CN116568376A - 运动动作分析系统、运动动作分析方法及运动动作分析程序 - Google Patents
运动动作分析系统、运动动作分析方法及运动动作分析程序 Download PDFInfo
- Publication number
- CN116568376A CN116568376A CN202080107926.4A CN202080107926A CN116568376A CN 116568376 A CN116568376 A CN 116568376A CN 202080107926 A CN202080107926 A CN 202080107926A CN 116568376 A CN116568376 A CN 116568376A
- Authority
- CN
- China
- Prior art keywords
- user
- motion
- wearing
- athletic performance
- parameter
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 155
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 230000037147 athletic performance Effects 0.000 claims abstract description 89
- 230000006872 improvement Effects 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims description 27
- 238000000611 regression analysis Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 20
- 230000009471 action Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 17
- 229910052760 oxygen Inorganic materials 0.000 description 17
- 239000001301 oxygen Substances 0.000 description 17
- 238000012549 training Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 206010016256 fatigue Diseases 0.000 description 5
- 230000008685 targeting Effects 0.000 description 4
- 230000000386 athletic effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009192 sprinting Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1112—Global tracking of patients, e.g. by using GPS
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/486—Bio-feedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Physical Education & Sports Medicine (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Biodiversity & Conservation Biology (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
在运动动作分析系统100中,输入部62输入动作数据以及指标数据,所述动作数据与表示跑行的用户的动作状态的多种动作参数对应,所述指标数据与表示跑行中的用户的运动表现的指标参数对应。推定部70推定对用户而言多种动作参数中的哪一者对提升运动表现的贡献度更高。项目存储部76存储多种穿着用具的信息。选择部72基于穿着用具特性数据,选择具有如下特性、即通过改变由推定部70推定的种类的动作参数而对提升运动表现有贡献的特性的穿着用具,所述穿着用具特性数据针对多种穿着用具的每一者,确定了改变多种动作参数中的哪一者而对提升运动表现有贡献的特性。输出部74输出所选择的穿着用具的种类作为推荐用户穿着的穿着用具。
Description
技术领域
本发明涉及一种对运动动作进行分析的技术。
背景技术
近年来,随着人们健康意向的提高、利用信息终端及可穿戴设备(wearabledevice)的各种测量技术的进步,跑步者已能够轻松地获取、记录跑行信息(时间、距离、海拔、气温、心率、间距(pitch)或步幅(stride)等运动信息),且能够用于对表现(performance)进行分析(例如,参照专利文献1)。
现有技术文献
专利文献
专利文献1:日本专利特开2018-126360号公报
发明内容
发明所要解决的问题
为了使跑步者提升表现(记录)、降低事故(跑步损害)的风险,理想的是选择最适合自己的鞋子等商品或肌肉力量训练/练习菜单等训练方法。但是,一般跑步者在购买鞋子等或者决定训练方法时,多基于熟人的推荐、或杂志、书籍、网络上的刊登信息来选择。然而,难以客观地评价所选的制品是否真正符合自身的跑法。即使实际尝试穿着时并不特别具有不协调感,一般跑步者也难以把握是否达到有助于提升表现的程度。特别是在销售有大量制品模型的现状下,也有可能存在更适合所述跑步者的制品模型。
本发明是鉴于此种课题而成,其目的在于提供一种对运动动作进行适当分析而为用户带来有益的信息的技术。
解决问题的技术手段
为了解决所述课题,本发明的某实施例的运动动作分析系统包括:输入部,输入动作数据以及指标数据,所述动作数据与表示跑行的用户的动作状态的多种动作参数对应,所述指标数据与表示跑行中的用户的运动表现的指标参数对应;推定部,推定对用户而言多种动作参数中的哪一动作参数对提升运动表现的贡献度更高;项目存储部,存储用于向用户推荐跑行时穿着的多种穿着用具的信息,并且存储穿着用具特性数据,所述穿着用具特性数据针对多种穿着用具的每一者,预先确定了改变多种动作参数中的哪一者而对提升运动表现有贡献的特性;选择部,基于穿着用具特性数据,从多种穿着用具中,选择具有如下特性、即通过改变由推定部推定的种类的动作参数而对提升运动表现有贡献的特性的穿着用具;以及输出部,输出由选择部选择的穿着用具的种类作为推荐用户穿着的穿着用具。
“穿着用具”可为运动时、特别是跑步时穿着的跑步鞋、或穿着的压缩紧身裤等功能性装束(apparel)。“动作参数”例如可为间距、接地时间、接地时间率、铅垂刚性、上下移动、落地冲击、踢出加速度、下沉量、踢出时间、制动量、左右冲击、骨盆旋转量、制动时间等表示跑步的动作的参数。“指标参数”例如可为心率、摄氧量、跑行时间、跑行距离、速度、配速(pace)、有无痛感、有无疲劳感等表示跑步的表现的参数。
表示运动时的动作的各种动作参数与表示作为所述运动的结果的表现的指标参数之间的相关关系也根据跑行的用户的属性或身体构造、身体能力、运动的目的或意向而不同。通过上述实施例,可支持如下情况:对于有助于改善作为根据用户而倾向不同的运动表现提升因素的动作参数的穿着用具,基于每个用户不同的表现的倾向或其因素进行恰当选择。
可还包括:存贮部,存贮由输入部输入的动作数据及指标数据作为用户的数据;以及模型生成部,生成多重回归分析模型,所述多重回归分析模型将存贮部中所存贮的用户的跑行中的多种动作参数作为解释变量,将用户的跑行中的指标参数作为目标变量,求出每个动作参数的对提升运动表现的贡献度。推定部基于多重回归分析模型,推定对用户而言哪一动作参数对提升运动表现的贡献度更高。通过上述实施例,能够更客观地判定可对提升运动表现有贡献的动作参数,能够更适当地支持穿着用具的选择。
可为:在存储于项目存储部的穿着用具特性数据中,针对多种穿着用具的每一者,预先确定期待通过穿着所述穿着用具而改变的动作参数的种类及所述动作参数的变化度,选择部基于穿着用具特性数据,选择由推定部推定的种类的动作参数的变化度更高的穿着用具。
可为:选择部基于穿着用具特性数据,按照由推定部推定的种类的动作参数的变化度从高到低的顺序选择多个候选穿着用具,输出部输出由选择部选择的多个候选穿着用具的种类作为推荐用户穿着的穿着用具。
可为:输入部输入与多种指标参数对应的指标数据作为指标数据,所述多种指标参数分别对提升不同目的下的运动表现有贡献,推定部针对多种指标参数的每一者,单独推定对提升各个指标参数所表示的运动表现的贡献度更高的动作参数,选择部针对多种指标参数的每一者,单独选择具有改变针对多种指标参数的每一者推定的动作参数的特性的穿着用具。
另外,本发明的另一实施例也是一种运动动作分析系统。所述运动动作分析系统包括:输入部,输入动作数据以及指标数据,所述动作数据与表示跑行的用户的动作状态的多种动作参数对应,所述指标数据与表示跑行中的用户的运动表现的指标参数对应;推定部,推定对用户而言多种动作参数中的哪一动作参数对提升运动表现的贡献度更高;以及输出部,输出与推定而得的动作参数的种类对应的信息。“与推定而得的动作参数的种类对应的信息”是指对谋求提升运动表现的用户而言有益的信息,例如首先可包含在鞋子等穿着用具的选择上作为参考的信息,还可包含训练方法或大赛的信息。作为训练方法,可为速度练习、坡道练习等进行配速、距离、路线的指定的跑步练习菜单,也可为肌肉力量训练或拉伸、用于掌握动作的反复练习等跑步以外的强化运动。
本发明的另一实施例是一种运动动作分析方法。所述方法包括:利用规定的信息获取单元输入动作数据以及指标数据的过程,所述动作数据与表示跑行的用户的动作状态的多种动作参数对应,所述指标数据与表示跑行中的用户的运动表现的指标参数对应;通过计算机的规定的处理,推定对用户而言多种动作参数中的哪一动作参数对提升运动表现的贡献度更高的过程;从规定的存储单元读出穿着用具特性数据的过程,所述穿着用具特性数据针对用于向用户推荐跑行时穿着的多种穿着用具的每一者,预先确定了改变多种动作参数中的哪一者而对提升运动表现有贡献的特性;通过计算机的规定的处理,基于穿着用具特性数据,从多种穿着用具中,选择具有如下特性、即通过改变推定而得的种类的动作参数而对提升运动表现有贡献的特性的穿着用具的过程;以及利用规定的信息输出单元,输出选择而得的穿着用具的种类作为推荐用户穿着的穿着用具的过程。
此外,以上构成要素的任意组合、或者将本发明的构成要素或表述在方法、装置、程序、存储有程序的暂时或非暂时的存储介质、系统等之间相互置换而成者作为本发明的实施例也有效。
发明的效果
通过本发明,可对运动动作进行适当分析而为用户带来有益的信息。
附图说明
[图1]是表示运动动作分析系统的基本结构的图。
[图2]是例示动作数据及指标数据的图。
[图3]是表示鞋子等的制品模型与每个制品模型的动作参数的变化特性的关系的图。
[图4]是表示用户终端及运动动作分析服务器的基本结构的功能框图。
[图5]是例示每个用户的回归公式的图。
[图6]是表示向用户推荐鞋子的第一画面例的图。
[图7]是表示向用户推荐鞋子的第二画面例的图。
[图8]是表示向用户推荐鞋子的第三画面例的图。
[图9]是表示向用户推荐鞋子的第四画面例的图。
[图10]是表示向用户提出基于拉伸或训练的改善提案的画面例的图。
[图11]是表示向用户提出参加马拉松大赛的画面例的图。
[图12]是表示向用户提出练习菜单的画面例的图。
[图13]是表示穿着用具的选择过程的流程图。
具体实施方式
在本实施方式中,基于由用户在跑行时佩戴的可穿戴设备获取的各种信息,对用户的运动表现与动作参数的关系进行分析,并决定对所述用户而言可对提升运动表现特别有贡献的动作参数。在此基础上,从多个选择项中选择改变所决定的动作参数而可期待提升运动表现的鞋子或功能性装束(以下,也适宜地将“鞋子”与“功能性装束”统称为“鞋子等”)并推荐给用户。
图1表示运动动作分析系统的基本结构。用户在将跑步腕表12或动作传感器14等可穿戴设备16佩戴于手腕或腰部的状态下实施跑步,利用跑步腕表12或动作传感器14获取各种检测数据。跑步腕表12包含定位模块或加速度传感器、心跳传感器、气压计等传感器,获取例如包含日期时间、位置座标、高度、心率、气温、间距等的信息作为检测数据。动作传感器14例如获取利用九轴传感器等检测出的检测数据。作为可穿戴设备16,此外也可使用内置于智能手机等便携终端的动作传感器,还可使用胸带类型的心跳传感器或安装于鞋子的内部或外部的类型的动作传感器。
用户经由近场通信等使由可穿戴设备16获取的检测数据同步到用户终端10中。用户终端10基于从可穿戴设备16获取的检测数据,获取跑行日期时间、时间、距离、高度、速度、配速、气温等跑行日志数据,不仅如此,还获取步幅宽度、间距、上下移动比、接地时间、接地时间平衡、落地冲击、落地图案、旋前(pronation)等表示动作状态的多种动作参数的值、或者心率、摄氧量等表示运动表现的一种或多种指标参数的值。用户终端10将所获取的跑行日志数据、与动作参数对应的动作数据、或与指标参数对应的指标数据经由网络18发送至运动动作分析服务器20。运动动作分析服务器20按照每个用户区分存贮从多个用户终端10接收的动作数据或指标数据,基于每个用户的数据分析,选择推荐所述用户使用的鞋子等并推荐给用户。
用户终端10可为个人计算机,也可为智能手机或平板终端等信息终端。运动动作分析服务器20可为服务器用计算机。用户终端10及运动动作分析服务器20可由包含中央处理器(Central Processing Unit,CPU)、图形处理单元(Graphics Processing Unit,GPU)、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、辅助存储装置、通信装置等的计算机构成。用户终端10及运动动作分析服务器20可分别由独立的计算机构成,也可由兼具两者功能的一台计算机或信息终端来实现。在本实施方式中,对由独立的计算机实现的例子进行说明。
图2例示动作数据及指标数据。本图所示的数据是用户终端10基于从可穿戴设备16获取的信息进行整理或算出的数据,且是向运动动作分析服务器20发送的数据。在变形例中,也可为用户终端10将从可穿戴设备16获取的信息直接传送至运动动作分析服务器20,在运动动作分析服务器20侧进行本图所示的数据的整理或算出。
在第一栏30中示出获取到检测数据的日期时间的信息。在第二栏32中示出动作数据。在第三栏34中示出指标数据。
第二栏32的动作数据包含“落地冲击”、“跑行效率”、“稳定性”、“可动范围”这四个动作参数。此处,“跑行效率”可为表示踢出加速度的值。“稳定性”可为表示左右冲击的值。“可动范围”可为表示骨盆旋转量的值。除此之外,作为动作数据,也可包含“上下移动”、或以铅垂刚性表示的“反弹”、以间距表示的“轻量性”等动作参数。
第三栏34的指标数据包含“心率”、“极限距离”、“最大速度”、“主观”这四个指标参数。也可代替“心率”而包含基于所述心率算出的“摄氧量”。“主观”可为用户手动输入的、表示跑行中或跑行后的快跑感或疲劳感、痛感的值。
图3表示鞋子等的制品模型与每个制品模型的动作参数的变化特性的关系。将本图所示的每个制品模型的动作参数的变化特性定义为后述的穿着用具特性数据,并作为选择鞋子等的基准来参照。
在第一栏40中示出鞋子等的制品模型名称。在第二栏42中示出动作参数“落地冲击”的变化度。在第三栏44中示出动作参数“跑行效率”的变化度。在第四栏46中示出动作参数“稳定性”的变化度。在第五栏48中示出动作参数“可动范围”的变化度。
作为第一栏40中的鞋子等的制品模型,例如作为鞋而例示了“A001”、“A002”、“A003”等制品模型名称,或者作为压缩紧身裤或关节用护具等功能性装束而例示了“N001”、“N002”等制品模型名称。通过分别穿着这些鞋子等而可期待改变哪一动作参数是不同的。例如,“鞋子A001”示出“落地冲击”减少10%、“跑行效率”提高10%、“稳定性”提高20%、“可动范围”无变化的特性。“鞋子A002”示出“落地冲击”减少20%、“跑行效率”上升20%、“稳定性”下降10%、“可动范围”无变化的特性。“鞋子A003”示出“落地冲击”增加10%、“跑行效率”上升30%、“稳定性”下降10%、“可动范围”无变化的特性。
“装束N001”示出“落地冲击”无变化、“跑行效率”上升20%、“稳定性”下降20%、“可动范围”增加10%的特性。“装束N002”示出“落地冲击”无变化、“跑行效率”提高10%、“稳定性”也提高10%、“可动范围”减少10%的特性。
这样,由于鞋子等的每个制品模型中可期待改变的动作参数及其变化度不同,因此例如可考虑:向与“落地冲击”的改善相比改善了“稳定性”时更可期待提升运动表现的用户推荐“鞋子A001”,或者向与“稳定性”的改善相比改善了“可动范围”时更可期待提升运动表现的用户推荐“装束N001”。
图4是表示用户终端及运动动作分析服务器的基本结构的功能框图。在本图中描绘了着眼于功能的框图,这些功能框可由硬件、软件、或它们的组合以各种形式实现。
用户终端10包含信息获取部50、信息处理部52、数据存贮部54、信息显示部56、通信部58。信息获取部50经由通信部58从可穿戴设备16获取各种检测数据。另外,信息获取部50接受由用户进行的操作输入,获取跑行中或跑行后的疲劳感的程度、或身体有无痛感等基于用户的主观的信息。信息处理部52基于信息获取部50所获取的检测数据及主观信息,生成跑行日志数据、动作数据、指标数据并保存于数据存贮部54中。跑行日志数据、动作数据、指标数据与用户的识别信息一并经由通信部58及网络18而发送至运动动作分析服务器20。
运动动作分析服务器20包含通信部60、输入部62、存贮部64、模型生成部66、模型存储部68、推定部70、选择部72、输出部74、项目存储部76。
输入部62经由通信部60接收从用户终端10发送的跑行日志数据、动作数据、指标数据、用户的识别信息。输入部62通过将从用户终端10接收的数据与所述用户终端10的用户的识别信息建立对应,将它们以与从其他用户获取的数据区分的形式存贮至存贮部64。
模型生成部66生成多重回归分析模型,所述多重回归分析模型将存贮部64中所存贮的用户的跑行中的多种动作参数作为解释变量,将用户的跑行中的指标参数作为目标变量,求出每个动作参数的对提升运动表现的贡献度。在存贮部64中存贮有多种指标数据,多种指标数据分别表示不同目的下的运动表现。模型生成部66针对用户的每个目的、即针对每个指标数据,单独生成将所述指标参数作为目标变量、将多种动作参数作为解释变量的多重回归分析模型。所生成的多重回归分析模型存储于模型存储部68中。
推定部70在存储于模型存储部68的多重回归分析模型中,针对指标参数的每个种类,单独推定对用户而言多种动作参数中的哪一动作参数对提升运动表现的贡献度更高。
此处,改善多种动作参数中的哪一动作参数可对提升指标参数所表示的运动表现有贡献这一事项根据每个用户而不同。其原因在于:每个用户的身体结构(骨骼或肌肉力量)或身体能力、跑步姿势不同,另外,每个用户的跑步目的或目标、意向也不同,对所述用户而言哪一指标参数的改善可谓是表现提升也不同。因此,在本实施方式中,将相同用户的数据存贮于存贮部64中,对所存贮的所述数据利用逐步(stepwise)法进行多重回归分析,由此找出对所述用户而言哪一动作参数容易对提升运动表现带来影响。另外,找出有助于改善符合用户意向的指标参数的动作参数的种类。
图5例示每个用户的回归公式。在第一栏80中示出用户的识别信息。在第二栏82中示出通过多重回归分析而得的每个用户的回归公式。在本图的例子中,进行以指标参数“摄氧量”为目标变量的基于逐步法的多重回归分析,通过任一个动作参数的变化而使“摄氧量”越低,则此动作参数的变化对提升运动表现越有贡献。根据实验,利用图示的回归公式推定的指标参数的解释率(调整后的R2)约为59%~96%。因此,通过本实施方式的多重回归分析进行的指标参数的推定示出充分的精度。
例如,根据用户“0001”的动作数据及指标数据而获得回归公式“稳定性×a+反弹×b+常数c”。此外,作为实际由模型生成部66针对每个用户生成的多重回归分析模型,生成也包含“稳定性”或“反弹”以外的动作参数的回归公式。在所述回归公式中,推定部70从多种动作参数中,将对改善所述用户的指标参数有贡献的比例特别高的动作参数缩减为一个或多个等限定数量的动作参数。在本图中,为了方便起见,示出了仅使用所述缩减后的动作参数的回归公式。
另外,“稳定性”的系数“a”为负值,“稳定性”的动作参数、例如“左右冲击”的值越大,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。“反弹”的系数“b”为正值,“反弹”的动作参数、例如“铅垂刚性”的值越小,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。
例如,根据用户“0002”的动作数据及指标数据而获得回归公式“跑行效率×d+上下移动×e+常数f”。即,推定部70从多种动作参数中,作为对改善所述用户的指标参数有贡献的比例特别高的动作参数而缩减为动作参数“跑行效率”及动作参数“上下移动”,在本图中示出了仅使用所述缩减后的动作参数的回归公式。
另外,“跑行效率”的系数“d”为负值,“跑行效率”的动作参数、例如“踢出加速度”的值越大,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。“上下移动”的系数“e”为正值,“上下移动”的动作参数的值越小,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。
例如,根据用户“0003”的动作数据及指标数据而获得回归公式“跑行效率×g+轻量性×h+常数i”。即,推定部70从多种动作参数中,作为对改善所述用户的指标参数有贡献的比例特别高的动作参数而缩减为动作参数“跑行效率”及动作参数“轻量性”,在本图中示出了仅使用所述缩减后的动作参数的回归公式。
另外,“跑行效率”的系数g为负值,“跑行效率”的动作参数、例如“踢出加速度”的值越大,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。“轻量性”的系数“h”也为负值,“轻量性”的动作参数、例如“间距”的值越大,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。
例如,根据用户“0004”的动作数据及指标数据而获得回归公式“可动范围×j+落地冲击×k+常数m”。即,推定部70从多种动作参数中,作为对改善所述用户的指标参数有贡献的比例特别高的动作参数而缩减为动作参数“可动范围”及动作参数“落地冲击”,在本图中示出了仅使用所述缩减后的动作参数的回归公式。
另外,“可动范围”的系数“j”为负值,“可动范围”的动作参数、例如“骨盆旋转量”的值越大,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。“落地冲击”的系数“k”为正值,“落地冲击”的动作参数的值越小,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。
例如,根据用户“0005”的动作数据及指标数据而获得回归公式“反弹×n+常数”。即,推定部70从多种动作参数中,作为对改善所述用户的指标参数有贡献的比例特别高的动作参数而缩减为动作参数“反弹”,在本图中示出了仅使用所述缩减后的动作参数的回归公式。
另外,“反弹”的系数“n”与用户“0001”的“反弹”的系数“b”不同而为负值,“反弹”的动作参数、例如“铅垂刚性”的值越大,越可降低指标参数“摄氧量”,对提升运动表现越有贡献。如表示“反弹”的“铅垂刚性”那样,根据动作参数的种类,既有值越大对提升运动表现越有贡献的情况,也有值越小对提升运动表现越有贡献的情况等,根据不同的人对运动表现给予的影响有时会相反。
此外,在本图中,示出了通过以“摄氧量”为目标变量的多重回归分析来推定使“摄氧量”降低而对提升运动表现有贡献的动作参数的种类的例子。模型生成部66通过进而以其他指标参数例如“心率”、“极限距离”、“最大速度”、“配速降低率”、“主观”为目标变量的多重回归分析,推定对改善各个指标参数有贡献的动作参数的种类。在以指标参数“心率”为目标变量的情况下,推定对降低“心率”有贡献的动作参数的种类。
在以指标参数“极限距离”为目标变量的情况下,推定对延长“极限距离”有贡献的动作参数的种类。例如,对于以完成马拉松等长跑比赛为目标的用户而言,有益的是能够跑动更长的距离,且此意味着运动表现的提升。例如,为了延长“极限距离”,动作参数“反弹”有可能起到负面作用,“反弹”小有可能对提升运动表现有贡献。
在以指标参数“最大速度”为目标变量的情况下,推定对提高“最大速度”有贡献的动作参数的种类。例如,对于以提速(speed up)为目标的用户而言,有益的是可提高瞬时速度,且此意味着运动表现的提升。例如,为了提高“最大速度”,动作参数“反弹”有可能起到正面作用,“反弹”大有可能对提升运动表现有贡献。就此点而言,与以相同的“反弹”起到负面作用的“极限距离”为目标的情况不同。
在以指标参数“配速降低率”为目标变量的情况下,推定对抑制“配速降低率”有贡献的动作参数的种类。例如,对于以能够稳定地跑动长距离为目标的用户而言,有益的是配速不下降,且此意味着运动表现的提升。
在以指标参数“主观”为目标变量的情况下,推定对减少跑行中或跑行后的疲劳感或身体的痛感有贡献的动作参数的种类,或者推定对提高跑行中或跑行后的快跑感有贡献的动作参数的种类。例如,对于以练习的持续性为目标的用户而言,有益的是能够没有疲劳感或不受伤地跑动、或者能够心情舒畅地跑动,且此意味着运动表现的提升。
在本实施方式中,使用了通过多重回归分析来推定对提升运动表现有贡献的动作参数的手法,但也可使用机器学习代替多重回归分析。此情况下,作为机器学习的教师数据,不仅可使用动作参数及指标参数,也可组合使用用户的性别、年龄、身高、体重、运动经历、人种等属性信息或所使用的鞋子的种类等信息。
再次参照图4进行说明。项目存储部76存储用于向用户推荐跑行时穿着的多种鞋子及功能性装束的信息。另外,项目存储部76存储穿着用具特性数据,所述穿着用具特性数据针对多种鞋子等的每一者,预先确定了改变多种动作参数中的哪一者而对提升运动表现有贡献的特性。在穿着用具特性数据中,针对多种鞋子等的每个制品模型,预先确定期待通过穿着所述鞋子而改变的动作参数的种类及所述动作参数的变化度作为动作参数的变化特性。穿着用具特性数据中示出的动作参数的变化特性的例子如图3所示。
选择部72基于穿着用具特性数据,从多种鞋子等中选择具有如下特性、即通过改变由推定部70推定的种类的动作参数而对提升运动表现有贡献的特性的鞋子等。选择部72基于穿着用具特性数据,选择由推定部70推定的种类的动作参数的变化度更高的鞋子等。选择部72针对每个指标数据,单独选择具有如下特定、即通过改变针对用户的每个目的、即针对每个指标数据由模型生成部66推定的种类的动作参数而对提升运动表现有贡献的特定的鞋子等。要选择的鞋子等也可为多个,可按照变化度从高到低的顺序决定推荐的优先级。例如,选择部72针对模型存储部68所存储的所有鞋子等的候选,将每个动作参数的变化度代入回归公式中,算出指标参数的提高率,并按照所述提高率从高到低的顺序选择鞋子等的推荐候选。
例如,在用户“0001”的情况下,选择部72从多种鞋子中选择具有提高动作参数“稳定性”的特性、与降低动作参数“反弹”的特性的鞋子。在一并具有提高“稳定性”的特性与降低“反弹”的特性的鞋子的候选有多个的情况下,选择部72考虑各自的变化度,综合性地将对改善指标参数的贡献程度、即指标参数的提高率高的鞋子等作为第一候选,将贡献度或提高率相对低的鞋子等作为第二位以下的候选。选择部72针对“摄氧量”、“心率”、“距离”、“速度”、“主观”等指标参数的每一者,选择一个或多个具有对所述用户而言对改善指标参数有贡献的动作参数的变化特性的鞋子等的候选。
项目存储部76还存储向用户提示的多种改善提案的内容。关于各改善提案,将与针对每个动作参数使其值变化时的效果有关的文字存储于项目存储部76中。例如,当在每个用户的回归公式中推定为动作参数“落地冲击”(系数为正值)对改善指标参数的贡献度高时,作为此时提出的内容而存储“若跑行时的落地冲击小,则可用少的能量发挥出速度”这样的文字。另外,当推定为动作参数“稳定性”(系数为负值)对改善指标参数的贡献度高时,作为此时提出的内容而存储“若跑行时的稳定性高,则可用少的能量发挥出速度”这样的文字。另外,项目存储部76按照用户的不同目的、即按照不同的指标参数来存储每个动作参数的改善提案的内容。
输出部74将由选择部72选择的一个或多个鞋子等的种类经由通信部60发送至用户终端10作为推荐用户穿着的鞋子等。输出部74例如按照用户的不同目标分开显示推荐的鞋子等的介绍或运动的改善提案。即,按照作为运动表现的指标的不同指标参数,显示由选择部72选择的鞋子等的种类、以及期望改变的动作参数的种类。
图6表示向用户推荐鞋子的第一画面例。在第一栏90中显示改善提案的内容。在第二栏91中,按照推荐顺序显示推荐的鞋子等的种类。
在第一栏90中,作为用户的动作参数的倾向,显示“你的倾向”、“若跑行时的落地冲击小,则可用少的能量发挥出速度”、“若跑行时的稳定性高,则可用少的能量发挥出速度”这样的字符串。即,显示如下主旨:降低动作参数“落地冲击”、以及提高动作参数“稳定性”对通过提高指标参数“最大速度”来提升运动表现有贡献。
在第二栏91中,作为向用户推荐所选择的鞋子等的种类的内容,显示“推荐给你的鞋子”这样的字符串、与推荐的两种鞋子的种类,以星的数量表示其推荐程度,并且以“降低落地冲击”、“提高稳定性”这样的字符串表示对每双鞋子可期待哪一动作参数的改善。
图7表示向用户推荐鞋子的第二画面例。在第一栏92中显示改善提案的内容。在第二栏93中,按照推荐顺序显示推荐的鞋子等的种类。其中,在本图的例子中,与图6中的第一画面例不同,成为容易根据用户的目标或预算、跑步能力自由地选择鞋子等的结构。
在第一栏92中,作为对用户的改善提案,按照用户的不同意向显示动作参数的改善提案。例如,一并示出表示以跑得更快为目标的指标参数“最大速度”的“速”、表示以跑得更长为目标的指标参数“极限距离”的“长”、表示以跑得更舒适为目标的指标参数“主观”的“乐”的标记以及动作参数的改善提案。对于具有表示“最大速度”的“速”这一目标的用户,显示表示提高动作参数“跑行效率”对提升运动表现有贡献的字符串。对于具有表示“极限距离”的“长”这一目标的用户,显示表示提高动作参数“稳定性”对提升运动表现有贡献的字符串。对于具有表示“主观”的“乐”这一目标的用户,显示表示降低动作参数“落地冲击”对提升运动表现有贡献的字符串。
在第二栏93中,作为向用户推荐所选择的鞋子的种类的内容,显示“推荐给你的鞋子”这样的字符串、与推荐的两种鞋子的种类,以星的数量表示其推荐程度,并且以“速”、“长”、“乐”这样的字符串表示对每双鞋子可期待哪一指标参数的改善。例如,关于第一候选鞋子,示出三颗星,同时示出表示极限距离延长的字符“长”、与表示避免疲劳感或痛感而有助于快跑的字符“乐”,并且以“降低落地冲击”、“提高稳定性”这样的字符串表示可期待哪一动作参数的改善。关于第二候选鞋子,示出两颗星,同时示出表示最大速度提高的字符“速”、与表示避免疲劳感或痛感而有助于快跑的字符“乐”,并且以“降低落地冲击”这样的字符串表示可期待哪一动作参数的改善。
第一菜单98是指定用户的预算的下拉式菜单(pull-down menu),第二菜单99是指定用户的跑步能力的下拉式菜单。当用户在第一菜单98中指定自己的预算、并在第二菜单99中指定自己的跑步能力时,选择部72将要显示的鞋子的候选缩减至适合于用户所指定的预算与跑步能力水平的鞋子来进行选择并予以显示。
图8表示向用户推荐鞋子的第三画面例。在本图的例子中,算出并显示用户现状的马拉松预计时间,并且显示穿着推荐的鞋子后的马拉松预计时间。
在第一栏94中,例如像“3小时52分30秒”那样显示当前用户的马拉松预计时间。在第二栏95中,按照鞋子的推荐顺序显示推荐的每个鞋子的马拉松预计时间。例如,一并显示第一候选鞋子、以及作为穿着了此鞋子时的马拉松预计时间的、比当前缩短了2分钟的“3小时50分30秒”。另外,一并显示第二候选鞋子、以及作为穿着了此鞋子时的马拉松预计时间的、比当前缩短了1分钟的“3小时51分30秒”。另外,一并显示“若进一步实施此练习菜单”这样的链接到练习菜单的页面的字符、以及作为所述练习菜单后的马拉松预计时间的缩短了17分钟的字符串“3小时35分30秒”。
此情况下,为了预测马拉松时间,模型生成部66生成如下的多重回归分析模型:其在多重回归分析中,输入跑行时间作为目标变量,且不仅输入本实施方式中的各种动作参数,还进一步输入距离、速度、配速、温度、高度等表示跑行状态的参数作为解释变量。基于此种多重回归分析模型,推定部70推定马拉松时间。
图9表示向用户推荐鞋子的第四画面例。在本图的例子中,将图8中推荐的练习菜单中的预定跑行量、以及由所述跑行量引起的负荷及因当前的跑步姿势而身体产生痛感的概率一并显示于第一栏96中。例如,利用“在此练习菜单中,预定在3个月内以平均5:30/km跑动320km”这样的字符串、以及“膝盖产生痛感的概率50%”这样的字符串,表示有可能产生痛感的身体部位及产生概率。另外,将穿着了推荐的鞋子时的痛感产生概率显示于第二栏97中。例如,如“穿这双鞋子后30%”那样表示穿着了推荐的鞋子时的痛感的产生概率。
图10表示向用户提出通过拉伸或训练的改善提案的画面例。在第一栏110中显示改善提案的内容。在第二栏111中显示拉伸及训练的提案。在第一栏110中,作为用户的动作参数的倾向,显示“你的倾向”、“若跑行时的落地冲击小,则可持续跑动长距离”、“若跑行时的稳定性高,则可用少的能量发挥出速度”这样的字符串。
在第二栏111中,一并提出表示以跑得更长为目标的指标参数“极限距离”的“长”、表示以跑得更舒适为目标的指标参数“主观”的“乐”的标记以及拉伸的菜单。此表示:通过着手进行所述拉伸的菜单,可期待指标参数“极限距离”的改善与“主观”的改善。另外,一并提出表示以跑得更快为目标的指标参数“最大速度”的“速”、表示以跑得更舒适为目标的指标参数“主观”的“乐”的标记、以及肌肉力量训练的菜单。此表示:通过着手进行所述肌肉力量训练的菜单,可期待指标参数“最大速度”的改善与“主观”的改善。
图11表示向用户提出参加马拉松大赛的画面例。在第一栏112中显示改善提案的内容。在第二栏113中显示所提出的马拉松大赛的一览表。
在第一栏112中,作为用户的动作参数的倾向,显示“你的倾向”、“若气温低(15℃),则可持续跑动长距离”、“若斜坡少,则可用少的能量发挥出速度”这样的字符串。
在第二栏113中,显示所提出的马拉松大赛的大赛名称、比赛类型、举行月份的一览表。在一览表中,作为每个马拉松大赛的特征,以“速”“长”“乐”的标记表示适合以跑得更快为目标的用户、以跑得更长为目标的用户、以跑得更舒适为目标的用户中的哪一者。
图12表示向用户提出练习菜单的画面例。在第一栏114中显示改善提案的内容。在第二栏115中显示练习菜单的提案。
在第一栏114中,作为用户的动作参数的倾向,显示“你的倾向”、“若气温低(15℃),则可持续跑动长距离”这样的字符串。
在第二栏115中,作为目标比赛而显示马拉松大赛的大赛名称,作为所述马拉松大赛的特征而显示“斜坡○○m(坡多)”、“气温15℃(高)”这样的字符串。另外,作为“练习计划”而显示练习菜单、与提出的练习路线。
图13是表示穿着用具的选择过程的流程图。输入部62输入用户的动作数据与指标数据并存贮于存贮部64中(S10),模型生成部66基于存贮部64中所存贮的动作数据及指标数据生成多重回归分析模型并存储于模型存储部68中(S12)。推定部70基于多重回归分析模型,推定对所述用户而言对提升指标参数所表示的运动表现有贡献的动作参数的种类(S14)。选择部72从多种鞋子等中,选择通过改变由推定部70推定的动作参数而可对提升运动表现有贡献的鞋子等(S16)。输出部74将所选择的鞋子等向用户推荐的内容经由网络18显示于用户终端10。
以上,基于实施方式对本发明进行了说明。本领域技术人员可理解,实施方式为例示,它们的各构成要素或各处理工艺的组合能够存在各种变形例,另外,此种变形列也处于本发明的范围内。
产业上的可利用性
本发明涉及一种对运动动作进行分析的技术。
符号的说明
10:用户终端
20:运动动作分析服务器
62:输入部
64:存贮部
66:模型生成部
70:推定部
72:选择部
74:输出部
76:项目存储部
100:运动动作分析系统
Claims (8)
1.一种运动动作分析系统,其特征在于包括:
输入部,输入动作数据以及指标数据,所述动作数据与表示跑行的用户的动作状态的多种动作参数对应,所述指标数据与表示所述跑行中的所述用户的运动表现的指标参数对应;
推定部,推定对所述用户而言所述多种动作参数中的哪一动作参数对提升运动表现的贡献度更高;
项目存储部,存储用于向用户推荐跑行时穿着的多种穿着用具的信息,并且存储穿着用具特性数据,所述穿着用具特性数据针对所述多种穿着用具的每一者,预先确定了改变所述多种动作参数中的哪一者而对提升运动表现有贡献的特性;
选择部,基于所述穿着用具特性数据,从所述多种穿着用具中,选择具有如下特性、即通过改变由所述推定部推定的种类的动作参数而对提升运动表现有贡献的特性的穿着用具;以及
输出部,输出由所述选择部选择的穿着用具的种类作为推荐所述用户穿着的穿着用具。
2.根据权利要求1所述的运动动作分析系统,其特征在于,还包括:
存贮部,存贮由所述输入部输入的所述动作数据及所述指标数据作为所述用户的数据;以及
模型生成部,生成多重回归分析模型,所述多重回归分析模型将所述存贮部中所存贮的所述用户的跑行中的所述多种动作参数作为解释变量,将所述用户的跑行中的所述指标参数作为目标变量,求出每个动作参数的对提升运动表现的贡献度,
所述推定部基于所述多重回归分析模型,推定对所述用户而言哪一动作参数对提升运动表现的贡献度更高。
3.根据权利要求1或2所述的运动动作分析系统,其特征在于,在存储于所述项目存储部的所述穿着用具特性数据中,针对所述多种穿着用具的每一者,预先确定期待通过穿着所述穿着用具而改变的动作参数的种类及所述动作参数的变化度,
所述选择部基于所述穿着用具特性数据,选择由所述推定部推定的种类的动作参数的变化度更高的穿着用具。
4.根据权利要求3所述的运动动作分析系统,其特征在于,所述选择部基于所述穿着用具特性数据,按照由所述推定部推定的种类的动作参数的变化度从高到低的顺序选择多个候选穿着用具,
所述输出部输出由所述选择部选择的所述多个候选穿着用具的种类作为推荐所述用户穿着的穿着用具。
5.根据权利要求1至4中任一项所述的运动动作分析系统,其特征在于,所述输入部输入与多种指标参数对应的指标数据作为所述指标数据,所述多种指标参数分别对提升不同目的下的运动表现有贡献,
所述推定部针对所述多种指标参数的每一者,单独推定对提升各个指标参数所表示的运动表现的贡献度更高的动作参数,
所述选择部针对所述多种指标参数的每一者,单独选择具有改变针对所述多种指标参数的每一者推定的动作参数的特性的穿着用具。
6.一种运动动作分析系统,其特征在于包括:
输入部,输入动作数据以及指标数据,所述动作数据与表示跑行的用户的动作状态的多种动作参数对应,所述指标数据与表示所述跑行中的所述用户的运动表现的指标参数对应;
推定部,推定对所述用户而言所述多种动作参数中的哪一动作参数对提升运动表现的贡献度更高;以及
输出部,输出与所述推定而得的动作参数的种类对应的信息。
7.一种运动动作分析方法,其特征在于包括:
利用规定的信息获取单元输入动作数据以及指标数据的过程,所述动作数据与表示跑行的用户的动作状态的多种动作参数对应,所述指标数据与表示所述跑行中的所述用户的运动表现的指标参数对应;
通过计算机的规定的处理,推定对所述用户而言所述多种动作参数中的哪一动作参数对提升运动表现的贡献度更高的过程;
从规定的存储单元读出穿着用具特性数据的过程,所述穿着用具特性数据针对用于向用户推荐跑行时穿着的多种穿着用具的每一者,预先确定了改变所述多种动作参数中的哪一者而对提升运动表现有贡献的特性;
通过计算机的规定的处理,基于所述穿着用具特性数据,从所述多种穿着用具中,选择具有如下特性、即通过改变所述推定而得的种类的动作参数而对提升运动表现有贡献的特性的穿着用具的过程;以及
利用规定的信息输出单元,输出所述选择而得的穿着用具的种类作为推荐所述用户穿着的穿着用具的过程。
8.一种运动动作分析程序,使计算机实现以下功能:
输入动作数据以及指标数据的功能,所述动作数据与表示跑行的用户的动作状态的多种动作参数对应,所述指标数据与表示所述跑行中的所述用户的运动表现的指标参数对应;
推定对所述用户而言所述多种动作参数中的哪一动作参数对提升运动表现的贡献度更高的功能;
存储用于向用户推荐跑行时穿着的多种穿着用具的信息,并且存储穿着用具特性数据的功能,所述穿着用具特性数据针对所述多种穿着用具的每一者,预先确定了改变所述多种动作参数中的哪一者而对提升运动表现有贡献的特性;
基于所述穿着用具特性数据,从所述多种穿着用具中,选择具有如下特性、即通过改变利用所述推定功能推定的种类的动作参数而对提升运动表现有贡献的特性的穿着用具的功能;以及
输出利用所述选择功能选择的穿着用具的种类作为推荐所述用户穿着的穿着用具的功能。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/048684 WO2022137496A1 (ja) | 2020-12-25 | 2020-12-25 | 運動動作分析システム、運動動作分析方法および運動動作分析プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116568376A true CN116568376A (zh) | 2023-08-08 |
Family
ID=82157790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080107926.4A Pending CN116568376A (zh) | 2020-12-25 | 2020-12-25 | 运动动作分析系统、运动动作分析方法及运动动作分析程序 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4249089A4 (zh) |
JP (1) | JP7487344B2 (zh) |
CN (1) | CN116568376A (zh) |
WO (1) | WO2022137496A1 (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5314224B1 (ja) * | 2012-02-29 | 2013-10-16 | 美津濃株式会社 | ランニングフォーム診断システムおよびランニングフォームを得点化する方法 |
US11562417B2 (en) * | 2014-12-22 | 2023-01-24 | Adidas Ag | Retail store motion sensor systems and methods |
US10248985B2 (en) * | 2015-01-16 | 2019-04-02 | Brooks Sports, Inc. | Systems and methods for analyzing lower body movement to recommend footwear |
JP6634689B2 (ja) * | 2015-03-23 | 2020-01-22 | ブリヂストンスポーツ株式会社 | テニスラケットの選択システム及び選択方法 |
DE102016201151B4 (de) | 2016-01-27 | 2020-11-19 | Adidas Ag | Herstellung eines individuell angepassten Sportkleidungsstücks basierend auf Sensordaten |
JP6834553B2 (ja) | 2017-02-09 | 2021-02-24 | セイコーエプソン株式会社 | 運動解析システム、運動解析装置、運動解析プログラム及び運動解析方法 |
JP2018187284A (ja) * | 2017-05-11 | 2018-11-29 | 株式会社SeekJapan | 運動状態診断システムおよび運動状態診断プログラム |
CN111263953B (zh) * | 2017-10-27 | 2024-03-01 | 株式会社爱世克私 | 动作状态评估系统及其装置、服务器、方法以及存储介质 |
JP6463587B1 (ja) | 2018-07-04 | 2019-02-06 | 航 梅山 | ランニング支援システム |
US11571144B2 (en) * | 2018-09-12 | 2023-02-07 | Under Armour, Inc. | System and method for estimating cardiorespiratory fitness |
-
2020
- 2020-12-25 CN CN202080107926.4A patent/CN116568376A/zh active Pending
- 2020-12-25 EP EP20966982.9A patent/EP4249089A4/en active Pending
- 2020-12-25 JP JP2022570941A patent/JP7487344B2/ja active Active
- 2020-12-25 WO PCT/JP2020/048684 patent/WO2022137496A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4249089A4 (en) | 2024-01-24 |
EP4249089A1 (en) | 2023-09-27 |
JP7487344B2 (ja) | 2024-05-20 |
WO2022137496A1 (ja) | 2022-06-30 |
JPWO2022137496A1 (zh) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11699523B2 (en) | Adaptive athletic activity prescription systems | |
CN116600861A (zh) | 运动动作分析系统、运动动作分析方法及运动动作分析程序 | |
US11887174B2 (en) | Systems and methods for analyzing lower body movement to recommend footwear | |
CN103596626B (zh) | 跑步方式诊断系统以及跑步方式的打分方法 | |
JP6463587B1 (ja) | ランニング支援システム | |
CN105453128A (zh) | 便携式计算设备以及对从其捕捉的个人数据的分析 | |
US11413501B2 (en) | Method and system of planning fitness courses | |
JP6603055B2 (ja) | 体力推定方法 | |
CN114822763A (zh) | 一种运动数据驱动的个性化运动处方推荐方法 | |
JP2006031433A (ja) | 高齢者の日常生活・運動支援システム | |
CN116568376A (zh) | 运动动作分析系统、运动动作分析方法及运动动作分析程序 | |
JP6440210B2 (ja) | リハビリ評価装置、リハビリ評価方法及びプログラム | |
JP2003085288A (ja) | 運動アドバイスプログラム及び当該プログラムを記録したコンピュータ読み取り可能な記録媒体、並びに運動アドバイス方法 | |
Akodu et al. | Gait parameters, selected anthropometric variables, psychological status, and performance level among professional basketball players in Lagos | |
US20230316614A1 (en) | System and method for generating a virtual avatar representing a plurality of users | |
KR102342023B1 (ko) | 휴식 방법 추천 장치, 이를 이용하는 맞춤형 스포츠 코칭 시스템 및 방법 | |
EP3527269A1 (en) | Generation program, generation method, and generation device | |
CN118253076A (zh) | 练习支持装置、练习支持方法及计算机可读存储介质 | |
CN109621335B (zh) | 一种基于大数据的体育运动建议系统 | |
Knighton | Responses of male recreational runners during outdoor running in three shoes: Quantitative and qualitative studies | |
JP2024095249A (ja) | 練習支援装置、練習支援方法、及び練習支援プログラム | |
Wilson et al. | More than a footwedge: Golf-specific footwear alters muscle activation patterns during standing balance | |
KR20230160728A (ko) | 그룹 피트니스를 위한 피트니스 서비스 플랫폼 | |
KR20220090961A (ko) | 피드백 제공 장치, 이를 이용하는 신체활동 피드백 제공 시스템 및 방법 | |
CN114708948A (zh) | 一种智能运动管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |