JP2019200241A - 動作分析装置、動作分析方法、動作分析プログラム及び動作分析システム - Google Patents

Abstract

【課題】より良い精度で対象者の動作を分析することができる動作分析装置、動作分析方法、動作分析プログラム及び動作分析システムを提供する。【解決手段】動作分析装置は、複数の対象者の動作を示す複数の動作情報を取得する取得部と、複数の動作情報を複数のグループのいずれかに分類する分類部と、複数のグループのいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析する分析部と、を備え、複数の動作情報は、複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、分類部は、複数の動作情報を、それぞれに含まれる骨格情報を用いて分類する。【選択図】図１

Description

本開示は、動作分析装置、動作分析方法、動作分析プログラム及び動作分析システムに関する。

従来、対象者の動作をカメラで撮影して画像処理を行ったり、対象者の動作をモーションキャプチャで測定して測定された信号について信号処理を行ったりして、対象者の動作を分析する場合がある。

例えば、下記特許文献１には、動作を検知するセンサの検出値を特定する検出情報及び当該検出情報に対応する動作を特定する動作辞書情報と、動作の時系列における組み合わせを特定する組み合わせ情報及び当該組み合わせ情報に対応する作業を特定する作業辞書情報と、を記憶する記憶部及び制御部を備える作業情報処理装置が記載されている。ここで、制御部は、作業者が有するセンサで検出された検出値に対応する動作を動作辞書情報から特定する処理と、特定した動作の時系列における組み合わせを特定し、特定した組み合わせに対応する作業を作業辞書情報から特定する処理と、作業者毎に、動作と、作業と、を時系列において特定する作業情報を生成する処理と、を行う。

特開２００９−１２２３０２号公報

例えば製造ラインで様々な作業が行われる場合に、対象者の習熟度を評価したり、対象者が標準外の動作を行っていないか確認したりしたい場合がある。このような要求に応えるために、製造ラインにカメラやセンサを設置して、対象者の動作を継続的に測定することがある。例えば、特許文献１に記載の技術によれば、予め記憶された動作辞書情報及び作業辞書情報を用いて、作業者の動作及び対応する作業を作業者毎に特定している。

しかしながら、人の動作には個人差があるため、複数の対象者の動作を示す情報を測定したとしても、それらの情報を辞書情報等の画一的な情報に基づいて分析するのでは、正しい分析が行えなかったり、精度の低い分析になってしまったりすることがある。このような課題は、製造ラインにおける作業のみならず、スポーツにおける動作等、人が任意の動作を行う場合にも生じ得る。

そこで、本発明は、より良い精度で対象者の動作を分析することができる動作分析装置、動作分析方法、動作分析プログラム及び動作分析システムを提供する。

本開示の一態様に係る分析装置は、複数の対象者の動作を示す複数の動作情報を取得する取得部と、複数の動作情報を複数のグループのいずれかに分類する分類部と、複数のグループのいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析する分析部と、を備え、複数の動作情報は、複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、分類部は、複数の動作情報を、それぞれに含まれる骨格情報を用いて分類する。ここで、動作情報は、カメラによって撮影された対象者を含む静止画又は動画であってよい。また、動作情報は、対象者の画像そのものではなく、モーションキャプチャ等を用いて対象者の骨格等の身体的特徴をモデル化した情報であってもよい。動作情報は、例えば、対象者の動作の遷移を示す時系列情報であるが、必ずしも時系列情報である必要はない。対象者の骨格と関連付けられた身体の複数の部位は、対象者の関節、頭、肩、腰等の任意の部位であってよい。対象者の骨格と関連付けられた身体の複数の部位は、必ずしも骨と直接関連する身体の複数の部位でなくてもよく、指先、鼻頭及び耳たぶのように、骨格によって位置が定まる身体の複数の部位であってよい。すなわち、骨格情報は、骨と直接関連する身体の複数の部位の位置を示す情報や、骨格によって位置が定まる身体の複数の部位の位置を示す情報を含んでよい。

この態様によれば、複数の動作情報を、骨格情報を用いて分類し、その分類結果に基づいて動作の分析が行われる。これにより、骨格等の身体的特徴に応じた分析を対象者に対して実行することができる。従って、対象者を身体的特徴によらず画一的に分析する場合に比べ、対象者の動作をより良い精度で分析することができる。

上記態様において、分類部は、複数の動作情報のうちいずれかの動作情報に含まれる骨格情報と、複数の動作情報のうち他のいずれかの動作情報に含まれる骨格情報との差異に基づき、複数の動作情報を複数のグループのいずれかに分類してもよい。ここで、骨格情報の差異とは、骨格情報により示される対象者の身体の複数の部位の位置の差異であってよい。より具体的には、ある対象者の動作情報に含まれる骨格情報と、他の対象者の動作情報に含まれる骨格情報との差異とは、ある対象者の身体の複数の部位の位置と、それらの部位に対応する他の対象者の身体の複数の部位の位置の差異であってよい。

この態様によれば、骨格情報の差異に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者の体格差に基づいて動作情報をグループ分けすることができ、体格が類似する対象者の動作情報を一つのグループに分類することができる。これにより、体格が類似する対象者の動作を比較して、対象者の動作を分析することができる。

上記態様において、分類部は、複数の動作情報を、それぞれに含まれる骨格情報と所定の基準情報との差異に基づき、複数のグループのいずれかに分類してもよい。ここで、所定の基準情報とは、身体の複数の部位の位置と比較可能な情報であり、例えば作業領域の範囲を示す情報であってよい。

この態様によれば、骨格情報と所定の基準情報との差異に基づき、複数の動作情報を複数のグループのいずれかに分類することで、基準情報に基づいて動作情報をグループ分けすることができ、基準情報に関して類似する性質を有する対象者の動作情報を一つのグループに分類することができる。これにより、基準情報に関して類似する性質を有する対象者の動作を比較して、対象者の動作を分析することができる。

上記態様において、骨格情報は、複数の部位に対応する複数のノードの座標値を含み、分類部は、座標値に基づいて算出される複数のノードの間の距離に関する分類により、複数の動作情報を複数のグループのいずれかに分類してもよい。ここで、複数のノードは、対象者の骨格と関連付けられた身体の複数の部位に対応するスケルトンモデルのノードであってよく、複数のノードの間の距離は、スケルトンモデルのエッジの長さであってよい。ここで、スケルトンモデルは、対象者の体格の概形を複数のエッジ及び複数のノードにより示すモデルであってよい。そして、複数のエッジは、対象者の骨格の概形を示し、複数のノードは、複数のエッジの端点及び連結点を示してよい。

この態様によれば、複数のノードの間の距離に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者の体格差に基づいて動作情報をグループ分けすることができ、体格が類似する対象者を一つのグループに分類することができる。これにより、体格が類似する対象者の動作を比較して、対象者の動作を分析することができる。

上記態様において、分類部は、複数のノードのうち隣り合う２つのノードの間の距離に関する分類により、複数の動作情報を複数のグループのいずれかに分類してもよい。

この態様によれば、複数のノードのうち隣り合う２つのノードの間の距離に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者に固有の長さに基づいて動作情報をグループ分けすることができ、対象者の身体的特徴をより正確に捉えて、対象者の動作を分析することができる。

上記態様において、分類部は、複数のノードのうち隣り合う２つのノードの間の距離と、複数のノードのうち他の隣り合う２つのノードの間の距離との比に関する分類により、動作情報を複数のグループのいずれかに分類してもよい。

この態様によれば、複数のノードのうち隣り合う２つのノードの間の距離と、他の隣り合う２つのノードの間の距離との比に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者に固有であり、単位系に依存しない量に基づいて動作情報をグループ分けすることができ、対象者の身体的特徴をより正確に捉えて、対象者の動作を分析することができる。

上記態様において、分類部は、複数のノードの間の距離と、複数の動作情報とともに取得部により取得される基準距離との比に関する分類により、動作情報を複数のグループのいずれかに分類してもよい。ここで、基準距離は、隣り合う２つのノードの間の距離と比較可能な距離であってよく、例えば、作業者により用いられる特定の治具の長さであったり、作業領域に設けられた特定のマーカの長さであったりしてよい。

この態様によれば、複数のノードのうち隣り合う２つのノードの間の距離と、基準距離との比に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者に固有であり、単位系に依存しない量に基づいて動作情報をグループ分けすることができ、対象者の身体的特徴をより正確に捉えて、対象者の動作を分析することができる。

上記態様において、座標値は、３次元座標値を含み、分類部は、３次元座標値に基づいて算出される複数のノードの間の距離に関する分類により、複数の動作情報を複数のグループのいずれかに分類してもよい。

この態様によれば、３次元座標値に基づいて算出される複数のノードの間の距離に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者の体格差に基づく動作情報のグループ分けをより正確に行うことができ、体格が類似する対象者の動作を比較して、対象者の動作をより正確に分析することができる。

上記態様において、座標値は、測定された時刻に関連付けられ、分類部は、異なる時刻に測定された複数の座標値に基づいて算出される複数のノードの間の距離の平均に関する分類により、複数の動作情報を複数のグループのいずれかに分類してもよい。

この態様によれば、異なる時刻に測定された複数のノードの間の距離の平均に基づき、複数の動作情報を複数のグループのいずれかに分類することで、ノードの座標値の測定における誤差の影響を低減して動作情報をグループ分けすることができ、体格が類似する対象者の動作を比較して、対象者の動作をより正確に分析することができる。

上記態様において、複数の部位のうち、分類部による分類に用いる複数の部位を選択する選択部をさらに備えてもよい。

この態様によれば、対象者の身体的特徴をより良く表す複数の部位を選択することができ、対象者の身体的特徴をより正確に捉えるように動作情報をグループ分けして、より良い精度で対象者の動作を分析することができる。

上記態様において、選択部は、複数の対象者に共通して取得された部位であるか否かに基づいて、分類部による分類に用いる複数の部位を選択してもよい。

この態様によれば、複数の対象者に共通して取得された部位を、分類部による分類に用いる部位として選択することで、複数の対象者の身体的特徴を共通の部位により分類することができ、対象者の身体的特徴をより正確に捉えるように動作情報をグループ分けして、より良い精度で対象者の動作を分析することができる。

上記態様において、選択部は、複数の部位のうち隣り合う２つの部位の間の距離と、複数の部位のうち他の隣り合う２つの部位の間の距離との比較に基づいて、分類部による分類に用いる部位を選択してもよい。

この態様によれば、複数の部位のうち隣り合う２つの部位の間の距離と、他の隣り合う２つの部位の間の距離との比較によって、位置の測定における相対誤差がより小さくなるように分類部による分類に用いる部位を選択することができ、対象者の身体的特徴をより正確に捉えるように動作情報をグループ分けして、より良い精度で対象者の動作を分析することができる。

上記態様において、選択部は、分析部による分析結果に基づいて、対象者に対応するコンテンツを選択してよい。ここで、コンテンツは、動画、画像又はテキスト等の任意の情報であってよく、例えば、動作の手本となる動画であったり、動作を円滑にする道具に関する情報であったりしてよい。

この態様によれば、分析結果に基づいて、対象者が参考とすべき道具に関するコンテンツを推薦したり、対象者が参考とすべきが動作に関するコンテンツを推薦したりして、対象者の動作の改善を促すことができる。

上記態様において、分析部は、動作情報に基づいて算出され、対象者の動作の特徴を表す特徴量に基づいて、対象者の動作に関する異常の有無を分析してもよい。ここで、対象者の動作の特徴を表す特徴量は、対象者の動作を特徴付ける数値であってよく、例えば、動作時間であったり、動作における対象者の特定の部位の軌跡の長さであったりしてよい。ここで、動作時間は、対象者が動作を開始してから終了するまでの時間の長さであってよい。

この態様によれば、対象者の体格を考慮して対象者の動作情報をグループ分けし、同じグループに属する対象者の動作の特徴を表す特徴量を比較することで、対象者の動作が、類似する体格の他の対象者の動作と比較して異常であるか否かを分析することができ、より良い精度で対象者の動作に関する異常の有無を分析することができる。

上記態様において、分析部は、動作情報に基づいて算出され、対象者の動作の特徴を表す特徴量に基づいて、対象者の動作の習熟度を分析してもよい。ここで、対象者の動作の習熟度は、対象者が所定の動作をより早く、より正確に実行することができるか評価する指標であってよく、例えば、所定の動作を実行した回数に対する動作時間の減少の傾きであってよい。また、習熟度は、単に動作時間であってもよい。

この態様によれば、対象者の体格を考慮して対象者の動作をグループ分けし、同じグループに属する対象者の動作の特徴を表す特徴量を抽出して、体格が類似する対象者に関する動作の習熟度を分析することができ、より良い精度で対象者の動作の習熟度を分析することができる。

上記態様において、特徴量は、対象者の特定の部位の軌跡の長さ及び対象者の動作時間の少なくともいずれかを含んでよい。

この態様によれば、対象者の体格を考慮して対象者の動作をグループ分けし、同じグループに属する対象者の特定の部位の軌跡の長さ及び対象者の動作時間の少なくともいずれかを比較することで、より良い精度で対象者の動作を分析することができる。

本開示の他の態様に係る動作分析方法は、複数の対象者の動作を示す複数の動作情報を取得することと、複数の動作情報を複数のグループのいずれかに分類することと、複数のグループのうちいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析することと、を含み、複数の動作情報は、複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、分類することは、複数の動作情報を、それぞれに含まれる骨格情報を用いて分類することを含む。

この態様によれば、複数の動作情報を、骨格情報を用いて分類し、その分類結果に基づいて動作の分析がお行われる。これにより、骨格等の身体的特徴に応じた分析を対象者に対して実行することができる。従って、対象者を身体的特徴によらず画一的に分析する場合に比べ、対象者の動作をより良い精度で分析することができる。

本開示の他の態様に係る動作分析プログラムは、動作分析装置に備えられた演算部を、複数の対象者の動作を示す複数の動作情報を取得する取得部、複数の動作情報を複数のグループのいずれかに分類する分類部、及び複数のグループのいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析する分析部、として動作させ、複数の動作情報は、複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、分類部は、複数の動作情報を、それぞれに含まれる骨格情報を用いて分類する。

この態様によれば、複数の動作情報を、骨格情報を用いて分類し、その分類結果に基づいて動作の分析がお行われる。これにより、骨格等の身体的特徴に応じた分析を対象者に対して実行することができる。従って、対象者を身体的特徴によらず画一的に分析する場合に比べ、対象者の動作をより良い精度で分析することができる。

本開示の他の態様に係る動作分析システムは、複数の対象者の動作を示す複数の動作情報を測定する測定部と、複数の動作情報を複数のグループのいずれかに分類する分類部と、複数のグループのうちいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析する分析部と、分析部による分析結果を表示する表示部と、を備え、複数の動作情報は、複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、分類部は、複数の動作情報を、それぞれに含まれる骨格情報を用いて分類する。

この態様によれば、複数の動作情報を、骨格情報を用いて分類し、その分類結果に基づいて動作の分析がお行われる。これにより、骨格等の身体的特徴に応じた分析を対象者に対して実行することができる。従って、対象者を身体的特徴によらず画一的に分析する場合に比べ、対象者の動作をより良い精度で分析することができる。

本発明によれば、より良い精度で対象者の動作を分析することができる動作分析装置、動作分析方法、動作分析プログラム及び動作分析システムが提供される。

本発明の実施形態に係る動作分析システムの概要を示す図である。 本実施形態に係る動作分析装置の主な機能ブロックを示す図である。 本実施形態に係る動作分析装置により実行される分析処理の第１例のフローチャートである。 本実施形態に係る動作分析システムの機能ブロックを示す図である。 本実施形態に係る動作分析装置の物理的構成を示す図である。 本実施形態に係る動作分析システムにより測定される動作情報の一例を示す図である。 複数の作業者の作業時間のヒストグラムの一例を示す図である。 本実施形態に係る動作分析装置により分析された複数の作業者の作業時間のヒストグラムの一例を示す図である。 本実施形態に係る動作分析システムにより実行される分析処理の第２例のフローチャートである。 本実施形態に係る動作分析システムにより実行される分析処理の第３例のフローチャートである。 複数の作業者に関する動作情報が測定された時刻と動作時間の関係の一例を示す図である。 本実施形態に係る動作分析装置により分析された、複数の作業者の同一又は同種の作業に関する動作情報が測定された時刻と動作時間の関係の一例を示す図である。 本実施形態に係る動作分析システムにより実行される分析処理の第４例のフローチャートである。 本実施形態に係る動作分析装置により複数のグループに分類された複数の対象者に関する動作情報の一例を示す図である。 本実施形態に係る動作分析システムにより実行される分類処理の一例のフローチャートである。 本実施形態の第１変形例に係る動作分析システムの機能ブロックを示す図である。 本実施形態の第１変形例に係る動作分析システムにより実行される分析処理の一例のフローチャートである。

以下、本発明の一側面に係る実施の形態（以下、「本実施形態」と表記する。）を、図面に基づいて説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。

§１ 適用例
まず、図１から図３を用いて、本発明が適用される場面の一例について説明する。図１は、本実施形態に係る動作分析システム１００の概要を示す図である。動作分析システム１００は、動作分析装置１０を備え、動作分析装置１０は、対象者の動作を分析するための情報処理装置である。ここで、対象者は、分析の対象となる者であり、分析毎に異なり得る。例えば、動作分析装置１０によって、生産現場における作業者の動作を分析する場合、対象者は作業者である。本実施形態では、動作分析装置１０によって、生産現場における作業者の動作を分析する場合について説明する。もっとも、動作分析の対象となる対象者は、生産現場における作業者以外の者であってもよく、スポーツを行う者であったり、任意の動作を行う者であったりしてよい。対象者は、腕、足、指等の身体の特定の部位を欠損した者を含んでもよい。

本実施形態に係る動作分析システム１００は、第１作業者Ａ１及び第２作業者Ａ２の動作を示す動作情報を測定する測定部３０と、動作情報の一種である動画を撮影する第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃと、を備える。動作情報は、第１作業者Ａ１及び第２作業者Ａ２の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含んでよい。ここで、対象者の骨格と関連付けられた身体の複数の部位は、対象者の関節、頭、肩、腰等の任意の部位であってよい。ただし、対象者の骨格と関連付けられた身体の複数の部位は、必ずしも骨と直接関連する身体の複数の部位でなくてもよく、指先、鼻頭及び耳たぶのように、骨格によって位置が定まる身体の複数の部位であってよい。すなわち、骨格情報は、骨と直接関連する身体の複数の部位の位置を示す情報や、骨格によって位置が定まる身体の複数の部位の位置を示す情報を含んでよい。測定部３０は、モーションキャプチャにより構成されてよく、作業領域Ｒにおいて実行された第１作業者Ａ１及び第２作業者Ａ２の骨格と関連付けられた身体の複数の部位に対応する複数のノードの座標値を含む動作情報を測定してよい。また、第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃは、それぞれ汎用のカメラによって構成されてよく、作業領域Ｒにおいて第１作業者Ａ１及び第２作業者Ａ２が動作を実行している場面を含む動画を撮影してよい。動作情報は、第１作業者Ａ１及び第２作業者Ａ２の身体的特徴を表す部位（関節、頭、肩、腰等）に対応する複数のノードの座標値を含む情報であってよいし、第１作業者Ａ１及び第２作業者Ａ２の骨格と関連付けられた身体の複数の部位の位置を示す動画であってもよい。

動作情報は、第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃ等のカメラによって撮影された対象者を含む静止画又は動画であってよい。また、動作情報は、対象者の画像そのものではなく、測定部３０等のモーションキャプチャを用いて対象者の骨格等の身体的特徴をモデル化した情報であってもよい。動作情報は、例えば、対象者の動作の遷移を示す時系列情報であるが、必ずしも時系列情報である必要はない。

本実施形態に係る動作分析システム１００は、製造ライン全体を含む作業領域Ｒにおいて対象者が行う動作を分析するものであるが、作業領域Ｒは、任意の領域であってよく、例えば所定の工程が行われる領域であったり、所定の要素動作が行われる領域であったりしてよい。ここで、要素動作とは、対象者により実行される一単位の動作であり、例えば、部品のピッキング、部品の配置、部品の固定、製品の梱包、ネジ締め、検品といった動作を含む。

図２は、本実施形態に係る動作分析装置１０の主な機能ブロックを示す図である。本実施形態に係る動作分析装置１０は、主として、複数の対象者の動作を示す複数の動作情報を取得する取得部１１と、複数の動作情報を複数のグループのいずれかに分類する分類部１５と、複数のグループのいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析する分析部１６と、備える。

図３は、本実施形態に係る動作分析装置１０により実行される分析処理の第１例のフローチャートである。動作分析装置１０の取得部１１は、第１撮影部２０ａ、第２撮影部２０ｂ、第３撮影部２０ｃ及び測定部３０から、動作情報を取得する（Ｓ１０）。取得部１１は、第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃから、動作情報として動画を取得してよい。また、取得部１１は、測定部３０から、動作情報として、対象者の身体の複数の部位に対応する複数のノードの座標値を取得してよい。取得部１１は、複数の動作情報を一度に取得してもよいし、複数の動作情報をそれぞれ異なるタイミングで取得してもよい。

動作分析装置１０の分類部１５は、複数の動作情報を複数のグループのいずれかに分類する（Ｓ１１）。ここで、分類部１５は、複数の動作情報を、それぞれに含まれる骨格情報を用いて分類してよい。すなわち、複数のグループは、対象者をその身体的特徴によって分類するものである。例えば、分類部１５は、複数の動作情報を用いることで、複数の対象者をその骨格に基づいて分類する。より具体的には、分類部１５は、骨格情報により示される身体の複数の部位の位置に基づいて、複数の動作情報を、対象者のおおよその体格を表す複数のグループのいずれかに分類してよい。例えば、分類部１５は、複数の動作情報を、大柄な対象者のグループと、小柄な対象者のグループとに分類してよい。

動作分析装置１０の分析部１６は、複数のグループのいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析する（Ｓ１２）。例えば、分析部１６は、大柄な対象者又は小柄な対象者のグループに分類された動作情報に基づいて、対象者が動作を完了するまでに要した動作時間を分析し、標準外の動作が行われたか分析したり、動作の習熟度を分析したりしてよい。分析部１６は、分類部１５により分類されたグループ毎に、分析方法を変えたり、分析に用いる基準を変えたりしてもよい。なお、分析部１６が分析対象とするグループは、複数のグループのうち特定のグループであってもよいし、全てのグループであってもよい。分析部１６は、分析結果を示す情報を表示部や他の装置に出力してよい。

本実施形態に係る動作分析装置１０は、骨格情報を用いて動作情報を分類し、その分類結果に基づいて動作の分析を実行する。これにより、動作分析装置１０は、骨格等の身体的特徴に応じた分析を対象者に対して実行することができる。従って、動作分析装置１０によれば、対象者を身体的特徴によらず画一的に分析する場合に比べ、対象者の動作をより良い精度で分析することができる。例えば、大柄な対象者と小柄な対象者とでは動作の傾向に違いがあることがあり、大柄な対象者と小柄な対象者の動作情報が混在している場合に、対象者の動作を画一的な基準によって分析すると、正しい分析が行えなかったり、精度の低い分析になってしまったりすることがある。この点、本実施形態に係る動作分析装置１０によれば、対象者の動作情報を、大柄な対象者のグループと、小柄な対象者のグループとに分類して、それぞれのグループに分類された動作情報に基づいて動作を分析することができ、大柄な対象者に関する動作の分析と、小柄な対象者に関する動作の分析とをそれぞれ実行して、対象者の動作をより良い精度で分析することができる。

また、例えば、身体の特定の部位を欠損している対象者と健常な対象者とでは実行し得る動作に違いがあることがあり、身体の特定の部位を欠損している対象者と健常な対象者の動作情報が混在している場合に、対象者の動作を画一的な基準によって分析すると、正しい分析が行えなかったり、精度の低い分析になってしまったりすることがある。この点、本実施形態に係る動作分析装置１０によれば、対象者の動作情報を、身体の特定の部位を欠損している対象者のグループと、健常な対象者のグループとに分類して、それぞれのグループに分類された動作情報に基づいて動作を分析することができ、身体の特定の部位を欠損している対象者に関する動作の分析と、健常な対象者に関する動作の分析とをそれぞれ実行して、対象者の動作をより良い精度で分析することができる。

§２ 構成例
［機能構成］
次に、図４を用いて、本実施形態に係る動作分析システム１００の機能構成の一例を説明する。動作分析システム１００は、第１撮影部２０ａ、第２撮影部２０ｂ、第３撮影部２０ｃ、測定部３０及び動作分析装置１０を備える。そして、動作分析装置１０は、第１取得部１１、第２取得部１２、第３取得部１３、記憶部１４、分類部１５、分析部１６、選択部１７、入力部１０ｅ及び表示部１０ｆを備える。

＜撮影部＞
第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃは、それぞれ汎用のカメラによって構成されてよく、作業領域Ｒにおいて第１作業者Ａ１及び第２作業者Ａ２が動作を実行している場面を含む動画を撮影してよい。動画は、動作情報の一例であり、対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報を含む。動画は、そのまま動作情報として用いられてもよいし、動画に基づいて作業者の骨格と関連付けられた身体の複数の部位の位置を解析するために用いられてもよい。第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃは、それぞれ作業領域Ｒの一部を撮影してよく、作業領域Ｒよりも狭い領域の動画を撮影してよい。具体的には、第１作業者Ａ１及び第２作業者Ａ２により実行される動作を、特定の領域に注目して撮影した動画であってよい。第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃは、例えば、第１作業者Ａ１及び第２作業者Ａ２の手元をクローズアップした動画を撮影してよい。

また、第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃは、作業領域Ｒを構成する複数の部分をそれぞれ撮影した複数の動画を撮影してよい。例えば、第１撮影部２０ａは、主に第１作業者Ａ１が動作を実行している動画を撮影し、第３撮影部２０ｃは、主に第２作業者Ａ２が動作を実行している動画を撮影し、第２撮影部２０ｂは、第１作業者Ａ１が動作を実行している動画及び第２作業者Ａ２が動作を実行している動画の両方を撮影してよい。また、第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃは、作業領域Ｒにおける複数の位置でそれぞれ異なる工程が実行される動画を撮影してよい。

＜測定部＞
測定部３０は、モーションキャプチャにより構成されてよく、ある作業領域Ｒにおいて実行された第１作業者Ａ１及び第２作業者Ａ２の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報を含む動作情報を測定してよい。測定部３０は、複数の作業者の動作情報を測定してよく、単一ユニットであってもよいし、複数ユニットを含んでもよい。測定部３０の構成は任意であるが、例えば、第１作業者Ａ１及び第２作業者Ａ２にパターン光を投影して、パターン光が投影された状態の第１作業者Ａ１及び第２作業者Ａ２の動画を撮影し、撮影した動画に基づいて、第１作業者Ａ１及び第２作業者Ａ２の複数の骨格と関連付けられた身体の複数の部位の座標値を測定するものであってよい。また、測定部３０は、複数の作業者に関する複数の動作情報を測定する場合、動作情報に作業者を識別する情報を付加してもよい。測定部３０は、第１作業者Ａ１及び第２作業者Ａ２の関節、頭、肩、腰等の任意の部位の座標値を測定するものであってよい。また、測定部３０は、第１作業者Ａ１及び第２作業者Ａ２が装着したトラッカーの位置の座標値を測定するものであってもよい。また、測定部３０は、第１作業者Ａ１及び第２作業者Ａ２の動画を解析して、動画に基づいて作業者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報を含む動作情報を測定するものであってもよい。

動作分析システム１００には、複数の測定部３０が含まれてもよい。複数の測定部３０によって、複数の作業者の動作情報を測定する場合、同一の作業者の動作情報が重複して測定されることがあり得るが、動作情報に作業者を識別する情報を付加して、重複を取り除いたり、異なる測定部３０により測定された動作情報を合成したりしてもよい。なお、複数の測定部３０によって複数の作業者の動作情報を測定する場合、各測定部３０によって一人の作業者の動作情報を測定することとしてもよい。

測定部３０は、第１作業者Ａ１及び第２作業者Ａ２が動作を実行している動画を撮影する第４撮影部を兼ねてもよい。第４撮影部は、作業領域Ｒ全体の動画を撮影してよい。すなわち、第４撮影部は、第１作業者Ａ１及び第２作業者Ａ２が動作を実行している様子を、第１作業者Ａ１及び第２作業者Ａ２が両方含まれるように撮影してよい。一方、第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃは、第１作業者Ａ１及び第２作業者Ａ２の一方が含まれるように、第１作業者Ａ１及び第２作業者Ａ２が動作を実行している動画を撮影してよい。

＜動作分析装置＞
第１取得部１１は、第１作業者Ａ１及び第２作業者Ａ２の動作情報を、測定部３０から取得してよい。第１取得部１１により取得された動作情報は、記憶部１４に伝送され、動作情報履歴１４ａとして記憶される。動作分析システム１００が複数の測定部３０を含む場合、第１取得部１１は、複数の測定部３０それぞれから動作情報を取得してよく、いずれの測定部３０から取得した動作情報であるかを識別する情報を付加して、動作情報を記憶部１４に伝送してもよい。なお、動作情報は、例えば、作業者の骨格と関連付けられた身体の複数の部位の位置を示す座標値を１秒間隔で測定した情報であってよい。

第２取得部１２は、第１作業者Ａ１及び第２作業者Ａ２が動作を実行している動画を、第１撮影部２０ａ、第２撮影部２０ｂ、第３撮影部２０ｃ及び測定部３０（第４撮影部）から取得してよい。第２取得部１２により取得された動画は、記憶部１４に伝送され、動作情報履歴１４ａとして記憶される。第２取得部１２は、複数の撮影部のうちいずれの撮影部から取得した動画であるかを識別する情報を付加して、動画を記憶部１４に伝送してもよい。

記憶部１４は、動作情報履歴１４ａを記憶してよい。動作情報履歴１４ａは、測定部３０により測定された対象者の身体の複数の部位の座標値の履歴や、第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃにより撮影された対象者の動画の履歴を含んでよい。

分類部１５は、複数の動作情報を複数のグループのいずれかに分類してよい。分類部１５は、複数の動作情報を、それぞれに含まれる骨格情報を用いて分類してよい。分類部１５は、複数の動作情報のうちいずれかの動作情報に含まれる骨格情報と、複数の動作情報のうち他のいずれかの動作情報に含まれる骨格情報との差異に基づき、複数の動作情報を複数のグループのいずれかに分類してもよい。ここで、骨格情報の差異とは、骨格情報により示される対象者の身体の複数の部位の位置の差異であってよい。また、複数の対象者として、身体の特定の部位を欠損した者が含まれる場合、骨格情報の差異は、骨格情報により示される対象者の身体の複数の部位の有無であってよい。

このように、骨格情報の差異に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者の体格差に基づいて動作情報をグループ分けすることができ、体格が類似する対象者の動作情報を一つのグループに分類することができる。これにより、体格が類似する対象者の動作を比較して、対象者の動作を分析することができる。

分類部１５は、複数の動作情報を、それぞれに含まれる骨格情報と所定の基準情報との差異に基づき、複数のグループのいずれかに分類してもよい。ここで、所定の基準情報とは、身体の複数の部位の位置と比較可能な情報であり、例えば作業領域の範囲を示す情報であってよい。分類部１５は、例えば、骨格情報により示される対象者の身体の複数の部位の位置が、複数の作業領域のいずれの範囲内にあるかによって、複数の動作情報を複数のグループのいずれかに分類してもよい。

このように、骨格情報と所定の基準情報との差異に基づき、複数の動作情報を複数のグループのいずれかに分類することで、基準情報に基づいて動作情報をグループ分けすることができ、基準情報に関して類似する性質を有する対象者の動作情報を一つのグループに分類することができる。これにより、基準情報に関して類似する性質を有する対象者の動作を比較して、対象者の動作を分析することができる。例えば、基準情報が複数の作業領域の範囲を示す情報である場合、対象者の動作情報を、複数の作業領域のいずれの範囲内で行われた動作であるかによって複数のグループに分類し、作業領域毎に対象者の動作を分析することができる。

分析部１６は、複数のグループのいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析する。分析部１６は、動作情報に基づいて算出され、対象者の動作の特徴を表す特徴量に基づいて、対象者の動作に関する異常の有無を分析してよい。ここで、対象者の動作の特徴を表す特徴量は、対象者の動作を特徴付ける数値であってよく、対象者の特定の部位の軌跡の長さ及び対象者の動作時間の少なくともいずれかを含んでよい。ここで、動作時間は、対象者が動作を開始してから終了するまでの時間の長さであってよい。

このように、対象者の体格を考慮して対象者の動作情報をグループ分けし、同じグループに属する対象者の動作の特徴を表す特徴量を比較することで、対象者の動作が、類似する体格の他の対象者の動作と比較して異常であるか否かを分析することができ、より良い精度で対象者の動作に関する異常の有無を分析することができる。

また、特徴量が、対象者の特定の部位の軌跡の長さ及び対象者の動作時間の少なくともいずれかを含むことで、対象者の体格を考慮して対象者の動作をグループ分けし、同じグループに属する対象者の特定の部位の軌跡の長さ及び対象者の動作時間の少なくともいずれかを比較することができ、より良い精度で対象者の動作を分析することができる。

分析部１６は、動作情報に基づいて算出され、対象者の動作の特徴を表す特徴量に基づいて、対象者の動作の習熟度を分析してもよい。対象者の動作の習熟度は、対象者が所定の動作をより早く、より正確に実行することができるか評価する指標であってよく、例えば、所定の動作を実行した回数に対する動作時間の減少の傾きであってよい。また、習熟度は、単に動作時間であってもよい。

このように、対象者の体格を考慮して対象者の動作をグループ分けし、同じグループに属する対象者の動作の特徴を表す特徴量を抽出して、体格が類似する対象者に関する動作の習熟度を分析することができ、より良い精度で対象者の動作の習熟度を分析することができる。

選択部１７は、対象者の骨格と関連付けられた身体の複数の部位のうち、分類部１５による分類に用いる複数の部位を選択する。選択部１７は、動作情報履歴１４ａに含まれる骨格情報の履歴に基づいて、分類部１５による分類に用いる複数の部位を選択してもよい。また、選択部１７は、入力部１０ｅの入力に基づいて、分類部１５による分類に用いる複数の部位を選択してもよい。

選択部１７によって、対象者の身体的特徴をより良く表す複数の部位を選択することができ、対象者の身体的特徴をより正確に捉えるように動作情報をグループ分けして、より良い精度で対象者の動作を分析することができる。

選択部１７は、複数の対象者に共通して取得された部位であるか否かに基づいて、分類部１５による分類に用いる複数の部位を選択してもよい。例えば、骨格情報が複数の関節の位置を示すものであり、複数の対象者に共通して特定の関節の位置が取得できており、他の関節の位置は、対象者によって取得できていたり、取得できていなかったりする場合、選択部１７は、複数の対象者について共通して取得された特定の関節を、分類部１５による分類に用いる部位として選択してよい。

このように、複数の対象者に共通して取得された部位を、分類部１５による分類に用いる部位として選択することで、複数の対象者の身体的特徴を共通の部位により分類することができ、対象者の身体的特徴をより正確に捉えるように動作情報をグループ分けして、より良い精度で対象者の動作を分析することができる。

選択部１７は、複数の部位のうち隣り合う２つの部位の間の距離と、複数の部位のうち他の隣り合う２つの部位の間の距離との比較に基づいて、分類部１５による分類に用いる部位を選択してもよい。例えば、肘と手首は、隣り合う２つの部位であり、肘と肩は、他の隣り合う２つの部位である。選択部１７は、例えば、肘と手首の間の距離と、肘と肩の間の距離とを比較して、より距離の長い２つの部位を、分類部１５による分類に用いる部位を選択してもよい。より距離の長い隣り合う２つの部位を選択することで、位置の測定における相対誤差がより小さい部位を選択することができる。

このように、複数の部位のうち隣り合う２つの部位の間の距離と、他の隣り合う２つの部位の間の距離との比較によって、位置の測定における相対誤差がより小さくなるように分類部１５による分類に用いる部位を選択することができ、対象者の身体的特徴をより正確に捉えるように動作情報をグループ分けして、より良い精度で対象者の動作を分析することができる。

［ハードウェア構成］
次に、図５を用いて、本実施形態に係る動作分析装置１０のハードウェア構成の一例を説明する。動作分析装置１０は、演算装置に相当するＣＰＵ（Central Processing Unit）１０ａと、記憶部１４に相当するＲＡＭ（Random Access Memory）１０ｂと、記憶部１４に相当するＲＯＭ（Read only Memory）１０ｃと、通信部１０ｄと、入力部１０ｅと、表示部１０ｆとを有する。これらの各構成は、バスを介して相互にデータ送受信可能に接続される。なお、本例では動作分析装置１０が一台のコンピュータで構成される場合について説明するが、動作分析装置１０は、複数のコンピュータを用いて実現されてもよい。

ＣＰＵ１０ａは、ＲＡＭ１０ｂ又はＲＯＭ１０ｃに記憶されたプログラムの実行に関する制御やデータの演算、加工を行う制御部である。ＣＰＵ１０ａは、複数の動作情報を、それぞれに含まれる骨格情報を用いて複数のグループのいずれかに分類し、複数のグループのいずれかのグループに分類された動作情報に基づいて、対象者の動作を分析するプログラム（動作分析プログラム）を実行する演算装置である。ＣＰＵ１０ａは、入力部１０ｅや通信部１０ｄから種々の入力データを受け取り、入力データの演算結果を表示部１０ｆに表示したり、ＲＡＭ１０ｂやＲＯＭ１０ｃに格納したりする。

ＲＡＭ１０ｂは、記憶部１４のうちデータの書き換えが可能なものであり、例えば半導体記憶素子で構成されてよい。ＲＡＭ１０ｂは、ＣＰＵ１０ａが実行する動作分析プログラムや、動作情報履歴１４ａといったデータを記憶する。

ＲＯＭ１０ｃは、記憶部１４のうちデータの読み出しが可能なものであり、例えば半導体記憶素子で構成されてよい。ＲＯＭ１０ｃは、例えば動作分析プログラムや、書き換えが行われないデータを記憶する。

通信部１０ｄは、動作分析装置１０を外部機器に接続するインターフェースである。通信部１０ｄは、第１撮影部２０ａ、第２撮影部２０ｂ、第３撮影部２０ｃ及び測定部３０と例えばＬＡＮ（Local Area Network）により接続されて、第１撮影部２０ａ、第２撮影部２０ｂ及び第３撮影部２０ｃから動画を受信し、測定部３０から動画及び動作情報を受信してよい。また、通信部１０ｄは、インターネットに接続されて、インターネットを介して動画を受信したり、動作情報を受信したりしてもよい。また、通信部１０ｄは、分析部１６による分析結果を外部機器に送信してもよい。

入力部１０ｅは、ユーザからデータの入力を受け付けるものであり、例えば、キーボード、マウス及びタッチパネルを含んでよい。

表示部１０ｆは、ＣＰＵ１０ａによる演算結果を視覚的に表示するものであり、例えば、ＬＣＤ（Liquid Crystal Display）により構成されてよい。表示部１０ｆは、分析部１６による分析結果を表示してよい。

動作分析プログラムは、ＲＡＭ１０ｂやＲＯＭ１０ｃ等のコンピュータによって読み取り可能な記憶媒体に記憶されて提供されてもよいし、通信部１０ｄにより接続される通信ネットワークを介して提供されてもよい。動作分析装置１０では、ＣＰＵ１０ａが動作分析プログラムを実行することにより、図４を用いて説明した第１取得部１１ａ、第２取得部１１ｂ、第３取得部１１ｃ、分類部１５、分析部１６及び選択部１７により実現される動作を含む様々な動作が実現される。なお、これらの物理的な構成は例示であって、必ずしも独立した構成でなくてもよい。例えば、動作分析装置１０は、ＣＰＵ１０ａとＲＡＭ１０ｂやＲＯＭ１０ｃが一体化したＬＳＩ（Large-Scale Integration）を備えていてもよい。

§３ 動作例
図６は、本実施形態に係る動作分析システム１００により測定される動作情報の一例を示す図である。同図では、測定部３０により撮影された画像Ｐ１と、測定部３０により測定された骨格情報とを示している。骨格情報は、対象者の身体の複数の部位に対応する複数のノードの座標値を含んでよい。複数のノードは、対象者の骨格と関連付けられた身体の複数の部位に対応するスケルトンモデルのノードであってよく、複数のノードの間の距離は、スケルトンモデルのエッジの長さであってよい。ここで、スケルトンモデルは、対象者の体格の概形を複数のエッジ及び複数のノードにより示すモデルであってよく、複数のエッジにより対象者の骨格の概形が示され、複数のノードにより複数のエッジの端点及び連結点が示されてよい。本例では、対象者の身体の複数の部位に対応する複数のノードを白色で塗りつぶした円で示しており、ノード間のエッジを白線で示している。

本例の骨格情報は、肘に対応する第１ノードＮ１の座標値と、手首に対応する第２ノードＮ２の座標値と、親指の第２関節に対応する第３ノードＮ３の座標値と、親指の先端に対応する第４ノードＮ４の座標値とを含む。なお、骨格情報は、他のノード（例えば右腕のノード）をさらに含んでよい。

分類部１５は、複数のノードの座標値に基づいて算出される複数のノードの間の距離に関する分類により、複数の動作情報を複数のグループのいずれかに分類してよい。分類部１５は、例えば、複数の対象者について、第１ノードＮ１と第３ノードＮ３との間の距離を算出し、複数の動作情報を、第１ノードＮ１と第３ノードＮ３との間の距離が比較的大きいグループと、第１ノードＮ１と第３ノードＮ３との間の距離が比較的小さいグループとに分類してもよい。分類部１５は、第１ノードＮ１と第３ノードＮ３のように、隣り合わない２つのノードの間の距離に関する分類により、複数の動作情報を複数のグループのいずれかに分類してもよい。

このように、複数のノードの間の距離に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者の体格差に基づいて動作情報をグループ分けすることができ、体格が類似する対象者を一つのグループに分類することができる。これにより、体格が類似する対象者の動作を比較して、対象者の動作を分析することができる。

分類部１５は、複数のノードのうち隣り合う２つのノードの間の距離に関する分類により、複数の動作情報を複数のグループのいずれかに分類してもよい。本例の場合、第１ノードＮ１と第２ノードＮ２は、隣り合う２つのノードであり、第１ノードＮ１と第２ノードＮ２の間の距離はＬ１である。また、第３ノードＮ３と第４ノードＮ４は隣り合う２つのノードであり、第３ノードＮ３と第４ノードＮ４との間の距離はＬ２である。分類部１５は、第１ノードＮ１と第２ノードＮ２との間の距離を算出し、複数の動作情報を、第１ノードＮ１と第２ノードＮ２との間の距離が比較的大きいグループと、第１ノードＮ１と第２ノードＮ２との間の距離が比較的小さいグループとに分類してもよい。同様に、分類部１５は、第３ノードＮ３と第４ノードＮ４との間の距離を算出し、複数の動作情報を、第３ノードＮ３と第４ノードＮ４との間の距離が比較的大きいグループと、第３ノードＮ３と第４ノードＮ４との間の距離が比較的小さいグループとに分類してもよい。

このように、複数のノードのうち隣り合う２つのノードの間の距離に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者に固有の長さに基づいて動作情報をグループ分けすることができ、対象者の身体的特徴をより正確に捉えて、対象者の動作を分析することができる。

また、分類部１５は、複数のノードのうち隣り合う２つのノードの間の距離と、複数のノードのうち他の隣り合う２つのノードの間の距離との比に関する分類により、動作情報を複数のグループのいずれかに分類してもよい。分類部１５は、例えば、第１ノードＮ１と第２ノードＮ２の間の距離Ｌ１と、第３ノードＮ３と第４ノードＮ４との間の距離Ｌ２との比Ｌ１／Ｌ２（又はＬ２／Ｌ１）を算出し、複数の動作情報を、比Ｌ１／Ｌ２が比較的大きいグループと、比Ｌ１／Ｌ２が比較的小さいグループとに分類してもよい。

複数のノードのうち隣り合う２つのノードの間の距離と、他の隣り合う２つのノードの間の距離との比に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者に固有であり、単位系に依存しない量に基づいて動作情報をグループ分けすることができ、対象者の身体的特徴をより正確に捉えて、対象者の動作を分析することができる。

分類部１５は、複数のノードの間の距離と、複数の動作情報とともに第１取得部１１ａにより取得される基準距離との比に関する分類により、動作情報を複数のグループのいずれかに分類してもよい。ここで、基準距離は、隣り合う２つのノードの間の距離と比較可能な距離であり、例えば、作業者により用いられる特定の治具の長さであったり、作業領域に設けられた特定のマーカの長さであったりしてよい。分類部１５は、例えば、第１ノードＮ１と第２ノードＮ２の間の距離Ｌ１と、基準距離Ｌ３との比Ｌ１／Ｌ３（又はＬ３／Ｌ１）を算出し、複数の動作情報を、比Ｌ１／Ｌ３が比較的大きいグループと、比Ｌ１／Ｌ３が比較的小さいグループとに分類してもよい。

複数のノードのうち隣り合う２つのノードの間の距離と、基準距離との比に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者に固有であり、単位系に依存しない量に基づいて動作情報をグループ分けすることができ、対象者の身体的特徴をより正確に捉えて、対象者の動作を分析することができる。

骨格情報に含まれる複数のノードの座標値は、３次元座標値を含んでよい。その場合、分類部１５は、３次元座標値に基づいて算出される複数のノードの間の距離に関する分類により、複数の動作情報を複数のグループのいずれかに分類してよい。例えば、第１ノードＮ１の３次元座標値が（ｘ１、ｙ１、ｚ１）であり、第２ノードＮ２の３次元座標値が（ｘ２、ｙ２、ｚ２）である場合、分類部１５は、（（ｘ１−ｘ２）^２＋（ｙ１−ｙ２）^２＋（ｚ１−ｚ２）^２）^１／２によって、第１ノードＮ１と第２ノードＮ２との間の距離を算出してよい。そして、分類部１５は、複数の動作情報を、第１ノードＮ１と第２ノードＮ２との間の距離が比較的大きいグループと、第１ノードＮ１と第２ノードＮ２との間の距離が比較的小さいグループとに分類してもよい。複数のノードの３次元座標値は、モーションキャプチャ等によって測定したり、ステレオカメラによって測定したりして、第１取得部１１ａ又は第２取得部１１ｂによって取得してよい。

３次元座標値に基づいて算出される複数のノードの間の距離に基づき、複数の動作情報を複数のグループのいずれかに分類することで、対象者の体格差に基づく動作情報のグループ分けをより正確に行うことができ、体格が類似する対象者の動作を比較して、対象者の動作をより正確に分析することができる。

骨格情報に含まれる複数のノードの座標値は、測定された時刻に関連付けられていてよい。その場合、分類部１５は、異なる時刻に測定された複数の座標値に基づいて算出される複数のノードの間の距離の平均に関する分類により、複数の動作情報を複数のグループのいずれかに分類してよい。例えば、分類部１５は、ある対象者について複数の異なる時刻に測定された第１ノードＮ１の座標値と第２ノードＮ２の座標値とから、複数の異なる時刻における第１ノードＮ１と第２ノードＮ２との間の距離を算出して、その平均を算出してよい。そして、分類部１５は、複数の動作情報を、第１ノードＮ１と第２ノードＮ２との間の距離の平均が比較的大きいグループと、第１ノードＮ１と第２ノードＮ２との間の距離の平均が比較的小さいグループとに分類してもよい。

異なる時刻に測定された複数のノードの間の距離の平均に基づき、複数の動作情報を複数のグループのいずれかに分類することで、ノードの座標値の測定における誤差の影響を低減して動作情報をグループ分けすることができ、体格が類似する対象者の動作を比較して、対象者の動作をより正確に分析することができる。

図７は、複数の作業者の作業時間のヒストグラムＧ１の一例を示す図である。ヒストグラムＧ１は、横軸に作業時間を秒（ｓ）の単位で示し、縦軸に度数を示すものである。ヒストグラムＧ１は、複数の作業者が同じ作業を行った場合の作業時間の発生頻度を示している。ヒストグラムＧ１は、作業時間が５秒である第１データＤ１の度数が１１回で最多である。また、ヒストグラムＧ１は、作業時間が９秒であり、度数が１回である第２データＤ２を含む。

ヒストグラムＧ１は、第１データＤ１を平均とする正規分布で近似することができる。ここで、第２データＤ２の作業時間は、平均よりもある程度長いものの、標準外であると判断できるほどに特異な値とはいえない。

図８は、本実施形態に係る動作分析装置１０により分析された複数の作業者の作業時間のヒストグラムＧ２の一例を示す図である。ヒストグラムＧ２は、図７に示したヒストグラムＧ１と同じデータに基づき、分類部１５によって動作情報を２つのグループに分類し、分析部１６によって２つのグループそれぞれについて動作時間の発生頻度を分析した結果を示している。ヒストグラムＧ２は、横軸に作業時間を秒（ｓ）の単位で示し、縦軸に度数を示すものである。分析部１６は、動作情報に基づいて動作時間を算出し、２つのグループについて１秒毎に区切った動作時間の発生回数を集計して、ヒストグラムＧ２を出力する。ここで、動作時間は、対象者の動作の特徴を表す特徴量の一例である。ヒストグラムＧ２は、複数の作業者が同じ作業を行った場合の作業時間の発生頻度を示しており、分類部１５により第１グループに分類された動作情報に基づきプロットされた度数を右斜め縞のハッチングで示しており、分類部１５により第２グループに分類された動作情報に基づきプロットされた度数を左斜め縞のハッチングで示している。

ヒストグラムＧ２では、作業時間が５秒であり、度数の合計が１１回である第１データＤ１が、第１グループの第１データＤ１ａと、第２グループの第１データＤ１ｂとに分解されている。作業時間が５秒である第１グループの第１データＤ１ａは、度数が４回であり、作業時間が５秒である第２グループの第１データＤ１ｂは、度数が７回である。

ヒストグラムＧ２のうち、横縞のハッチングで示した第１グループの度数は、第１グループの第１データＤ１ａの周りに分布しており、作業時間が７秒及び８秒の場合に０回であり、第２データＤ２を外れ値として含んでいる。この場合、分析部１６は、第１グループの第２データＤ２は、標準外であると判定して、この場合の作業者の動作に異常が有ったと分析する。分析部１６は、異常と判定される第２データＤ２を、破線で示した円Ｓで囲って強調表示してよい。なお、強調表示の態様は任意であり、第２データを目に付きやすい色で表示したり、異常が有る旨を示す文字を付加したりしてもよい。

このように、本実施形態に係る動作分析装置１０によれば、対象者の動作情報を複数のグループに分類して、それぞれのグループに分類された動作情報に基づいて動作を分析することで、複数の動作情報をまとめて分析していた場合には明らかでなかった動作の傾向を見出すことができ、対象者の動作をより良い精度で分析することができる。

図９は、本実施形態に係る動作分析システム１００により実行される分析処理の第２例のフローチャートである。はじめに、第１撮影部２０ａ、第２撮影部２０ｂ、第３撮影部２０ｃ及び測定部３０は、複数の対象者の骨格情報を含む複数の動作情報を測定する（Ｓ２０）。

動作分析装置１０の選択部１７は、骨格情報に含まれる複数のノードのうち分類に用いるノードを選択する（Ｓ２１）。その後、分類部１５は、ノードの３次元座標値に基づいて、選択されたノード間の距離の時間平均を算出する（Ｓ２２）。なお、ノード間の距離の時間平均は、異なる時刻に測定されたノードの３次元座標値に基づいて算出される選択されたノード間の距離の平均であってよい。

動作分析装置１０の分類部１５は、算出された距離の時間平均により骨格情報を分類し、動作情報を複数のグループのいずれかに分類する（Ｓ２３）。そして、動作分析装置１０の分析部１６は、複数のグループについて、動作の特徴量に基づいて動作に関する異常の有無を分析する（Ｓ２４）。最後に、動作分析装置１０は、複数のグループの度数及び異常の有無を表示部１０ｆに表示する（Ｓ２５）。なお、複数のグループの度数及び異常の有無は、外部機器に送信されてもよい。また、分析部１６による分析結果は、複数のグループの度数及び異常の有無以外の情報を含んでもよい。

図１０は、本実施形態に係る動作分析システム１００により実行される分析処理の第３例のフローチャートである。はじめに、第１撮影部２０ａ、第２撮影部２０ｂ、第３撮影部２０ｃ及び測定部３０は、複数の対象者の骨格情報を含む複数の動作情報を測定する（Ｓ３０）。

動作分析装置１０の選択部１７は、骨格情報に含まれる複数のノードのうち分類に用いる第１隣接ノード及び第２隣接ノードを選択する（Ｓ３１）。ここで、第１隣接ノードは、骨格情報に含まれる複数のノードのうち隣り合う２つのノードであり、第２隣接ノードは、骨格情報に含まれる複数のノードのうち他の隣り合う２つのノードである。

その後、分類部１５は、第１隣接ノードの３次元座標値に基づいて、第１隣接ノード間の距離を算出し（Ｓ３２）、第２隣接ノードの３次元座標値に基づいて、第２隣接ノード間の距離を算出する（Ｓ３３）。

動作分析装置１０の分類部１５は、算出された第１隣接ノード間の距離と第２隣接ノード間の距離との比により骨格情報を分類し、動作情報を複数のグループのいずれかに分類する（Ｓ３４）。なお、分類部１５は、第１隣接ノード間の距離又は第２隣接ノード間の距離と、複数の動作情報とともに取得される基準距離との比により骨格情報を分類し、動作情報を複数のグループのいずれかに分類してもよい。

そして、動作分析装置１０の分析部１６は、複数のグループについて、動作の特徴量に基づいて動作に関する異常の有無を分析する（Ｓ３５）。最後に、動作分析装置１０は、複数のグループの度数及び異常の有無を表示部１０ｆに表示する（Ｓ３６）。なお、複数のグループの度数及び異常の有無は、外部機器に送信されてもよい。また、分析部１６による分析結果は、複数のグループの度数及び異常の有無以外の情報を含んでもよい。

図１１は、複数の作業者に関する動作情報が測定された時刻と動作時間の関係の一例を示す図である。同図では、複数の作業者が同一又は同種の作業を行った場合における動作時間を縦軸に示し、動作情報が測定された時刻を横軸に示して、動作時間の分布Ｓ１を示している。動作時間の分布Ｓ１は、様々な動作時間と様々な測定時刻とに散らばって記録されており、特別な傾向は見出せない。

図１２は、本実施形態に係る動作分析装置１０により分析された、複数の作業者の同一又は同種の作業に関する動作情報が測定された時刻と動作時間の関係を示す図である。同図では、複数の作業者が同一又は同種の作業を行った場合における動作時間を縦軸に示し、動作情報が測定された時刻を横軸に示して、動作時間の分布Ｓ１及び分布Ｓ２を示している。動作時間の分布Ｓ１は、分類部１５によって第１グループに分類された動作時間の分布であり、動作時間の分布Ｓ２は、分類部１５によって第２グループに分類された動作時間の分布である。同図では、第１グループに属する動作情報を丸印Ｐ１でプロットし、第２グループに属する動作情報を星印Ｐ２でプロットしている。なお、第２グループは、特定の作業者の動作情報のみを含むグループであってよい。分析部１６は、動作情報に基づいて動作時間を算出し、特定の作業者（第２グループ）に関する動作時間と測定時刻の関係を星印Ｐ２でプロットし、他の作業者（第１グループ）に関する動作時間と測定時刻の関係を丸印Ｐ１でプロットして、動作時間の分布Ｓ１及び分布Ｓ２を出力する。ここで、動作時間は、対象者の動作の特徴を表す特徴量の一例である。

分析部１６は、星印Ｐ２で示した特定の作業者の動作時間と測定時刻との関係を分析し、分析結果に係るグラフＬを出力してよい。本例では、分析部１６は、星印Ｐ２で示した特定の作業者の動作時間と測定時刻との関係を線形回帰モデルにより分析し、線形のグラフＬを出力している。もっとも、分析部１６は、任意のモデルを用いて、対象者の動作の特徴を表す任意の特徴量を分析してよい。

分析部１６は、作業者が同じ動作を繰り返す過程で動作時間が変化する傾向に基づいて、対象者の動作の習熟度を分析してよい。より具体的には、分析部１６は、作業者が同じ動作を繰り返す過程で動作時間が減少していき、対象者がその動作に習熟していく過程を分析してよい。本例の場合、分析部１６は、グラフＬを出力して、グラフＬの傾きに基づいて、対象者の動作の習熟度を分析してよい。

図１１に示す動作時間の分布Ｓ１のみからは、作業者が同じ動作を繰り返す過程で動作時間が変化する傾向を読み取ることはできないが、本実施形態に係る動作分析装置１０によれば、特定の作業者（第２グループ）の動作時間を抽出し、作業者が同じ動作を繰り返す過程で動作時間が変化する傾向を明らかにして、対象者の動作の習熟度を分析することができる。このように、分類部１５によって動作情報を分類し、体格の異なる作業者について測定された動作情報を区別することで、複数の作業者の動作情報をまとめて分析する場合には把握が困難だった作業の習熟度を分析することができる。

図１３は、本実施形態に係る動作分析システム１００により実行される分析処理の第４例のフローチャートである。はじめに、第１撮影部２０ａ、第２撮影部２０ｂ、第３撮影部２０ｃ及び測定部３０は、複数の対象者の骨格情報を含む複数の動作情報を測定する（Ｓ４０）。

動作分析装置１０の選択部１７は、骨格情報に含まれる複数のノードのうち分類に用いるノードを選択する（Ｓ４１）。その後、分類部１５は、ノードの３次元座標値に基づいて、選択されたノード間の距離を算出する（Ｓ４２）。なお、分類部１５は、ノードの３次元座標値に基づいて、選択されたノード間の距離の時間平均を算出してもよい。

動作分析装置１０の分類部１５は、算出された距離により骨格情報を分類し、動作情報を複数のグループのいずれかに分類する（Ｓ４３）。そして、動作分析装置１０の分析部１６は、特定のグループについて、動作情報に基づいて動作時間を算出し（Ｓ４４）、動作時間に基づいて、特定のグループに属する対象者の動作の習熟度を分析する（Ｓ４５）。最後に、動作分析装置１０は、習熟度を表すグラフを表示部１０ｆに表示する（Ｓ４６）。なお、習熟度を表すグラフは、外部機器に送信されてもよい。また、分析部１６による分析結果は、習熟度を表す数値を含んでもよい。

図１４は、本実施形態に係る動作分析装置１０により複数のグループに分類された複数の対象者に関する動作情報の一例を示す図である。同図では、横軸に第１隣接ノード間の距離を示し、縦軸に第２隣接ノード間の距離を示して、分類部１５によって、第１隣接ノード間の距離及び第２隣接ノード間の距離により複数の動作情報を分類した結果を示している。ここで、第１隣接ノードは、骨格情報に含まれる複数のノードのうち隣り合う２つのノードであり、第２隣接ノードは、骨格情報に含まれる複数のノードのうち他の隣り合う２つのノードである。また、同図に示す複数の点は、それぞれ動作情報を表す。

分類部１５は、第１隣接ノード間の距離及び第２隣接ノード間の距離に関する分類により、複数の動作情報を第１グループＣ１、第２グループＣ２及び第３グループＣ３のいずれかに分類する。分類部１５による分類によって、複数の動作情報が複数のグループに適切に分類されていることが読み取れる。

仮に、第１隣接ノード間の距離のみに関する分類により、複数の動作情報を複数のグループのいずれかに分類する場合、第２グループＣ２と第３グループＣ３を異なるグループとして区別することは困難となる。また、第２隣接ノード間の距離のみに関する分類により、複数の動作情報を複数のグループのいずれかに分類する場合、第１グループＣ１と第２グループＣ２を異なるグループとして区別することは困難となる。本実施形態に係る動作分析装置１０は、分類部１５によって、骨格情報に含まれる複数のノードのうち隣り合う２つのノードの間の距離と、骨格情報に含まれる複数のノードのうち他の隣り合う２つのノードの間の距離とを用いて、複数の動作情報を複数のグループのいずれかに分類することで、複数の動作情報をより詳細に分類することができる。複数の動作情報をより詳細に分類できることで、対象者の身体的特徴をより正確に捉えて、対象者の動作を分析することができる。

なお、本例では第１隣接ノード間の距離及び第２隣接ノード間の距離により複数の動作情報を分類する場合について説明したが、分類部１５は、任意の数の隣接ノード間の距離により複数の動作情報を分類してもよい。また、分類部１５は、第１隣接ノード間の距離と第２隣接ノード間の距離との比と、第１隣接ノード間の距離と第３隣接ノード間の距離との比とにより複数の動作情報を分類してもよい。また、分類部１５は、第１隣接ノード間の距離と基準距離との比と、第２隣接ノード間の距離と基準距離との比とにより複数の動作情報を分類してもよい。さらに、分類部１５は、第１隣接ノード間の距離と第２隣接ノード間の距離との比と、第１隣接ノード間の距離と基準距離との比とにより複数の動作情報を分類してもよい。

図１５は、本実施形態に係る動作分析装置１０により実行される分類処理の一例のフローチャートである。はじめに、第１撮影部２０ａ、第２撮影部２０ｂ、第３撮影部２０ｃ及び測定部３０は、複数の対象者の骨格情報を含む複数の動作情報を測定する（Ｓ５０）。

動作分析装置１０の選択部１７は、骨格情報に含まれる複数のノードのうち分類に用いる第１隣接ノード及び第２隣接ノードを選択する（Ｓ５１）。ここで、第１隣接ノードは、骨格情報に含まれる複数のノードのうち隣り合う２つのノードであり、第２隣接ノードは、骨格情報に含まれる複数のノードのうち他の隣り合う２つのノードである。

その後、分類部１５は、第１隣接ノードの３次元座標値に基づいて、第１隣接ノード間の距離を算出し（Ｓ５２）、第２隣接ノードの３次元座標値に基づいて、第２隣接ノード間の距離を算出する（Ｓ５３）。

動作分析装置１０の分類部１５は、算出された距離により骨格情報を分類し、動作情報を複数のグループのいずれかに分類する（Ｓ５４）。なお、分類部１５は、ｋ−ｍｅａｎｓ法等の任意のアルゴリズムを用いて動作情報を複数のグループのいずれかに分類してよい。

最後に、動作分析装置１０は、分類部１５による分類結果を表示部１０ｆに表示する（Ｓ５５）。なお、分類結果は、外部機器に送信されてもよい。

§４ 変形例
図１６は、本実施形態の変形例に係る動作分析装置１０Ａの機能ブロックを示す図である。本変形例に係る動作分析装置１０Ａは、記憶部１４にコンテンツ１４ｂが記憶され、選択部１７は、分析部１６による分析結果に基づいて、対象者に対応するコンテンツ１４ｂを選択してよい点で、本実施形態に係る動作分析装置１０と相違する。その他の構成について、本変形例に係る動作分析装置１０Ａは、本実施形態に係る動作分析装置１０と同様の構成を備える。

コンテンツ１４ｂは、動画、画像又はテキスト等の任意の情報であってよく、例えば、動作の手本となる動画であったり、動作を円滑にする道具に関する情報であったりしてよい。

例えば、分析部１６による分析結果が、対象者の動作に関する異常の有無を分析した結果である場合、選択部１７は、コンテンツ１４ｂとして、異常が有ると分析された動作について手本となる動画を選択してよい。また、例えば、分析部１６による分析結果が、対象者の動作の習熟度を分析した結果である場合、選択部１７は、コンテンツ１４ｂとして、習熟度に応じて内容が異なる手本となる動画を選択したり、習熟度に応じて異なる治具や道具に関する情報を選択したりしてよい。

このように、分析結果に基づいて、対象者が参考とすべき道具に関するコンテンツを推薦したり、対象者が参考とすべきが動作に関するコンテンツを推薦したりして、対象者の動作の改善を促すことができる。

なお、選択部１７は、分析部１６による分析結果に基づいて、コンテンツ１４ｂとして、標準的でない動作を実行している動画を選択したり、不適切な道具に関する情報を選択したりしてもよい。これにより、どのようなミス事例が生じているかを啓蒙することができ、ミスが発生することを防止できる。

図１７は、本実施形態の変形例に係る動作分析装置１０Ａにより実行される分析処理の一例のフローチャートである。同図に示す処理は、分析部１６による分析結果が得られた後に実行される。

動作分析装置１０の選択部１７は、分析部１６による分析結果に対象者の異常な動作に関する情報が含まれる場合（Ｓ６０：ＹＥＳ）、記憶部１４を検索し、異常が有った動作に関する手本動画を選択する（Ｓ６１）。そして、動作分析装置１０は、表示部１０ｆに選択された手本動画を表示する（Ｓ６２）。なお、選択された手本動画は、外部機器に送信されてもよい。

動作分析装置１０の選択部１７は、分析部１６による分析結果に対象者の動作の習熟度に関する情報が含まれる場合（Ｓ６３：ＹＥＳ）、記憶部１４を検索し、習熟度に応じた手本動画及び治具に関する情報を選択する（Ｓ６４）。そして、動作分析装置１０は、表示部１０ｆに選択された手本動画及び治具に関する情報を表示する（Ｓ６５）。なお、選択された手本動画及び治具に関する情報は、外部機器に送信されてもよい。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

本発明の実施形態は、以下の付記のようにも記載され得る。ただし、本発明の実施形態は、以下の付記に記載した形態に限定されない。また、本発明の実施形態は、付記間の記載を置換したり、組み合わせたりした形態であってもよい。

［付記１］
複数の対象者の動作を示す複数の動作情報を取得する取得部（１１）と、
前記複数の動作情報を複数のグループのいずれかに分類する分類部（１５）と、
前記複数のグループのいずれかのグループに分類された前記動作情報に基づいて、前記対象者の動作を分析する分析部（１６）と、を備え、
前記複数の動作情報は、前記複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、
前記分類部（１５）は、前記複数の動作情報を、それぞれに含まれる前記骨格情報を用いて分類する、
動作分析装置（１０）。

［付記２］
前記分類部（１５）は、前記複数の動作情報のうちいずれかの動作情報に含まれる前記骨格情報と、前記複数の動作情報のうち他のいずれかの動作情報に含まれる前記骨格情報との差異に基づき、前記複数の動作情報を前記複数のグループのいずれかに分類する、
付記１に記載の動作分析装置（１０）。

［付記３］
前記分類部（１５）は、前記複数の動作情報を、それぞれに含まれる前記骨格情報と所定の基準情報との差異に基づき、前記複数のグループのいずれかに分類する、
付記１に記載の動作分析装置（１０）。

［付記４］
前記骨格情報は、前記複数の部位に対応する複数のノードの座標値を含み、
前記分類部（１５）は、前記座標値に基づいて算出される前記複数のノードの間の距離に関する分類により、前記複数の動作情報を前記複数のグループのいずれかに分類する、
付記１から３のいずれか一項に記載の動作分析装置（１０）。

［付記５］
前記分類部（１５）は、前記複数のノードのうち隣り合う２つのノードの間の距離に関する分類により、前記複数の動作情報を前記複数のグループのいずれかに分類する、
付記４に記載の動作分析装置（１０）。

［付記６］
前記分類部（１５）は、前記複数のノードのうち隣り合う２つのノードの間の距離と、前記複数のノードのうち他の隣り合う２つのノードの間の距離との比に関する分類により、前記動作情報を前記複数のグループのいずれかに分類する、
付記４又は５に記載の動作分析装置（１０）。

［付記７］
前記分類部（１５）は、前記複数のノードの間の距離と、前記複数の動作情報とともに前記取得部（１１）により取得される基準距離との比に関する分類により、前記動作情報を前記複数のグループのいずれかに分類する、
付記４から６のいずれか一項に記載の動作分析装置（１０）。

［付記８］
前記座標値は、３次元座標値を含み、
前記分類部（１５）は、前記３次元座標値に基づいて算出される前記複数のノードの間の距離に関する分類により、前記複数の動作情報を前記複数のグループのいずれかに分類する、
付記４から７のいずれか一項に記載の動作分析装置（１０）。

［付記９］
前記座標値は、測定された時刻に関連付けられ、
前記分類部（１５）は、異なる時刻に測定された複数の前記座標値に基づいて算出される前記複数のノードの間の距離の平均に関する分類により、前記複数の動作情報を前記複数のグループのいずれかに分類する、
付記４から８のいずれか一項に記載の動作分析装置（１０）。

［付記１０］
前記複数の部位のうち、前記分類部（１５）による分類に用いる複数の部位を選択する選択部（１７）をさらに備える、
付記１から９のいずれか一項に記載の動作分析装置（１０）。

［付記１１］
前記選択部（１７）は、前記複数の対象者に共通して取得された部位であるか否かに基づいて、前記分類部（１５）による分類に用いる複数の部位を選択する、
付記１０に記載の動作分析装置（１０）。

［付記１２］
前記選択部（１７）は、前記複数の部位のうち隣り合う２つの部位の間の距離と、前記複数の部位のうち他の隣り合う２つの部位の間の距離との比較に基づいて、前記分類部（１５）による分類に用いる部位を選択する、
付記１０に記載の動作分析装置（１０）。

［付記１３］
前記選択部（１７）は、前記分析部（１６）による分析結果に基づいて、前記対象者に対応するコンテンツを選択する、
付記１０から１２のいずれか一項に記載の動作分析装置（１０）。

［付記１４］
前記分析部（１６）は、前記動作情報に基づいて算出され、前記対象者の動作の特徴を表す特徴量に基づいて、前記対象者の動作に関する異常の有無を分析する、
付記１から１３のいずれか一項に記載の動作分析装置（１０）。

［付記１５］
前記分析部（１６）は、前記動作情報に基づいて算出され、前記対象者の動作の特徴を表す特徴量に基づいて、前記対象者の動作の習熟度を分析する、
付記１から１４のいずれか一項に記載の動作分析装置（１０）。

［付記１６］
前記特徴量は、前記対象者の特定の部位の軌跡の長さ及び前記対象者の動作時間の少なくともいずれかを含む、
付記１４又は１５に記載の動作分析装置（１０）。

［付記１７］
複数の対象者の動作を示す複数の動作情報を取得することと、
前記複数の動作情報を複数のグループのいずれかに分類することと、
前記複数のグループのうちいずれかのグループに分類された前記動作情報に基づいて、前記対象者の動作を分析することと、を含み、
前記複数の動作情報は、前記複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、
前記分類することは、前記複数の動作情報を、それぞれに含まれる前記骨格情報を用いて分類することを含む、
動作分析方法。

［付記１８］
動作分析装置（１０）に備えられた演算部を、
複数の対象者の動作を示す複数の動作情報を取得する取得部（１１）、
前記複数の動作情報を複数のグループのいずれかに分類する分類部（１５）、及び
前記複数のグループのいずれかのグループに分類された前記動作情報に基づいて、前記対象者の動作を分析する分析部（１６）、として動作させ、
前記複数の動作情報は、前記複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、
前記分類部（１５）は、前記複数の動作情報を、それぞれに含まれる前記骨格情報を用いて分類する、
動作分析プログラム。

［付記１９］
複数の対象者の動作を示す複数の動作情報を測定する測定部（３０）と、
前記複数の動作情報を複数のグループのいずれかに分類する分類部（１５）と、
前記複数のグループのうちいずれかのグループに分類された前記動作情報に基づいて、前記対象者の動作を分析する分析部（１６）と、
前記分析部（１６）による分析結果を表示する表示部（１０ｆ）と、を備え、
前記複数の動作情報は、前記複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、
前記分類部（１５）は、前記複数の動作情報を、それぞれに含まれる前記骨格情報を用いて分類する、
動作分析システム。

１０…動作分析装置、１０Ａ…変形例に係る動作分析装置、１０ａ…ＣＰＵ、１０ｂ…ＲＡＭ、１０ｃ…ＲＯＭ、１０ｄ…通信部、１０ｅ…入力部、１０ｆ…表示部、１１…取得部、１１ａ…第１取得部、１１ｂ…第２取得部、１１ｃ…第３取得部、１４…記憶部、１４ａ…動作情報履歴、１４ｂ…コンテンツ、１５…分類部、１６…分析部、１７…選択部、２０ａ…第１撮影部、２０ｂ…第２撮影部、２０ｃ…第３撮影部、３０…測定部、１００…動作分析システム、Ａ１…第１作業者、Ａ２…第２作業者、Ｃ１…第１グループ、Ｃ２…第２グループ、Ｃ３…第３グループ、Ｄ１…第１データ、Ｄ１ａ…第１グループの第１データ、Ｄ１ｂ…第２グループの第１データ、Ｄ２…第２データ、Ｇ１…作業時間のヒストグラム、Ｇ２…分析結果に係るヒストグラム、Ｌ…分析結果に係るグラフ、Ｌ１…第１隣接ノード間の距離、Ｌ２…第２隣接ノード間の距離、Ｎ１…第１ノード、Ｎ２…第２ノード、Ｎ３…第３ノード、Ｎ４…第４ノード、Ｐ１…動作情報の例、Ｒ…作業領域、Ｓ…円、Ｓ１…動作時間の分布、Ｓ２…第３作業者の動作時間

Claims (19)

1. 複数の対象者の動作を示す複数の動作情報を取得する取得部と、
   前記複数の動作情報を複数のグループのいずれかに分類する分類部と、
   前記複数のグループのいずれかのグループに分類された前記動作情報に基づいて、前記対象者の動作を分析する分析部と、を備え、
   前記複数の動作情報は、前記複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、
   前記分類部は、前記複数の動作情報を、それぞれに含まれる前記骨格情報を用いて分類する、
   動作分析装置。
2. 前記分類部は、前記複数の動作情報のうちいずれかの動作情報に含まれる前記骨格情報と、前記複数の動作情報のうち他のいずれかの動作情報に含まれる前記骨格情報との差異に基づき、前記複数の動作情報を前記複数のグループのいずれかに分類する、
   請求項１に記載の動作分析装置。
3. 前記分類部は、前記複数の動作情報を、それぞれに含まれる前記骨格情報と所定の基準情報との差異に基づき、前記複数のグループのいずれかに分類する、
   請求項１に記載の動作分析装置。
4. 前記骨格情報は、前記複数の部位に対応する複数のノードの座標値を含み、
   前記分類部は、前記座標値に基づいて算出される前記複数のノードの間の距離に関する分類により、前記複数の動作情報を前記複数のグループのいずれかに分類する、
   請求項１から３のいずれか一項に記載の動作分析装置。
5. 前記分類部は、前記複数のノードのうち隣り合う２つのノードの間の距離に関する分類により、前記複数の動作情報を前記複数のグループのいずれかに分類する、
   請求項４に記載の動作分析装置。
6. 前記分類部は、前記複数のノードのうち隣り合う２つのノードの間の距離と、前記複数のノードのうち他の隣り合う２つのノードの間の距離との比に関する分類により、前記動作情報を前記複数のグループのいずれかに分類する、
   請求項４又は５に記載の動作分析装置。
7. 前記分類部は、前記複数のノードの間の距離と、前記複数の動作情報とともに前記取得部により取得される基準距離との比に関する分類により、前記動作情報を前記複数のグループのいずれかに分類する、
   請求項４から６のいずれか一項に記載の動作分析装置。
8. 前記座標値は、３次元座標値を含み、
   前記分類部は、前記３次元座標値に基づいて算出される前記複数のノードの間の距離に関する分類により、前記複数の動作情報を前記複数のグループのいずれかに分類する、
   請求項４から７のいずれか一項に記載の動作分析装置。
9. 前記座標値は、測定された時刻に関連付けられ、
   前記分類部は、異なる時刻に測定された複数の前記座標値に基づいて算出される前記複数のノードの間の距離の平均に関する分類により、前記複数の動作情報を前記複数のグループのいずれかに分類する、
   請求項４から８のいずれか一項に記載の動作分析装置。
10. 前記複数の部位のうち、前記分類部による分類に用いる複数の部位を選択する選択部をさらに備える、
    請求項１から９のいずれか一項に記載の動作分析装置。
11. 前記選択部は、前記複数の対象者に共通して取得された部位であるか否かに基づいて、前記分類部による分類に用いる複数の部位を選択する、
    請求項１０に記載の動作分析装置。
12. 前記選択部は、前記複数の部位のうち隣り合う２つの部位の間の距離と、前記複数の部位のうち他の隣り合う２つの部位の間の距離との比較に基づいて、前記分類部による分類に用いる部位を選択する、
    請求項１０に記載の動作分析装置。
13. 前記選択部は、前記分析部による分析結果に基づいて、前記対象者に対応するコンテンツを選択する、
    請求項１０から１２のいずれか一項に記載の動作分析装置。
14. 前記分析部は、前記動作情報に基づいて算出され、前記対象者の動作の特徴を表す特徴量に基づいて、前記対象者の動作に関する異常の有無を分析する、
    請求項１から１３のいずれか一項に記載の動作分析装置。
15. 前記分析部は、前記動作情報に基づいて算出され、前記対象者の動作の特徴を表す特徴量に基づいて、前記対象者の動作の習熟度を分析する、
    請求項１から１４のいずれか一項に記載の動作分析装置。
16. 前記特徴量は、前記対象者の特定の部位の軌跡の長さ及び前記対象者の動作時間の少なくともいずれかを含む、
    請求項１４又は１５に記載の動作分析装置。
17. 複数の対象者の動作を示す複数の動作情報を取得することと、
    前記複数の動作情報を複数のグループのいずれかに分類することと、
    前記複数のグループのうちいずれかのグループに分類された前記動作情報に基づいて、前記対象者の動作を分析することと、を含み、
    前記複数の動作情報は、前記複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、
    前記分類することは、前記複数の動作情報を、それぞれに含まれる前記骨格情報を用いて分類することを含む、
    動作分析方法。
18. 動作分析装置に備えられた演算部を、
    複数の対象者の動作を示す複数の動作情報を取得する取得部、
    前記複数の動作情報を複数のグループのいずれかに分類する分類部、及び
    前記複数のグループのいずれかのグループに分類された前記動作情報に基づいて、前記対象者の動作を分析する分析部、として動作させ、
    前記複数の動作情報は、前記複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、
    前記分類部は、前記複数の動作情報を、それぞれに含まれる前記骨格情報を用いて分類する、
    動作分析プログラム。
19. 複数の対象者の動作を示す複数の動作情報を測定する測定部と、
    前記複数の動作情報を複数のグループのいずれかに分類する分類部と、
    前記複数のグループのうちいずれかのグループに分類された前記動作情報に基づいて、前記対象者の動作を分析する分析部と、
    前記分析部による分析結果を表示する表示部と、を備え、
    前記複数の動作情報は、前記複数の対象者の骨格と関連付けられた身体の複数の部位の位置を示す骨格情報をそれぞれ含み、
    前記分類部は、前記複数の動作情報を、それぞれに含まれる前記骨格情報を用いて分類する、
    動作分析システム。