户的运动数据，与诸如发球、抽球或扣杀之类的每次击球的运动特征相比较，当检测到对应的运动时，针对对应的间隔定义比赛事件。由于运动数据是时间序列数据，比赛事件也是按时间排列的。单个的时间序列事件数据X_i包括诸如击球时间、挥拍类型、挥拍速度、球速、或者击球时在球拍上的位置之类的解析结果。

在示例中，预处理403针对时间序列事件数据{X_i}执行。在下面的描述中，经过403预处理的时间序列事件数据如下所示：

{X_～i}_{i＝1，…，N}

例如，预处理403可以包括如下过程：基于比赛事件(击球)的发生时间t(X_i)和t(X_i+1)计算击球之间的时间段t(X_i+1-X_i)，并将时间t(X_i+1-X_i)添加为时间序列事件数据X_～i的属性之一。

然后，解析过程405针对经过预处理的时间序列事件数据{X_～i}执行，并输出分段407。在下面的描述中，对根据分段407为时间序列事件数据X_～i确定的时间序列段做出如下假定：

Y＝{Y_i}_{i＝1，…，N}

以网球为例，各个段Y_i分别是比赛、热身、练习等。比赛段Y_i是对应于体育比赛单元的时间序列段的一个实例。本实施例中，执行解析过程的处理器基于比赛事件的时间排列将比赛事件分类为段，该时间排列比如为比赛事件之间的前后关系或其时间间隔。比赛单元是指根据预先确定的规则指定体育比赛的单元，以网球为例，该规则为一场、一场中的一盘、一盘中的一局、或一局中的对打。例如，执行解析过程的处理器可以根据一项体育运动的提前给定的规则，将比赛事件分类为对应于比赛单元的段，或者可以为每个比赛单位选取一个比赛事件排列的特征，并将比赛事件分类为对应于比赛单元的段。

在解析过程405中，段的时间序列Y使用模型409来估计。在这里，模型409给出了一种情况下的段的时间序列Y的条件概率，并用p(Y_i|X_～i)表示，这种情况给出了经过预处理的时间序列事件数据X_～＝{X_～i}_{i＝1，…，N}。在示例中，段的时间序列Y的所有模式的概率通过模型409来计算。例如，当段Y_i是比赛、热身和练习中的任何一种时，段的时间序列Y有3^N种模式。

在这里，例如，模型409由下面的公式表示。这种模型也被称为“隐马尔可夫模型(HMM，hidden Markov model)。”

[运算1]

在这里，s是一个具有离散值的变量(例如，1，2，…，100)。这种情况下，“给出一个模型”意味着公式1右边的p(X_～i|s_i)、p(Y_i|s_i)、和p(s_i)作为x、 y和s的函数给出。例如，这些值通过某一参数θ给出。因此，“当给出模型时”，任意一对X_～i和Y_i的概率p(X_～i，Y_i)可以用公式1算出。

在解析过程405中，使用模块409计算出的具有最高概率的段的时间序列Y作为该段的估计时间序列。如下所写：

Y_估计＝argmax_Yp(Y|X_～)

根据众所周知的条件概率的定义，argmax_Yp(Y|X_～)＝argmax_Yp(X_～，Y)，因此 Y_估计可以基于用公式1计算出的概率p(X_～i，Y_i)来确定。当模型409是HMM时，使用一种称为动态规划的算法能够有效地获得最优的Y。

图4是图3中时间序列事件数据的示例图。在图4的示例中，时间序列事件数据401包括的条目有事件ID、事件类型、日期和时间、挥拍类型和挥拍速度。事件ID是唯一识别每条数据的标识。对于所有说明数据，事件类型均设置为“击球”。这表示这种数据是用于比赛事件“击球”的数据。在下述网球的实例中，段分类和比赛模式估计是基于类型为“击球”的比赛事件进行的。在网球的另一个实例或其他体育运动的实例中，可以定义类型为“击球”之外的诸如“跳”或“跑”的比赛事件。

日期和时间表示对应于每条数据的比赛事件发生的日期和时间。这里，例如，比赛事件发生的时间可以是用户运动检测开始的时间，该用户运动是被指定作为比赛事件的，或者可以是比赛事件中的特征时间，比如“击球”比赛事件中球拍击球的击球时间。挥拍类型表示基于运动数据的指定击球的挥拍类型。挥拍类型中使用的缩写如下所示。

[表1]

例如，NS(挥拍类型未定，Not Swing)表示一种比赛事件，其中球拍撞击球由振动传感器等检测出来，并且一系列对应于撞击的运动也从运动数据中检测出来，但是很难确定挥拍是否为对应类型的挥拍。例如，挥拍速度表示基于撞击前后的运动数据计算出的球拍撞击时的速度。

图5是图3中经过预处理的时间序列事件数据的示例图。在图5的示例中，经过预处理的时间序列事件数据403a包括的条目有时间ID、事件类型、挥拍类型、挥拍速度和时间差(间隔)。在所示的示例中，在时间序列事件数据的预处理中，根据日期和时间计算出比赛事件间的时间差(间隔)。时间差表示比赛事件的时间排列(前后比赛事件的时间间隔)，例如，可能被用于解析过程405中的段估计。

图6是根据本发明实施例的分段模型学习的示意图。在图3的实例中已经描述了给出模型409，但模型可以通过已经执行的分段学习来生成。参照图6，学习过程411可以基于事件时间序列的分段407来生成模型409。

这里，事件时间序列分段407由(X^m，Y^m)_{m＝1，…，M}表示，包括M条时间序列事件数据X，每一个都被分类为段Y。例如，学习过程411可以是EM算法。例如，模型409可以用参数θ表达。

例如，当模型409使用参数θ表达时，如果模型是高斯HMM，θ如公式 2所示表达。

[运算2]

通过调整参数θ的值来获得更好的概率分布的过程被称之为“学习”。参数θ的估计值如公式3所示。例如，EM算法是一种获取以这种方式表达的θ值的近似算法。

[算法3]

图7是根据本发明实施例的时间序列事件数据的另一个示例图。参照图7，时间序列事件数据401a包括的条目有比赛事件ID、事件类型、参赛者姓名、日期和时间、落点(IP，impact point)、面(球拍的正面或反面)、挥拍类型、挥拍速度、击球速度和旋转球。例如，落点、面、击球速度和旋转球可以根据球拍的振动和运动来计算，球拍的振动通过传感器装置100中配置的传感器 110中包含的振动传感器获取，球拍的运动通过运动传感器获取。

图8是根据本发明实施例的段定义的示例图。参照图8，对段进行定义的数据407a包括的条目有段ID、子段ID、段名称、子段名称和描述。如后所述，在本实施例中，段可以层级式定义。这种情况下，例如，如图8所示的数据407a 那样，段可以由段ID和子段ID的组合来识别。例如，可以呈现一个段，通过定义段和子段的名称和描述，使得用户可以容易理解该段。

图9是根据本发明实施例的分段具体实例的示意图。参照图9，包含三种类型比赛事件的时间序列1101被分成四个段1103。更具体地说，比赛事件 1101包括正手击球的比赛事件1101a(抽球、削球或截击)、反手击球的比赛事件1101b和上手击球的比赛事件1101c(发球或扣杀)。比赛事件1101可以更狭义的分类(例如，比赛事件1101a可以分为正手抽球、正手削球或正手截击)。段1103包括热身段1103a、对打练习段1103b、击球练习段1103c和比赛段1103d。

例如，在上面的实例中，热身段1103a可以由击球间隔短、如小型对打或凌空抽射(volley-volley)之类的一系列特征性比赛事件的出现、挥拍速度低这些特征来确定。对打练习段1103b可以由击球间隔稍长、抽球数量多、挥拍速度相对较快这些特征来确定。击球练习段1103c可以由挥拍连续发生、 3个5个10个等击球一起出现这些特征来确定。比赛段1101d可以由从发球开始有一系列的击球、两个这样系列的击球间隔长、从发球开始的一系列击球和从回击开始的一系列击球交替出现这些特征来确定。

如本发明实施例上述实例所示，比赛事件基于其时间排列分为多个段，即其前后关系、其时间间隔等。此外，比赛事件可以基于诸如挥拍速度的相应运动的特征分类为段。

图10是根据本发明实施例的层级式分段的示例图。例如，在图9示例中的比赛段1103d中，通过更狭义的定义每个比赛单元的段，可以得到段的层级式结构。图10举例说明了层级式段1105。段1105包括比赛段1105a、盘段1105b、局段1105c和对打段1105d。比赛段1105a包括若干盘段1105b，每个盘段1105b包括若干局段1105c，每个局段1105c包括若干对打段1105d。

如本发明实施例上述实例所示，比赛事件被分为层级式段。这种情况下，比赛事件根据上述时间排列被分为段，并可以根据体育运动规则被分成段。在上面实例中，可以在段估计或模型生成时将每个局段1105c配置若干对打段1105d、每个盘段1105b配置若干局段1105c、以及将比赛段1105a配置若干盘段1105b作为预先给定的规则。

图11是根据本发明实施例的从分段获取的信息的示例图。在图11的示例中，表示一天练习配置的信息1107是基于将包含在用户一天练习数据中的比赛事件分类成段的结果生成的。例如，信息1107通过将其划分为热身时间、练习时间、局时间、休息时间等来表示用户一天练习中的比赛。

这里，例如，当段对应于体育比赛单元时，从分段中获取的信息可能更有用。例如，通过删除练习段数据以及只提取比赛段数据，诸如第一次发球成功率或持续对打的数量等信息可能更有用。从不一定对应于体育比赛单元的段，例如热身段中，可以获取表示热身程度的更有用的信息。

(4.比赛模式估计)

图12是根据本发明实施例的比赛模式估计过程的示例流程图。参照图12，执行解析过程的处理器将时间序列事件数据分为局段(S101)。例如，时间序列事件数据是参照图4或图7呈现的数据，并表示对应于网球中击球的比赛事件。例如，局段是参照图10描述的段并配置了若干对打段。此外，一个盘段配置有若干局段。

例如根据图3所示的解析过程405使用的算法，指定了图10示出的层级式段的一个段，即，上一级段(例如比赛段)、下一级段(例如对打段)和中间级段(例如局段)中的一个是可以任意设定的。

然后，执行解析过程的处理器将局段细分为对打段(S103)。在示例中，通过递归地执行用于指定段中某一层的段(局段)的算法，低层段(对打段) 被指定。这样的分段过程是一个实例，并且用于指定低层段的算法和用于指定高层段的算法是不同的。在示例中，通过S103的过程，一个局段中与局点无关的比赛事件(例如，挥拍是练习挥拍等)不包含在对打段，从而被排除在解析目标之外。

然后，执行解析过程的处理器基于对打段中比赛事件的排列来估计段的比赛模式(S105)。在示例中，比赛模式是一种表示对打中比赛事件(击球) 配置的模式。以网球为例，在发球局，对打段从发球开始，在接球局，对打段从发球以外的击球开始，从而包含在对打段中这些局的击球配置是不同的。后面将介绍比赛模式的一个具体实例。

然后，执行解析过程的处理器解析对打段的估计比赛模式，并估计局的类型(S107)。如上所述，局段配置有多个对打段。作为上一级段的局段的类型可以根据各对打段的估计比赛模式来进行估计。例如，局的类型可以对应于发球局和接球局。

接下来，使用更具体的实例来进一步描述图12流程图中所示的比赛模式估计过程。

图13是图12流程中分段的比赛事件的示例图。参照图13，配置有比赛事件1101的时间序列分类为一个局段1105c。局段1105c被细分为6个对打段1105d。图13所示的比赛事件1101与图9所示的比赛事件相同，包括正手击球比赛事件1101a、反手击球比赛事件1101b和上手击球比赛事件1101c。图13示例中比赛事件被分为三种类型，但实际上，比赛事件1101可以更狭义的分类。在下面的描述中，上手击球比赛事件1101c假定对应于发球。

例如，通过将对打段1105d中比赛事件的排列指定为一种模式，可以估计对打段1105d的比赛模式。换言之，在图13示出的第一个对打段1105d中，比赛模式估计为“发球(比赛事件1101c)-正手(比赛事件1101a)-正手-正手”。在第二个对打段1105d，比赛模式估计为“发球(比赛事件1101c)-发球-正手(比赛事件1101a)-反手(比赛事件1101b)”。

图14是基于图12流程中比赛模式的局类型估计的示例图。图14示出为对打段提取的比赛事件1109的排列(用数字1到10表示)。在示例中，比赛事件1109包括发球1109a、正手抽球1109b、正手削球1109c、反手截击1109d 和反手削球1109e。

这里，第1到第5个对打段全都从发球1109a开始。执行解析过程的处理器通过一个基于网球规则(在发球局，所有局都是以一个球员发球开始的) 配置的算法，来确定包含有5个对打段的局是发球局的概率是高的(0.95)。

另一方面，第6到第10个对打段全都从发球1109a之外的比赛事件开始。执行解析过程的处理器通过基于网球规则配置的算法，来确定包含有5个对打段的局是另一方参赛者的发球局(即接球局)的概率是高的(0.85)。

图15是基于图12流程中的估计结果重分类的比赛事件的示例图。参照图15，根据局类型估计结果，配置有与图13所示相同比赛事件1101的时间序列被重分类为发球局段1105e和接球局段1105f。这里，段1105e和1105f 可被定义为替代图13所示的对打段1105d的段或被定义为对打段1105d和局段1105c之间的中间层段。

上面参照图12到图15描述的实例中，根据其时间排列的比赛事件被分为对应于体育比赛单元的时间序列段(可能有层级式结构)，根据段中比赛事件的排列对比赛模式进行估计，以及根据比赛模式指定对应于段的比赛单元类型(例如局、对打等)。在同一个系统里，将比赛事件分类为段的过程和估计比赛模式的过程未必一定执行。换言之，在第一系统里比赛事件可以被分为段，在得到结果的第二系统里基于比赛事件的排列可以估计比赛模式。这种情况下，第一系统和第二系统均可以是本发明的独立实施例。

图16是根据本发明实施例的描述比赛模式的另一个示例图。在示例中，基于局段中比赛模式1111来估计用户的比赛风格。例如，在局段中，从用户身上主要检测出一种具有由比赛模式1111a表示的特征的模式，该用户被估计为具有“全能型”的比赛风格。从用户身上主要检测出一种具有由比赛模式1111b表示的特征的模式，该用户被估计为具有“发球与截击型”的比赛风格。从用户身上主要检测出一种具有由比赛模式1111c表示的特征的模式，该用户被估计为具有“底线型”的比赛风格。

图17是图16实例中的比赛风格估计过程的示意图。参照图17，计算出了用户对打段历史中比赛模式P1到Pn的出现频率。例如，执行解析过程的处理器可以根据对打段历史中比赛模式的出现频率，来估计用户的比赛风格。在示例中，比赛风格是“全能型”的概率(分数)被估计为0.6，比赛风格是“发球与截击型”的概率(分数)被估计为0.3，比赛风格是“底线型”的概率(分数)被估计为0.1。根据分数，用户的比赛风格可能被估计为“全能型”。

图18是图17示例中的比赛风格估计过程中用户比较的示意图。参照图 18，为两个用户(第一用户和第二用户)中的每一个都计算出了图17中所示的比赛模式的出现频率。例如，执行解析过程的处理器可以基于数据来估计用户的比赛风格，以及基于比赛风格的比较结果来估计信息。例如，此处所生成的信息可以包括第一参赛者和第二参赛者之间的兼容性。例如，参赛者之间的兼容性包括第一参赛者和第二参赛者作为对手或合作伙伴的适合度。生成信息可以包括风格的相似度。

例如，当定义的比赛风格的分数如图17的实例中那样被计算出来，执行解析过程的处理器可以在不指定用户比赛风格的状态下进行比较。换言之，这种情况下，图17示例中的用户与其他用户进行比较，该其他用户为“分数为全能型：0.6、发球与截击型：0.3和底线型：0.1的用户”。

上面参照图16到图18描述的实例中，根据其时间排列将比赛事件分为对应于体育比赛单元的时间序列段(可能有层级式结构)，根据段中比赛事件的排列对比赛模式进行估计，以及根据多个段的估计比赛模式对用户的比赛风格进行估计。例如，可以根据多个段的比赛模式的出现频率对比赛风格进行估计。用户包括第一用户和第二用户，根据第一用户和第二用户的估计比赛风格的比较结果可以生成信息。

此外，在本实施例中，例如，执行解析过程的处理器基于段中比赛事件的排列可以实现评估比赛事件的功能。更具体地说，例如，在图13中所示的对打段1105d中，当段中只发生一个第一次发球比赛事件1101c时，发球可以被估计为第一次发球。另一方面，在对打段1105d中，当段中发生两个第一次发球比赛事件1101c时，第一个发球被估计为失败，下一个发球被估计为第二个发球。

(5.练习段解析)

图19是根据本发明实施例的练习段时间序列事件数据的示意图。图19 示出了分类为练习段1113的比赛事件和各比赛事件(击球)的挥拍速度之间的关系。练习段1113包括抽球练习段1113a、截击练习段1113b和扣杀练习段1113c。

在示例中，在抽球练习段1113a中主要检测到正手抽球(FHST，forehand stroke)和反手抽球(BHST，backhand stroke)比赛事件，在截击练习段1113b 中主要检测到正手截击(FHVL，forehand volley)和反手截击(BHVL，backhand volley)比赛事件，在扣杀练习段1113c中主要检测到扣杀(SMSH，smash) 比赛事件。例如，练习段可以通过上述主要检测到的某个类型的比赛事件来指定。例如，练习段可以通过图19示出的与比赛时相比相对较慢的挥拍速度来指定。

图20和图21是图19所示的抽球练习段中检测到的比赛模式的示例图。参照图20，应理解，在抽球练习段1113a中，正手抽球比赛事件1109b和反手抽球比赛事件1109f各交替发生三次。在这方面，如图21所示，执行解析过程的处理器定义了三个正手抽球连续发生的比赛模式P1和三个反手抽球连续发生的P2模式。在图20中示出的示例中，比赛模式P1和P2各发生三次。

如上所述，在本实施例中，可以对所有段进行比赛模式估计，或者可以对段中的一些间隔进行比赛模式估计，例如，如上述实例中比赛事件在其中重复一定顺序的间隔。

图22是基于图20和图21中检测到的比赛模式生成的信息的示例图。在示例中，进行了模板比赛模式1115a和实际获得的比赛模式1115b之间完成率的计算。例如，模板比赛模式1115a可能是一种对应于预先设置的练习菜单的比赛模式。这种情况下，通过执行完成率的计算，练习菜单的完成率被计算出来。通过生成这样的信息，能够基于练习段中的比赛模式算出练习菜单完成率，并且能够获取对于指导或参赛者状态管理有用的信息。

如上面参照图19到图22所述，本实施例中比赛模式、比赛事件等的估计过程不一定是针对段进行的，可以针对段中的某个比赛事件或者按时间间隔排列的没有分成段的比赛事件进行。

(6.其他运动举例)

图23是根据本发明实施例将分段应用于高尔夫的示例图。参照图23，配置有比赛事件1201的时间序列被分类为段1203。更具体地说，比赛事件1201 包括木杆击球比赛事件1201a、铁杆击球比赛事件1201b和推杆推球比赛事件 1201c。段1203包括球场段1203a、球洞段1203b和练习段1203c。

例如，在高尔夫中，通过将传感器装置100安装在球员身上、球杆上、手套上等方式，可以获取高尔夫比赛用户的运动检测结果，并基于检测结果来定义比赛事件。例如，对于这种比赛事件，段可以基于每次进洞始于木杆击球(或铁杆击球)终于推杆推球的规则来定义。

图24是根据本发明实施例将分段应用于足球的示例图。参照图24，配置有比赛事件1301的时间序列被分类为段1303。更具体地说，比赛事件1301 包括运球比赛事件1301a、传球比赛事件1301b、跑动比赛事件1301c、走动比赛事件1301d和射门比赛事件1301e。

例如，在足球中，通过将传感器装置100安装在球员身上、鞋上等方式，可以获取足球比赛用户的运动检测结果，并基于检测结果来定义比赛事件。然而，在足球的实例中，由于多个用户踢一个球，基于相关用户的比赛事件的时间排列关系将比赛事件分类为段是可取的。这样的段分类过程可以概括为一个体育参赛用户包括第一用户和第二用户的过程，并基于第一用户和第二用户的比赛事件的时间关系，来设置第一用户和第二用户共有的段。

在示例中，比赛从开球、掷界外球等开始，直到由于得分、球出界等原因停止比赛的一段时间被分类为一个段1303。例如，段1303可以被定义为任一球员(示例中A到C中的任一个以及可能两个或者更多)非走动比赛事件开始之后，直到所有球员的比赛事件为走动比赛事件1301d或者未检测到比赛事件(被估计为停止的状态)的一段时间。段的定义基于如下特征，在足球比赛中，当比赛继续时任一球员进行跑动或与球有关的运动(运球、传球、射门等)，当比赛停止时球员停止或者走动。

在示例中，基于段1303中比赛事件1301的排列来估计比赛模式1305。比赛模式1305是一种配置有多个用户(示例中为A到C并可能多于3个) 的团队的比赛模式。更具体地说，一个比赛模式1305通过跨越团队中各成员的比赛事件移动来定义，例如“运球A-传球A-运球C-传球C-运球B-射门B” (参考时间图中的箭头)。这样的比赛模式估计过程可以概括为一个在其中体育参赛用户包括第一用户和第二用户的过程，并基于第一用户和第二用户的比赛事件的时间排列关系，来估计包括第一用户和第二用户的团队的比赛模式。

这时，各成员比赛事件当中，有几个类型的事件(例如与球无关的跑步或走动)可能不包括在比赛模式里。因此，执行解析过程的处理器可以指定生成比赛事件(例如，运球、传球等与球有关的比赛事件)的用户，该比赛事件用于指定比赛模式，例如，在时间序列中的每一时间。

(7.硬件配置)

接下来，参照图25和图26对根据本发明实施例的实现传感器装置和解析装置(上述实例中为传感器装置、智能手机或服务器)的硬件配置实例进行描述。

(传感器装置)

图25是根据本发明实施例的传感器装置的硬件配置的示例图。参照图 25，传感器装置100可以包括传感器101、中央处理单元(CPU，Central Processing Unit)103、只读存储器(ROM，Read Only Memory)105、随机存取存储器(RAM，Random Access Memory)107、用户界面109、外部存储装置111、通信装置113和输出装置115。例如，这些部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， Global PositioningSystem)接收器等。传感器101可以包括照相机(成像传感器)或麦克风(音频传感器)。

例如，CPU 103、ROM 105和RAM 107通过读取和执行记录在外部存储装置111中的程序指令，用软件实现各种功能。本发明实施例中，例如，通过CPU 103、ROM 105和RAM 107可以实现诸如控制整个传感器装置100 之类的功能。

例如，用户界面109是诸如按钮或触摸面板的输入装置，它接收传感器装置100的用户操作。例如，用户操作可以指示来自传感器装置的传感信息传输的开始或完成。

外部存储设备111存储各种类型的与传感器装置100有关的信息。例如，通过CPU103、ROM 105、和RAM 107中的软件来实现功能的程序指令可以存储在外部存储装置111中，或者可以临时高速缓冲存储传感器101获取的数据。当考虑传感器装置100被安装在击球工具或类似工具上时，使用诸如半导体存储器之类的具有强抗冲击性的传感器装置作为外部存储装置111是可取的。

此外，当智能手机200不布置在体育参赛用户附近时，ROM 105、RAM 107 和/或外部存储装置111是对应于内部存储区(内存或外部存储设备)的配置，该内部存储区累计传感器装置100检测到的数据。

通信装置113通过各种有线或无线通信系统与后面将会描述的解析装置 600进行通信。此外，通信装置113可以通过设备间通信直接与解析装置600 进行通信，或者可以通过互联网之类的网络与解析装置600进行通信。

输出装置115由能够输出如光、音频或图像信息的装置组成。例如，输出装置115根据从解析装置600接收到的解析结果或传感器装置100中计算出的解析结果，可以输出通知在传感器装置100中检测到时间或比赛事件的信息，或可以向用户输出视觉或听觉通知。例如，输出装置115包括如LED 灯等或液晶显示器(LCD，Liquid Crystal Display)之类的显示器、扬声器、振动器等。

(解析装置)

图26是根据本发明实施例的解析装置硬件配置的示例图。例如，解析装置600可以实现根据本发明实施例的解析装置，或上述智能手机200或上述服务器300。请注意，如上所述，可以由传感器装置100实现解析装置。

解析装置600可以包括CPU 601、ROM 603、RAM 605、用户界面609、外部存储装置611、通信装置613和输出装置615。例如，这些部件通过总线相互连接。

CPU 601、ROM 603和RAM 605通过读取和执行例如记录在外部存储装置611中的程序指令，用软件实现各种功能。本发明实施例中，例如，通过 CPU 601、ROM 603和RAM 605可以实现控制整个解析装置600、实现上述功能性配置中处理部分的功能等。

例如，用户界面609是诸如按钮或触摸面板的输入装置，它接收解析装置600的用户操作。

外部存储装置611存储各种与解析装置600有关的信息。例如，通过CPU 601、ROM603和RAM 605中的软件实现功能的程序指令可以存储在外部存储装置611中，或可以临时高速缓冲存储由通信装置613接收到的传感器信息。此外，解析结果日志可以累计在外部存储装置611中。

输出装置615由一个能够以视觉或听觉向用户通知信息的装置组成。例如，输出装置615可以是如液晶显示屏(LCD)之类的显示设备，或者是如扬声器或耳机之类的音频输出设备。输出装置615输出解析装置600处理获得的如文字或图片的视频图像结果，或者输出如语音或声音之类的音频结果。

此前已经示出传感器装置100和解析装置600的硬件配置实例。上述每一个组成部件都可以使用通用构件组成，或者由专用于各组成部件的硬件组成。这种配置可以根据实现时的技术水平进行适当的改变。

(8.补充)

例如，本发明实施例可以包括如上所述的解析装置(如智能电话、服务器或传感器装置之类的信息处理终端)、系统、通过解析装置或系统执行的信息处理方法、令解析装置实现功能的程序以及记录有程序的非暂时性有形媒体。

参照附图已经对本发明的优选实施例做出了描述，同时本发明并不限于上述实例。对于所属领域的普通技术人员来说，在所附权利要求书的范围内还可以做出其它不同形式的变化和变动，并且应当理解，这些变化和变动当然属于本发明的技术范围内。

此外，本说明书描述的效果仅仅是说明性和示范性的，而非限制性的。换言之，对于所属领域的普通技术人员来说，根据本发明的技术，展现出伴随或替代本说明书效果的其他效果是显而易见的。

此外，本技术还可以配置如下。

(1)一种解析装置，其包括：

处理器，其被配置为实现

获取功能，用于获取指示比赛事件的信息，所述比赛事件基于参加体育运动的用户的运动进行定义，并且被安排在一个时间间隔内，以及

模式估计功能，用于基于比赛事件排列估计比赛模式。

(2)根据(1)所述的解析装置，

其中所述处理器被配置为进一步实现风格估计功能，所述风格估计功能基于对于多个间隔估计的所述比赛模式来估计用户的比赛风格。

(3)根据(2)所述的解析装置，

其中所述风格估计功能基于多个间隔中比赛模式的出现频率来估计所述比赛风格。

(4)根据(2)或(3)所述的解析装置，

其中所述用户包括第一用户和第二用户，以及

其中所述处理器被配置为进一步实现比较信息生成功能，所述比较信息生成功能生成基于所述第一用户和第二用户估计的所述比赛风格的比较结果的信息。

(5)根据(4)所述的解析装置，

其中所述比较信息生成功能生成估计所述第一用户和第二用户之间相容性的信息。

(6)根据(5)所述的解析装置，

其中所述比较信息生成功能对第一参赛者和第二参赛者作为对手或合作伙伴的适合度进行估计。

(7)根据(1)到(6)中任一个所述的解析装置，

其中所述用户包括第一用户和第二用户，以及

其中所述模式估计功能基于所述第一用户和第二用户的比赛事件的时间排列关系，对包括所述第一用户和第二用户的团队的比赛模式进行估计。

(8)根据(1)到(7)中任一个所述的解析装置，

其中所述时间间隔是对应于体育运动比赛单元的时间序列段，

其中所述比赛事件基于时间排列被分类为段，以及

其中所述模式估计功能基于段中所述比赛事件的排列对所述用户的比赛模式进行估计。

(9)根据(8)所述的解析装置，

其中所述处理器被配置为进一步实现类型估计功能，所述类型估计功能基于所述比赛模式对比赛单元类型进行估计。

(10)根据(8)或(9)所述的解析装置，

其中所述比赛事件进一步基于体育运动规则被分类为段。

(11)根据(8)到(10)中任一个所述的解析装置，

其中所述比赛事件进一步基于对应于比赛事件的运动特征被分类为段。

(12)根据(8)到(11)中任一个所述的解析装置，

其中所述用户包括第一用户和第二用户，以及

其中所述比赛事件基于所述第一用户和第二用户的比赛事件的时间排列关系被分类为所述第一用户和第二用户共有的段。

(13)根据(8)到(12)中任一个所述的解析装置，

其中所述比赛事件被分类为层级式的所述段。

(14)根据(1)到(13)中任一个所述的解析装置，

其中所述比赛事件基于直接或间接安装在用户身上的传感器检测到的所述用户的运动的检测结果进行定义。

(15)根据(14)所述的解析装置，

其中所述处理器被配置为进一步实现

从所述传感器接收所述检测结果的功能，以及

基于所述检测结果定义所述比赛事件的功能。

(16)一种记录媒体，该记录媒体具有存储在其中的程序，所述程序使计算机实现：

获取功能，用于获取表示比赛事件的信息，所述比赛事件基于体育运动用户的运动进行定义，并被排列在一个时间间隔内；以及

模式估计功能，用于基于所述比赛事件的排列估计比赛模式。

(17)一种解析方法，其包括：

由处理器来获取表示比赛事件的信息，所述比赛事件基于体育运动用户的运动进行定义，并被排列在一个时间间隔内；以及

由所述处理器来基于所述比赛事件的排列估计比赛模式。

参考符号列表

10 系统

100 传感器装置

110 传感器

120 处理部分

200 智能手机

210 接收部分

220 处理部分

300 服务器

310 接收部分

320 处理部分

401 时间序列事件数据

403 预处理

405 解析过程

407 分段

409 模型。

Claims

1.一种解析装置，其包括：

处理器，其被配置为实现

获取功能，所述获取功能用于获取表示第一比赛事件的第一信息和表示第二比赛事件的第二信息，所述第一比赛事件基于体育参赛的第一用户的运动来定义并被排列在第一时间间隔内，所述第二比赛事件基于体育参赛的第二用户的运动来定义并被排列在第二时间间隔内，其中所述第一比赛事件和所述第二比赛事件来自多个比赛事件，

模式估计功能，所述模式估计功能用于基于所述第一比赛事件与所述第一时间间隔的关联和所述第二比赛事件与所述第二时间间隔的关联以及基于所述第一比赛事件和所述第二比赛事件的排列来估计所述第一用户的第一比赛模式和所述第二用户的第二比赛模式，

风格估计功能，基于确定了的所述第一比赛模式和确定了的所述第二比赛模式估计所述第一用户的第一比赛风格和所述第二用户的第二比赛风格，以及

确定了的所述第一用户的所述第一比赛风格与确定了的所述第二用户的所述第二比赛风格的比较。

2.根据权利要求1所述的解析装置，

其中所述处理器被配置为进一步实现风格估计功能，所述风格估计功能基于对于多个间隔估计的所述比赛模式来估计所述第一用户的所述第一比赛风格和所述第二用户的所述第二比赛风格。

3.根据权利要求2所述的解析装置，

其中所述风格估计功能基于所述多个间隔中所述比赛模式的出现频率来估计所述第一用户的所述第一比赛风格和所述第二用户的所述第二比赛风格。

4.根据权利要求2所述的解析装置，

5.根据权利要求4所述的解析装置，

其中所述比较信息生成功能生成估计所述第一用户和所述第二用户之间的相容性的信息。

6.根据权利要求5所述的解析装置，

7.根据权利要求4所述的解析装置，

其中所述比较信息生成功能所生成的信息包括所述第一用户和第二用户估计的所述比赛风格的相似度。

8.根据权利要求1所述的解析装置，

其中所述模式估计功能基于所述第一用户和所述第二用户的比赛事件的时间排列关系，对包括所述第一用户和所述第二用户的团队的比赛模式进行估计。

9.根据权利要求1所述的解析装置，

其中所述第一时间间隔和所述第二时间间隔是对应于体育运动比赛单元的时间序列段，

其中所述多个比赛事件基于对于所述第一用户和所述第二用户的所述多个比赛事件的时间排列被分类为多个时间序列段，以及

其中所述模式估计功能基于所述时间序列段中所述多个比赛事件的排列对所述第一用户的所述第一比赛模式和所述第二用户的所述第二比赛模式进行估计。

10.根据权利要求9所述的解析装置，

其中所述处理器被配置为进一步实现类型估计功能，所述类型估计功能基于所述第一比赛模式和所述第二比赛模式对所述比赛单元的类型进行估计。

11.根据权利要求9所述的解析装置，

其中所述多个比赛事件进一步基于体育运动规则被分类为所述多个时间序列段。

12.根据权利要求9所述的解析装置，

其中所述多个比赛事件进一步基于对应于所述第一用户的所述第一比赛事件和所述第二用户的所述第二比赛事件中的至少一个的运动特征被分类为所述多个时间序列段。

13.根据权利要求9所述的解析装置，

其中所述多个比赛事件基于所述第一用户和所述第二用户的所述多个比赛事件的时间排列关系被分类为所述第一用户和所述第二用户共有的所述多个时间序列段。

14.根据权利要求9所述的解析装置，

其中所述多个比赛事件被分类为层级式的所述段。

15.根据权利要求1所述的解析装置，

其中所述多个比赛事件基于直接或间接安装在所述第一用户和所述第二用户身上的传感器检测到的所述第一用户的运动和所述第二用户的运动的检测结果进行定义。

16.根据权利要求15所述的解析装置，

其中所述处理器被配置为进一步实现

从所述传感器接收所述检测结果的功能，以及

基于所述检测结果定义所述多个比赛事件的功能。

17.一种记录媒体，所述记录媒体具有存储在其中的程序，所述程序使计算机实现：

18.一种解析方法，其包括：

通过处理器获取表示第一比赛事件的第一信息和表示第二比赛事件的第二信息，所述第一比赛事件基于体育参赛的第一用户的运动来定义并被排列在第一时间间隔内，所述第二比赛事件基于体育参赛的第二用户的运动来定义并被排列在第二时间间隔内，其中所述第一比赛事件和所述第二比赛事件来自多个比赛事件，

通过所述处理器基于所述第一比赛事件与所述第一时间间隔的关联和所述第二比赛事件与所述第二时间间隔的关联以及基于所述第一比赛事件和所述第二比赛事件的排列来估计所述第一用户的第一比赛模式和所述第二用户的第二比赛模式，

通过所述处理器基于确定了的所述第一比赛模式和确定了的所述第二比赛模式估计所述第一用户的第一比赛风格和所述第二用户的第二比赛风格，以及

通过所述处理器比较确定了的所述第一用户的所述第一比赛风格与确定了的所述第二用户的所述第二比赛风格。