JP2021157289A - アニメーション生成装置、アニメーション生成方法及びプログラム - Google Patents

Abstract

【課題】ユーザの運動中のフォームを表すユーザアニメーションを適切に生成できるアニメーション生成装置、アニメーション生成方法及びプログラムを提供する。【解決手段】フォーム情報表示装置１００は、分類部１１１と、特徴パラメータ取得部１１２と、生成部１１３と、を備える。分類部１１１は、ユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する。特徴パラメータ取得部１１２は、ユーザの運動状態を表すユーザ運動状態パラメータのうち、分類部１１１により分類されたユーザの運動中のフォームの特徴を表す特徴パラメータを取得する。生成部１１３は、特徴パラメータ取得部１１２により取得された特徴パラメータに基づいて、ユーザの運動中のフォーム表すユーザアニメーションを生成する。【選択図】図２

Description

本発明は、アニメーション生成装置、アニメーション生成方法及びプログラムに関する。

ユーザが運動時の実際の運動姿勢を知るために、胴体や手足に装着した加速度センサ等により運動中に取得した情報を用いて、ユーザの運動姿勢を再現する技術が提案されている。

特許文献１には、運動中の人体の動作状態に関連するデータを取得するセンサ機器により取得されたデータに基づいて、運動中の人体の姿勢を反映したスケルトンモデルによるアニメーションを生成するアニメーション生成装置が開示されている。このアニメーション生成装置は、分析結果に含まれる指標に対応付けて、予め、スケルトンアニメーションの単位画像データが多数保存されたデータベース（以下「ｄｂ」という）を備えている。また、運動情報生成システムでは、ユーザのランニング中におけるユーザの動作がセンサで検出され、その検出結果を分析することによって得られたユーザのピッチやストライド、体幹のブレ、接地時間などの複数のユーザ指標と一致又は近似する指標に対応する単位画像データを、上記のｄｂから読み出す。そして、読み出した単位画像データに基づいて、ユーザのランニング中の運動状態を反映したユーザアニメーションを生成する。

特開２０１４−１２４４４８号公報

人間のランニングフォームは千差万別であるため、指標が上記の複数のユーザ指標の一部について一致又は近似している場合であっても、その指標に対応するｄｂ内のアニメーションがユーザのランニングフォームを適切に表しているとは限らない。このため、従来の運動フォームデータ生成システムでは、ユーザアニメーションを適切に生成できないおそれがある。

本発明は、上記のような課題を解決するためになされたものであり、ユーザの運動中のフォームを表すユーザアニメーションを適切に生成できるアニメーション生成装置、アニメーション生成方法及びプログラムを提供することを目的とする。

本発明の目的を達成するため、本発明に係るアニメーション生成装置の一様態は、
ユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する分類手段と、
前記ユーザの運動状態を表すユーザ運動状態パラメータのうち、前記分類手段により分類された前記ユーザの運動中のフォームの特徴を表す特徴パラメータを取得する特徴パラメータ取得手段と、
前記特徴パラメータ取得手段により取得された前記特徴パラメータに基づいて、前記ユーザの運動中のフォームを表すユーザアニメーションを生成する生成手段と、
を備える。

本発明によれば、ユーザの運動中のフォームを表すユーザアニメーションを適切に生成できるアニメーション生成装置、アニメーション生成方法及びプログラムを提供することができる。

本発明の実施の形態に係るフォーム情報表示システムを示す図である。 本発明の実施の形態に係るフォーム情報表示装置の構成を示すブロック図である。 本発明の実施の形態に係るフォーム情報表示装置のデータベースに記憶されたデータを示す図である。 本発明の実施の形態に係る運動状態パラメータをプロットした図である。 本発明の実施の形態に係るウエストセンサの構成を示すブロック図である。 本発明の実施の形態に係る分類条件作成処理を示すフローチャートである。 本発明の実施の形態に係る分類条件および特徴パラメータを示すテーブルである。 本発明の実施の形態に係る運動データ送信処理を示すフローチャートである。 本発明の実施の形態に係る表示処理を示すフローチャートである。 本発明の実施の形態に係るアニメーション作成処理を示すフローチャートである。

以下、本発明を実施するための形態に係るフォーム情報表示システム及びフォーム情報表示装置について図面を参照しながら説明する。

本実施の形態に係るフォーム情報表示システム１は、図１に示すように、フォーム情報表示装置（アニメーション生成装置）１００と、ウエストセンサ２００と、を備える。ウエストセンサ２００は、ベルト１０によりユーザの腰に装着され、ユーザの運動状態を表す複数のユーザ運動状態パラメータを取得（検出）し、取得した複数のユーザ運動状態パラメータをフォーム情報表示装置１００に送信する。フォーム情報表示装置１００は、ウエストセンサ２００から送信された複数のユーザ運動状態パラメータを取得し、ユーザの運動中のフォームを表すユーザアニメーションを生成し、生成したユーザアニメーションを表示する。ここでは、ユーザがランニングする場合に、ユーザのランニングフォームを表すユーザアニメーションを生成し、生成したユーザアニメーションを表示する例について説明する。なお、ランニングとは、両足を同時に接地せず、少なくとも右足又は左足の何れか一方が地面から離れて、歩行速度より速く移動することである。

フォーム情報表示装置１００は、図２に示すように、制御部１１０と、通信部１２０と、ディスプレイ１３０と、操作部１４０と、ＲＯＭ（Read Only Memory）１５０と、ＲＡＭ（Random Access Memory）１６０と、を備える。フォーム情報表示装置１００は、例えば、スマートフォンやタブレットＰＣ（Personal Computer）から構成される。ＲＯＭ１５０は、フラッシュメモリ等の不揮発性メモリから構成され、スケルトンアニメーションデータを格納するデータベースＤＢ、及び、制御部１１０が各種機能を実現するためのプログラムを記憶する。ＲＡＭ１６０は、揮発性メモリから構成され、制御部１１０が各種処理を行うためのプログラムを実行するための作業領域として用いられる。

データベースＤＢは、図３に示すように、複数の人間の各々の運動状態が反映されたスケルトンアニメーションデータと、ウエストセンサ２００を複数の人間の各々に装着した場合にこのウエストセンサ２００により取得（検出）された複数の人間の各々の運動状態を表す複数の運動状態パラメータと、を対応付けて記憶する。スケルトンとは、一般に、動物や人間の全体的骨格を指すもので、スケルトンそのもので動作を表現したり、コンピュータグラフィックにてバインドしたモデルをアニメートしたりするために用いられ、可動部であるジョイント（関節）と、剛体であるボーンから構成される。具体的には、被験者ｎにウエストセンサ２００を取り付け、複数（Ｎ）人の被験者ｎがランニングしているとき、ウエストセンサ２００により取得された複数の運動状態パラメータと、モーションキャプチャを用いて作成されたスケルトンアニメーションデータと、をそれぞれ取得する。なお、ｎは、１からＮまでの自然数である。データベースＤＢには、取得した各被験者ｎの複数の運動状態パラメータＰ１〜Ｐ１０と、スケルトンアニメーションデータと、が対応付けて記憶される。ここでは、Ｎ人の被験者のデータが記憶される。複数の運動状態パラメータＰ１〜Ｐ１０は、例えばそれぞれ、各被験者ｎの接地時間率、被験者ｎの走行速度、被験者ｎの腰の上下動、被験者ｎの沈み込み量、被験者ｎの前方への加速度、被験者ｎの腰の回転角度、被験者ｎの腰の前傾角度、被験者ｎの腕の振り、被験者ｎのピッチ（１歩にかかる時間）及び、被験者ｎのストライド（歩幅）を含む。接地時間率は、接地時間をピッチで除したものであり、接地時間は、被験者の片足が接地している時間である。沈み込み量は、被験者ｎが接地した瞬間における被験者ｎの腰の上下方向の座標をゼロとしたときに、このゼロから被験者ｎの腰の沈み込みの最下点までの距離を、被験者ｎの身長で除したものである。腰の回転角度は、上下方向を軸としたときの腰の最大回転角度である。なお、スケルトンアニメーションについては、特開２０１８−２６１４９号公報に詳細に記載されている。

図２に示す制御部１１０は、ＣＰＵ（Central Processing Unit）等から構成される。制御部１１０は、ＲＯＭに記憶されたプログラムを実行することにより、分類部１１１、特徴パラメータ取得部１１２、及び生成部１１３として機能する。

分類部１１１は、被験者ｎとは異なるユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する。また、分類部１１１は、ユーザの運動中のフォームを分類するための閾値を含む分類条件を予め作成する。分類条件の作成は、例えば次のようにして行われる。分類部１１１は、被験者ｎのスケルトンアニメーションに対応する複数の運動状態パラメータをタイプ１〜４の基準閾値と比較する。基準閾値は、それぞれのタイプ毎に予め設定される。次に、分類部１１１は、被験者ｎのスケルトンアニメーションをタイプ１〜４の何れかに分類し、データベースＤＢに記憶する。次に、データベースＤＢに記憶された被験者のランニングフォームのタイプと運動状態パラメータとに基づいて、タイプｍに分類された複数の被験者の運動状態パラメータを平均化することによって、最終的な閾値を算出し、算出した最終的な閾値に基づく分類条件を作成する。他の方法として、予めデータベースＤＢに記憶した複数の被験者ｎの各々のスケルトンアニメーションに対応付けられた運動状態パラメータをタイプ１〜４の代表アニメーションに対応付けられた閾値に基づいて、各被験者のスケルトンアニメーションをタイプ１からタイプ４の何れかに分類してもよい。スケルトンアニメーションは、各被験者に装着されたモーションキャプチャ装置により各被験者の運動中に取得したモーションキャプチャデータに基づいて、作成する。類似度は、スケルトンアニメーションのフレーム数のそれぞれで、腰、両膝、足首の空間位置の差を計算し、その差の大きさで評価する。下半身に限定して類似度を判定することで、下半身の動きに特徴があるランニングフォームを反映するタイプ分けが可能となる。複数のデータでこの差を評価することで、差の大きさから閾値を作成し、類似度を決めることができる。なお、スケルトンアニメーションデータに対応付けられた運動状態パラメータと閾値との比較結果に基づいて、スケルトンアニメーションをそれぞれのタイプに分類してもよい。この閾値は、データベースＤＢの作成者により予め設定されてもよい。また、データベースＤＢの作成者により、スケルトンアニメーションがそれぞれのタイプに分類されてもよい。また、予めデータベースＤＢに記憶した複数の被験者ｎの各々のスケルトンアニメーションをタイプ１〜４の代表アニメーションと類似度を判断し、各被験者のスケルトンアニメーションをタイプ１からタイプ４の何れかに分類してもよい。次に、分類部１１１は、それぞれのタイプ内の全ての運動状態パラメータの組み合わせを用いて、それぞれのタイプの閾値を含む分類条件を作成する。

また、分類部１１１は、ウエストセンサ２００から送信された複数のユーザ運動状態パラメータを受信し、複数のユーザ運動状態パラメータは、ＲＡＭ１６０に保存される。ユーザ運動状態パラメータは、ユーザの接地時間率、ユーザの走行速度、ユーザの腰の上下動、ユーザの沈み込み量、ユーザの前方への加速度、ユーザの腰の回転角度、ユーザの腰の前傾角度、ユーザの腕の振り、ユーザのピッチ及び、ユーザのストライドを含む。次に、分類部１１１は、ＲＡＭ１６０に保存された複数のユーザ運動状態パラメータと、分類条件とに基づいて、ユーザのランニングフォームをタイプ１からタイプ４に分類する。

特徴パラメータ取得部１１２は、分類部１１１により分類されたユーザのランニングフォームの特徴を表す特徴パラメータを、ＲＡＭ１６０に保存された複数のユーザ運動状態パラメータから特定し、取得する。特徴パラメータは、複数のユーザ運動状態パラメータのうち、それぞれのタイプに分類されたフォームの特徴を表すパラメータであり、それぞれのタイプに対応付けて予め設定されている。例えば、タイプ１に分類されたユーザの特徴パラメータは、ユーザの腰の回転角度と沈み込み量と前方への加速度である。タイプ２に分類されたユーザの特徴パラメータは、ユーザの前方への加速度と腰の上下動と腰の回転角度である。タイプ３に分類されたユーザの特徴パラメータは、ユーザの腰の前傾角度とストライドと腕の振りである。タイプ４に分類されたユーザの特徴パラメータは、ユーザのピッチとストライドと前方への加速度である。

生成部１１３は、データベースＤＢから、特徴パラメータ取得部１１２により取得された特徴パラメータに基づいて、スケルトンアニメーションデータを取得する。また、生成部１１３は、取得したスケルトンアニメーションデータに基づいて、ユーザの運動状態を反映したユーザアニメーションを生成し、生成したユーザアニメーションをディスプレイ１３０に表示する。

具体的には、生成部１１３は、データベースＤＢにおけるそれぞれのスケルトンアニメーションデータに対応する複数の運動状態パラメータおよびユーザに対応する特徴パラメータを図４に示すＲ次元空間にプロットし、ユーザの特徴パラメータを示す点ＳＹから最も近い、スケルトンアニメーションデータに対応する運動状態パラメータを示す点Ｓ１を、特定する。この場合、図４に示す運動状態パラメータ１〜３は、ユーザの互いに異なる３つの特徴パラメータ１〜３と同じ種類である（例えば、特徴パラメータ１がストライドなら、運動状態パラメータ１もストライド）。次に、生成部１１３は、点ＳＹと点Ｓ１についてＲ次元空間のＲ個の運動状態パラメータ毎の差を求め、最も近い運動状態パラメータを検索する。次に、生成部１１３は、Ｒ個の運動状態パラメータの中から最も近い運動状態パラメータをのぞいたＲ−１次元空間において、点ＳＹから最も近いＳ２を探す。同様にして、最も差の小さい運動状態パラメータを除いたＲ−２次元空間にて、点ＳＹと最も近い点Ｓ３を求める。以下同様に、点Ｓｒを予め決められた数、検索すると、生成部１１３は、検索した点Ｓｒに対応する複数のスケルトンアニメーションをデータベースＤＢから取得し、取得した複数のスケルトンアニメーションを合成することによって、ユーザアニメーションを生成する。

ただし、上記の点ＳＹと点Ｓｒの間の距離については、特定の閾値を用いて評価し、相対的に距離が近い点であっても、閾値以上の距離が離れているならば、その点に対応するスケルトンアニメーションは、ユーザアニメーションの生成に用いない。距離の近いスケルトンアニメーションに対応する点をＳ１、Ｓ２・・・Ｓｒとし、点ＳＹから点Ｓ１までの距離をＤ１、点ＳＹから点Ｓ２までの距離をＤ２、点ＳＹから点Ｓｒまでの距離をＤｒとしたとき、ユーザアニメーションの合成のためにスケルトンアニメーションを合成する際の重み付けは、距離Ｄ１〜Ｄｒに基づいて設定される。次に、生成部１１３は、生成したユーザアニメーションをディスプレイ１３０に表示する。

通信部１２０は、ウエストセンサ２００から送信されたユーザ運動状態パラメータを受信する。通信部１２０は、無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信モジュールから構成される。

ディスプレイ１３０は、ユーザの運動状態を反映したユーザアニメーションや操作に必要な画像を表示するものであり、ＬＣＤ（Liquid Crystal Display）または有機ＥＬ（Electro-Luminescence）などから構成される。

操作部１４０は、ユーザによる操作を受け付けるものである。なお、操作部１４０とディスプレイ１３０とは、タッチパネルディスプレイ装置を構成する。

ウエストセンサ２００は、図５に示すように、制御部２１０と、通信部２２０と、操作部２３０と、加速度センサ２４０、ジャイロセンサ２５０、ＧＰＳ（Global Positioning System）センサ２６０、ＲＯＭ２７０、ＲＡＭ２８０と、を備える。ウエストセンサ２００は、図１に示すベルト１０によりユーザの腰に取り付けられ、ユーザの腰の動きを取得（検出）する。ＲＯＭ２７０は、フラッシュメモリ等の不揮発性メモリから構成され、制御部２１０が各種機能を実現するためのプログラムを記憶する。ＲＡＭ２８０は、揮発性メモリから構成され、制御部２１０が各種処理を行うためのプログラムを実行するための作業領域として用いられる。また、ＲＡＭ２８０は、情報を記憶する。

制御部２１０は、ＣＰＵ等から構成される。制御部２１０は、ＲＯＭ２７０に記憶されたプログラムを実行することにより、運動データ取得部２１１と、運動データ送信部２１２として機能する。

運動データ取得部２１１は、加速度センサ２４０、ジャイロセンサ２５０及びＧＰＳセンサ２６０により検出された、後述する各種のデータに基づいて、ユーザ運動状態パラメータを算出し、取得する。運動状態パラメータは、接地時間率、走行速度、腰の上下動、沈み込み量、前方への加速度、腰の回転角度、腰の前傾角度、腕の振り、ピッチ及びストライドを含む。例えば、運動データ取得部２１１は、着地したときの加速度と足が地面から離れたときの加速度を加速度センサ２４０により検出し、着地してから地面から足が離れる時間を着地してから次に足が着地するまでの時間で除すことで、接地時間率を取得する。また、運動データ取得部２１１は、ＧＰＳセンサ２６０により検出された移動速度データを、ユーザの走行速度として取得する。

運動データ送信部２１２は、通信部２２０を介して、ユーザ運動状態パラメータをフォーム情報表示装置１００に送信する。ここでは、ユーザ運動状態パラメータは、接地時間率、走行速度、腰の上下動、沈み込み量、前方への加速度、腰の回転角度、腰の前傾角度、腕の振り、ピッチ及びストライドを含む。

通信部２２０は、フォーム情報表示装置１００にユーザ運動状態パラメータを送信する。通信部２２０は、上述した通信部１２０と同様に、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信モジュールから構成される。

操作部２３０は、ユーザによる開始と終了を受け付けるボタンを有し、ユーザによるこのボタン操作に基づいて、ユーザ運動状態パラメータの取得（測定）の開始及び終了を受け付けるものである。

加速度センサ２４０は、ピエゾ抵抗型３軸加速度センサ、静電容量型３軸加速度センサ、熱検知型３軸加速度センサ等の周知の方式で加速度を検出するセンサである。加速度センサ２４０は、互いに直交するＸ軸方向、Ｙ軸方向及びＺ軸方向（例えばそれぞれ前後方向、上下方向、左右方向）の加速度を検出し、検出された各方向の加速度データを制御部２１０に出力する。この場合、加速度センサ２４０がユーザの腰に装着されているため、ユーザの運動中、制御部２１０には、ユーザの腰の各方向の加速度のデータが入力される。入力された加速度データは、ＲＡＭ２８０に保存される。

ジャイロセンサ２５０は、ピエゾ抵抗型ジャイロセンサ、静電容量型ジャイロセンサ、圧電型ジャイロセンサ等の周知の方式で角速度を検出するセンサである。ジャイロセンサ２５０は、上記のＸ軸、Ｙ軸及びＺ軸を軸心とする角速度を検出し、検出された角速度データを制御部２１０に出力する。この場合、ジャイロセンサ２５０が加速度センサ２４０と同様にユーザの腰に装着されているため、ユーザの運動中、制御部２１０には、ユーザの腰の各軸を中心とする角速度データが入力される。ここでは、ローリング、ピッチング及びヨーイングの角速度データが入力される。入力された角速度データは、ＲＡＭ２８０に保存される。

ＧＰＳセンサ２６０は、複数のＧＰＳ衛星からの電波を受信することにより、緯度、経度情報に基づく地理的な位置、及び、その位置の高度（標高）を検出して、検出した位置データ及び高度データを制御部２１０に出力する。また、ＧＰＳセンサ２６０は、ＧＰＳ衛星からの電波のドップラーシフト効果を利用して、ユーザの移動速度を検出し、検出した移動速度データを制御部２１０に出力する。制御部２１０に入力された位置データや移動速度データは、ＲＡＭ２８０に保存される。

次に、図６を参照しながら、以上の構成を有するフォーム情報表示装置１００及びウエストセンサ２００が実行する分類条件作成処理について説明する。

フォーム情報表示装置１００は、ユーザによる処理を開始させるための操作部１４０の操作に応答し、図６に示す分類条件作成処理を開始する。以下、フォーム情報表示装置１００が実行する分類条件作成処理を、図面を参照しながら説明する。なお、分類条件作成処理は、データベースＤＢを作成する他の情報処理装置により予め実行され、分類条件等がデータベースＤＢに予め記憶されていてもよい。

分類条件作成処理が開始されると、分類部１１１は、因数ｎ＝１に設定する（ステップＳ１０１）。次に、被験者ｎのスケルトンアニメーションに対応する複数の運動状態パラメータをタイプ１〜４の基準閾値と比較する（ステップＳ１０２）。例えば、タイプ１は、ストライドが小さく、腰の上下動が小さいタイプであり、タイプ２は、ストライドが小さく、走行速度が速いタイプである。また例えば、タイプ３は、片足の接地時間が長く、走行速度が速いタイプであり、タイプ４は、走行速度が速く、沈み込み量が小さいタイプである。ここでは、タイプ１〜４に分類する例について説明するが、さらに多数のタイプに分類されてもよく、予め定められたタイプに属さないタイプを一つのタイプとして有していてもよい。基準閾値は、それぞれのタイプ毎に予め設定される。次に、分類部１１１は、被験者ｎのスケルトンアニメーションをタイプ１〜４の何れかに分類し、データベースＤＢに記憶する（ステップＳ１０３）。これにより、図３に示すように、被験者１〜Ｎの属するタイプと運動状態パラメータとが対応付けられて記憶される。なお、１つのタイプに複数の被験者が該当する。次に、ｎ＝Ｎであるか否かを判定する（ステップＳ１０４）。ｎ＝Ｎでないと判定すると（ステップＳ１０４；Ｎｏ）、ｎをインクリメントし（ステップＳ１０５）、ステップＳ１０２に戻り、ステップＳ１０２からステップＳ１０５を繰り返す。

次に、ｎ＝Ｎであると判定すると（ステップＳ１０４；Ｙｅｓ）、分類部１１１は、因数ｍ＝１に設定する（ステップＳ１０６）。次に、分類部１１１は、タイプｍの分類条件を作成する（ステップＳ１０７）。分類条件は、ユーザの運動状態パラメータを用いてユーザのフォームのタイプを分類するものである。例えば、データベースＤＢに記憶された被験者のランニングフォームのタイプと運動状態パラメータとに基づいて、タイプｍに分類された複数の被験者の運動状態パラメータを平均化することによって、最終的な閾値を算出し、算出した最終的な閾値に基づく分類条件を作成する。例えば、タイプ１の分類条件は、図７に示すように、ストライド２．０以下で、かつ、腰の上下動３．５以上であり、タイプ２の分類条件はストライド３．４以下で、かつ、走行速度４．３以上である。タイプ３の分類条件は接地時間２．２以上で、かつ、走行速度４．２以上である。タイプ４の分類条件は沈み込み量３．５以下で、かつ、走行速度２．４以上である。

その後、ｍ＝Ｍであるか否かを判定する（ステップＳ１０８）。Ｍはタイプの合計数であり、ここではＭ＝４である。ｍ＝Ｍでないと判定されると（ステップＳ１０８；Ｎｏ）、ｍをインクリメントし（ステップＳ１０９）、ステップＳ１０７に戻り、ステップＳ１０７からステップＳ１０９を繰り返す。ｍ＝Ｍであると判定されると（ステップＳ１０８；Ｙｅｓ）、分類条件作成処理を終了する。

次に、ウエストセンサ２００が実行する運動データ送信処理、及びフォーム情報表示装置１００が実行する表示処理を説明する。

ユーザによる処理を開始させるための操作部２３０の操作に応答し、ウエストセンサ２００は、図８に示す運動データ送信処理を開始する。フォーム情報表示装置１００は、ユーザによる処理を開始させるための操作部１４０の操作に応答し、図９に示す表示処理を開始する。以下、ウエストセンサ２００が実行する運動データ送信処理、及びフォーム情報表示装置１００が実行する表示処理を、図８及び図９をそれぞれ参照しながら説明する。

図８に示す運動データ送信処理が開始されると、運動データ取得部２１１は、ユーザにより操作部２３０に計測開始の操作がなされたか否かを判定する（ステップＳ３０１）。計測開始の操作がなされていないと判定されると（ステップＳ３０１；Ｎｏ）、ステップＳ３０１を繰り返す。

計測開始の操作がなされると（ステップＳ３０１；Ｙｅｓ）、運動データ取得部２１１は、ユーザ運動状態パラメータを取得する（ステップＳ３０２）。詳細には、運動データ取得部２１１は、加速度センサ２４０、ジャイロセンサ２５０及びＧＰＳセンサ２６０により検出された各種のデータに基づき、前述したようにして、ユーザ運動状態パラメータを取得する。運動状態パラメータは、接地時間率、走行速度、腰の上下動、沈み込み量、前方への加速度、腰の回転角度、腰の前傾角度、腕の振り、ピッチ及びストライドを含む。

次に、運動データ取得部２１１は、取得したユーザ運動状態パラメータをＲＡＭ２８０に記憶する（ステップＳ３０３）。次に、運動データ取得部２１１は、ユーザにより計測を終了する操作が操作部２３０になされたか否かを判定する（ステップＳ３０４）。計測を終了する操作がなされていない場合（ステップＳ３０４；Ｎｏ）、ステップＳ３０２に戻り、ステップＳ３０２〜ステップＳ３０４を繰り返す。計測を終了する指示が入力された場合（ステップＳ３０４；Ｙｅｓ）、ユーザ運動状態パラメータをフォーム情報表示装置１００に送信する（ステップＳ３０５）。運動状態パラメータは、前述したように接地時間率などを含む。その後、運動データ送信処理を終了する。

フォーム情報表示装置１００により図９に示す表示処理が開始されると、分類部１１１は、ウエストセンサ２００から送信された複数のユーザ運動状態パラメータを受信する（ステップＳ４０１）。受信された複数のユーザ運動状態パラメータはＲＡＭ１６０に保存される。次に、分類部１１１は、因数ｍ＝１に設定する（ステップＳ４０２）。次に、分類部１１１は、ＲＡＭ１６０に保存した複数のユーザ運動状態パラメータから、ユーザのフォームをタイプｍに分類するための分類条件を取得する（ステップＳ４０３）。例えば、タイプ１では、ユーザ運動状態パラメータのうちのストライド２．０以下、腰の上下動３．５以上を分類条件として取得する。

次に、分類部１１１は、ユーザのランニングフォームがタイプｍに該当するか否かを分類条件に基づいて判定する（ステップＳ４０４）。例えば、ストライド２．０以下、腰の上下動３．５以上でなければ、タイプ１に該当しないと判定し（ステップＳ４０４；Ｎｏ）、ｍをインクリメントし（ステップＳ４０５）、ステップＳ４０３に戻り、ステップＳ４０３からステップＳ４０５を繰り返す。

ユーザのランニングフォームがタイプｍに該当すると判定されると（ステップＳ４０４；Ｙｅｓ）、分類部１１１は、ユーザのランニングフォームをタイプｍに分類する（ステップＳ４０６）。例えば、タイプ１は、ストラドが小さく、上下動が小さいタイプであり、タイプ２は、ストライドが小さく、走行速度が速いタイプである。また、例えば、タイプ３は、片足の接地時間が長く、走行速度が速いタイプであり、タイプ４は、走行速度が速く、沈み込み量が小さいタイプである。なお、ここでのタイプ１から４は、データベースＤＢに記憶されたタイプ１から４と同じである。

次に、特徴パラメータ取得部１１２は、ＲＡＭ１６０に保存した複数のユーザ運動状態パラメータから、分類部１１１により分類されたユーザの運動中のフォームの特徴を表す特徴パラメータを特定し、取得する（ステップＳ４０７）。それぞれのタイプに分類されたユーザの特徴パラメータの一例は、図７に示される。

次に、生成部１１３は、データベースＤＢからユーザのランニングフォームのタイプに属するスケルトンアニメーションデータに対応する運動状態パラメータを取得する（ステップＳ４０８）。次に、生成部１１３は、アニメーション作成処理を実行する（ステップＳ４０９）。

図１０に示すアニメーション作成処理が開始されると、生成部１１３は、データベースＤＢに記憶された複数のスケルトンアニメーションデータの各々に対応する複数の運動状態パラメータおよびユーザに対応する複数の特徴パラメータを、特徴パラメータの数と同じ数の次元空間にプロットする（ステップＳ５０１）。ここで用いる運動状態パラメータは、特徴パラメータと同じ種類のものである。例えば、Ｒ個の特徴パラメータを用いる場合、Ｒ次元空間にプロットする。具体的には、特徴パラメータに対応する（と同じ種類の）運動状態パラメータが３つである場合、図４に示すように、運動状態パラメータ１をｘ軸、運動状態パラメータ２をｙ軸、運動状態パラメータ３をｚ軸として、３次元空間にプロットする。それぞれの点がスケルトンアニメーションまたはユーザに対応する。

次に、生成部１１３は、因数ｒ＝１に設定する（ステップＳ５０２）。因数ｒは、ユーザの特徴パラメータを示す点ＳＹから近い運動状態パラメータを示す点の順番を示す。次に、生成部１１３は、ユーザの特徴パラメータを示す点ＳＹから最も近いアニメーションデータに対応する運動状態パラメータを示す点Ｓ１を決定する（ステップＳ５０３）。例えば、複数の運動状態パラメータに対応する複数の点から、点ＳＹからユークリッド距離で最も近い点Ｓ１を決定する。この場合、まず、複数の点の各々の点Ｓｒが示すＲ次元の運動状態パラメータの座標を（Ｇ１ｒ、Ｇ２ｒ、・・・ＧＲｒ）とし、点ＳＹが示すユーザの特徴パラメータの座標を（Ｇ１Ｙ、Ｇ２Ｙ、・・・ＧＲＹ）とした場合、Ｒ次元空間における点ＳＹと点Ｓｒの間の距離は、Ｄｒ＝ＳＱＲＴ（（Ｇ１Ｙ−Ｇ１ｒ）・（Ｇ１Ｙ−Ｇ１ｒ）＋（Ｇ２Ｙ−Ｇ２ｒ）・（Ｇ２Ｙ−Ｇ２ｒ）＋…＋（ＧＲＹ−ＧＲｒ）・（ＧＲＹ−ＧＲｒ））となる。ただし、距離Ｄｒについては、特定の閾値を用いて評価し、相対的に距離が近い点Ｓｒであっても、閾値以上の距離が離れているならば、ユーザアニメーション生成用のスケルトンアニメーションとして用いない。

次に、距離Ｄｒに基づいて選択された点Ｓｒのうち、生成部１１３は、点ＳＹと点ＳｒについてＲ次元空間のＲ個の運動状態パラメータ毎の差を求め、最も近い運動状態パラメータを検索する（ステップＳ５０４）。具体的には、単純なユークリッド距離を用いて最も近い点を判定する。点ＳＹに最も近い点Ｓ１の運動状態パラメータの座標は（Ｇ１１、Ｇ２１、・・・ＧＲ１）となる。（Ｇ１ｙ−Ｇ１１）・（Ｇ１ｙ−Ｇ１１）、（Ｇ２ｙ−Ｇ２１）・（Ｇ２ｙ−Ｇ２１）・・・（ＧＲｙ−ＧＲ１）・（ＧＲｙ−ＳＲ１）にて運動状態パラメータ毎に、ユーザの特徴パラメータとの差を評価して、点ＳＹと点Ｓ１で、Ｒ個の運動状態パラメータの中から、ユーザの特徴パラメータとの差が最も小さい運動状態パラメータを検索する。

次に、生成部１１３は、Ｒ個の特徴パラメータの中からステップＳ５０４で特定された運動状態パラメータをのぞいたＲ−１次元空間においてＳＹから最も近いＳ（１＋ｒ）を検索する（ステップＳ５０５）。例えば、ステップＳ５０４で特定された運動状態パラメータが運動状態パラメータ１であれば、運動状態パラメータ２および３で規定される３−１＝２次元空間において、ＳＹから最も近いＳ（１＋ｒ）を検索する。次に、生成部１１３は、ｒをインクリメント、Ｒをデクリメントする（ステップＳ５０６）。次に、生成部１１３は、所定数の点Ｓｒを検索したか否かを判定する（ステップＳ５０７）。所定数は、Ｒ個の運動状態パラメータに基づいて、アニメーションデータを抽出する場合好ましくは、Ｒ以下である。所定数の点Ｓｒを検索していないと判定すると（ステップＳ５０７；Ｎｏ）、ステップＳ５０４に戻り、ステップＳ５０４からステップＳ５０７を繰り返す。これにより、最も差の小さい特徴パラメータを除いたＲ−１次元空間にて、点ＳＹと最も近い点Ｓ２を求める。同様にして、ＳＹとＳ２で、Ｒ−１個の特徴パラメータの中から最も差の小さい特徴パラメータを検索し、最も差の小さい特徴パラメータを除いたＲ−２次元空間にて、点ＳＹと最も近い点Ｓ３を求める。

所定数の点Ｓｒを検索したと判定すると（ステップＳ５０７；Ｙｅｓ）、生成部１１３は、検索した点Ｓｒ（複数の点）に対応付けられた複数のスケルトンアニメーションをデータベースＤＢから取得する（ステップＳ５０８）。つぎに、生成部１１３は、スケルトンアニメーションを合成する （ステップＳ５０９）。スケルトンアニメーションの合成は、例えば次のようにして行われる。すなわち、距離の近いｒ点のスケルトンアニメーションに対応する点Ｓ１、Ｓ２・・・Ｓｒとし、点ＳＹから点Ｓ１までの距離をＤ１、点ＳＹから点Ｓ２までの距離をＤ２、点ＳＹから点Ｓｒまでの距離をＤｒとしたとき、点Ｓ１〜点Ｓｒにそれぞれ対応するスケルトンアニメーションＭ１〜Ｍｒを、距離Ｄ１〜距離Ｄｒに基づく重み付けで合成することによって、ユーザアニメーションを生成する。例えばｒ＝４のときの点ＳＹ、点Ｓ１、点Ｓ２、点Ｓ３、点Ｓ４の関係は、図４のようになる。合成計算は、（ＳＹ１／ｒ−１）・（（Ｄ２＋Ｄ３＋…Ｄｒ）／（Ｄ１＋Ｄ２＋…Ｄｒ））・（Ｓ１＋１／ｒ−１）・（（Ｄ１＋Ｄ３＋…Ｄｒ）／（Ｄ１＋Ｄ２＋…Ｄｒ）・Ｓ２）＋・・・＋（１／ｒ−１）・（（Ｄ１＋Ｄ２＋…Ｄｒ−１）／（Ｄ１＋Ｄ２＋…Ｄｒ）・Ｓｒ）で表される。以上のように、距離Ｄ１〜Ｄｒが小さいほど、対応する複数のスケルトンアニメーションの各々の重み付けをより大きな値に設定し、設定した重み付けに基づいて複数のスケルトンアニメーションを合成することにより、ユーザアニメーションを生成する。

その後、アニメーション作成処理を終了し、図９に示す表示処理に戻る。次に、生成部１１３は、生成したアニメーションをディスプレイ１３０に表示する（ステップＳ４１０）。次に、生成部１１３は、ユーザにより表示処理を終了する操作が操作部１４０になされたか否かを判定する（ステップＳ４１１）。表示処理を終了する操作がなされていない場合（ステップＳ４１０；Ｎｏ）、ステップＳ４０１に戻り、ステップＳ４０１〜ステップＳ４１１を繰り返す。終了する操作がなされた場合（ステップＳ４１１；Ｙｅｓ）、表示処理を終了する。

以上のように、本実施の形態のフォーム情報表示システム１及びフォーム情報表示装置１００によれば、ユーザのランニングフォームを分類条件により分類し、分類されたユーザのランニングフォームの特徴を表す特徴パラメータを特定し、特定した特徴パラメータに基づいてユーザアニメーションが生成される。

これに対して、本実施形態の場合と異なり、ユーザのランニングフォームを分類せずに、複数のユーザ運動状態パラメータを互いに同等に用いてユーザアニメーションを生成した場合には、対応する運動状態パラメータが特徴パラメータ以外のユーザ運動状態パラメータに一致又は近似し、かつ、特徴パラメータには近似しないスケルトンアニメーションデータ、すなわち、フォームの特徴を表さないスケルトンアニメーションデータが選択されることによって、ユーザのランニングフォームを表すユーザアニメーションを適切に生成できないおそれがある。

本実施形態によれば、ユーザのランニングフォームの分類結果に基づいて特徴パラメータを特定し、特定した特徴パラメータに基づいて、ユーザのランニングフォームを表すユーザアニメーションを適切に生成することができる。

また、生成部１１３が、複数の人間の各々の運動状態を表す複数の運動状態パラメータと、これらの複数の人間の各々の運動状態が反映されたスケルトンアニメーションデータと、を対応付けて記憶するデータベースＤＢから、特徴パラメータに応じた運動状態パラメータに対応するスケルトンアニメーションデータを、ユーザアニメーションを生成するためのデータとして取得することで、上述した効果をより有効に得ることができる。

また、生成部１１３は、フォームのタイプと、複数の人間の各々の運動状態が反映されたスケルトンアニメーションデータと、を対応付けて記憶するデータベースＤＢから、スケルトンアニメーションデータを取得することで、各種のフォームのタイプのスケルトンアニメーションデータを効率的に取得することができる。また、特徴パラメータは、それぞれのタイプに分類されたフォームの特徴を表すパラメータであり、それぞれのタイプに対応付けて予め設定されていることで、ユーザアニメーションを適切に生成できるという効果を、さらに有効に得ることができる。

また、ユーザ運動状態パラメータは、ランニング中のユーザの運動状態を表すパラメータであり、接地時間率、走行速度、腰の上下動、沈み込み量、前方への加速度、腰の回転角度、腰の前傾角度、腕の振り、ピッチ及びストライド含むことで、ユーザアニメーションにおいて、ユーザのランニングフォームを多面的に表現することができる。また、フォーム情報表示システム１は、ユーザの身体に装着され、ユーザ運動状態パラメータをフォーム情報表示装置１００に送信するウエストセンサ２００を備えることで、ユーザの動きを適切に検出できる。

（変形例）
上述の実施の形態では、ユーザの特徴パラメータに近い特徴パラメータを有するスケルトンアニメーションを複数選択し、選択したスケルトンアニメーションを合成する例について説明した。生成部１１３は、ユーザアニメーションを生成することができればよく、例えば、タイプ１から４ごとに、基準スケルトンアニメーションをそれぞれ１つだけデータベースＤＢに記憶しておき、基準スケルトンアニメーションを特徴パラメータに基づいて変形させて、ユーザアニメーションを生成してもよい。この場合の変形は、基準スケルトンアニメーションに対応するユーザ運動状態パラメータと特徴パラメータとの差（以下「第１の差」）、及び、基準スケルトンアニメーションに対応する運動状態パラメータと特徴パラメータ以外のユーザ運動状態パラメータとの差（以下「第２の差」）、に基づいて、基準スケルトンアニメーションのそれぞれの間接の座標位置等を変形させてもよい。この場合、第１の差については、より強調するために、実際の差よりも大きく変形させることで、ユーザに自己のフォームの特徴を強調して認識させるようにしてもよい。また、生成部１１３は、ユーザアニメーションへの特徴パラメータの反映度合が、ユーザアニメーションへの他のユーザ運動状態パラメータの反映度合よりも大きくなるように、ユーザアニメーションを生成してもよい。

上述の実施の形態では、運動状態パラメータが、接地時間率、走行速度、腰の上下動等を含む例について説明した。運動状態パラメータは、これらに限定されず、滞空時間、滞空時間率（滞空時間／ピッチ）、ブレーキ時間（加速度が進行方向の逆から反転するまでの時間）、沈み込み時間、けり上げ時間、ストライド身長比（ストライド／身長）、片足接地からその足が離地までの進行方向移動距離、離地から逆足が接地までの進行方向移動距離、左右動、上下動振幅、浮き上がり量などを含んでもよい。沈み込み時間は、左足または右足接地〜左足または右足離地〜逆足の接地までにおいて、最初の接地から離地までの間の体が沈み込んでいく動作をする時間である。また、けり上げ時間は、沈み込みが終わってから離地までの間の体が上昇していく動作をする時間である。浮き上がり量は、沈み込みの最下点から、離地して体が宙にうき、最上点までの上下の移動量である。また、運動状態パラメータは、加速度センサ２４０、ジャイロセンサ２５０及びＧＰＳセンサ２６０により測定された実測値を含んでもよい。

上述の実施の形態では、ユーザのフォームを運動状態パラメータから選択された分類条件により分類する例について説明したが、ユーザのフォームを分類することができればよく、運動状態パラメータ以外から選択された分類条件を用いてもよい。例えば、分類条件は、加速度センサ２４０、ジャイロセンサ２５０及びＧＰＳセンサ２６０により測定された実測値を含んでもよい。また、分類条件の数は、１つでもよく複数でもよく特に限定されない。

上述の実施の形態では、生成部１１３が、特徴パラメータ取得部１１２により取得された特徴パラメータのみに基づいて、ユーザの運動中のフォーム表すユーザアニメーションを生成する例について説明した。生成部１１３は、ユーザの運動中のフォーム表すユーザアニメーションを生成することができればよく、生成部１１３は、ユーザアニメーションへの特徴パラメータの反映度合が、ユーザアニメーションへの他のユーザ運動状態パラメータの反映度合よりも大きくなるように、特徴パラメータと特徴パラメータ以外の他のユーザ運動状態パラメータとに基づいて、ユーザアニメーションを生成してもよい。この場合、特徴パラメータ取得部１１２は、特徴パラメータに加えて、ユーザ運動状態パラメータのうちの特徴パラメータ以外のユーザ運動状態パラメータである他のユーザ運動状態パラメータを取得する。特徴パラメータのみに基づいて、ユーザアニメーションを生成する場合、特徴パラメータの反映度合いが大きい。これに対し、特徴パラメータと特徴パラメータ以外の他のユーザ運動状態パラメータとに基づいて、ユーザアニメーションを生成する場合、特徴パラメータ以外の運動状態パラメータも反映されるため、より多くのパラメータが反映されたユーザアニメーションを得ることができる。

上述の実施の形態では、それぞれのタイプごとに、ユーザの運動中のフォームの特徴を表す特徴パラメータを３つ有する例について説明した。特徴パラメータは、それぞれのタイプ毎に少なくとも１つ有すればよく、２つ有してもよく、４以上有してもよい。また、特徴パラメータは、加速度センサ２４０、ジャイロセンサ２５０及びＧＰＳセンサ２６０により測定された実測値を含んでもよい。このようにすることで、分類部１１１は、ユーザの運動状態を表す運動状態パラメータのうち、１または複数の運動状態パラメータに基づいて、ユーザの運動中のフォームを分類することができ、ユーザのフォームをより正確に分類することができる。

上述の実施の形態では、特徴パラメータ取得部１１２が、フォームの分類結果に応じて、図７に示すように、それぞれのタイプについて何れのユーザ運動状態パラメータを特徴パラメータとして用いるのかを予め決めるについて説明した。特徴パラメータ取得部１１２は、複数のユーザの運動状態パラメータを取得しておいて、その中から特徴パラメータを選択するようにしてもよい。

上述の実施の形態では、分類部１１１が、分類条件に基づいて、ユーザのフォームを分類する例について説明した。分類部１１１は、ディープラーニングを含む機械学習等のアルゴリズムに基づいて、ユーザのフォームを分類してもよい。この場合、特徴パラメータ取得部１１２は、同様にディープラーニング等により得られたアルゴリズムに基づいて、それぞれに分類されたユーザのフォームに応じた特徴パラメータを取得してもよい。

上述の実施の形態では、モーションセンサとしてウエストセンサ２００を用いる例について説明した。モーションセンサは、ユーザの腰以外の身体に装着するものであってもよい。例えば、ユーザの運動中の動きを検出することができればよく、ユーザの胸、腕、手首または足等に取り付けられてもよい。また、モーションセンサは、２つ以上装着されてもよく、ウエストセンサ２００に加えて、腕時計型のモーションセンサを腕に装着してもよい。また、モーションセンサを、ユーザの腰と、両手首及び両足に取り付けてもよい。このようにすることで、より正確なユーザの動きを検出することができる。

上述の実施の形態では、ユーザがランニングする場合に、フォーム情報表示装置１００が、ユーザのランニングフォームを表すユーザアニメーションを生成する例について説明したが、フォーム情報表示装置１００は、ユーザの運動中のフォームを表すユーザアニメーションを生成できればよい。フォーム情報表示装置１００は、ランニングに限らず、ウオーキング、ジョギング、野球のピッチングやバッティング、サッカーのドリブルやシュート、ヨガや空手などユーザの動きを伴うものについて、ユーザアニメーションを生成してもよい。

また、ＣＰＵ、ＲＡＭ、ＲＯＭ等から構成されるフォーム情報表示装置１００が実行する表示処理を行う中心となる部分は、専用のシステムによらず、通常の情報携帯端末（スマートフォン、タブレットＰＣ）、パーソナルコンピュータなどを用いて実行可能である。たとえば、上述の動作を実行するためのコンピュータプログラムを、コンピュータが読み取り可能な記録媒体（フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ−ＲＯＭ（Digital Versatile Disc Read Only Memory）等）に格納して配布し、このコンピュータプログラムを情報携帯端末などにインストールすることにより、上述の処理を実行する情報端末を構成してもよい。また、インターネット等の通信ネットワーク上のサーバ装置が有する記憶装置にこのコンピュータプログラムを格納しておき、通常の情報処理端末などがダウンロード等することで情報処理装置を構成してもよい。

また、フォーム情報表示装置１００は、ＯＳ（Operating System）とアプリケーションプログラムとの分担、またはＯＳとアプリケーションプログラムとの協働により実現する場合などには、アプリケーションプログラム部分のみを記録媒体や記憶装置に格納してもよい。

また、搬送波にコンピュータプログラムを重畳し、通信ネットワークを介して配信することも可能である。例えば、通信ネットワーク上の掲示板（ＢＢＳ：Bulletin Board System）にこのコンピュータプログラムを掲示し、ネットワークを介してこのコンピュータプログラムを配信してもよい。そして、このコンピュータプログラムを起動し、ＯＳの制御下で、他のアプリケーションプログラムと同様に実行することにより、上述の処理を実行できるように構成してもよい。

以上、本発明の好ましい実施の形態について説明したが、本発明は係る特定の実施の形態に限定されるものではなく、本発明には、特許請求の範囲に記載された発明とその均等の範囲とが含まれる。以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。

（付記）
（付記１）
ユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する分類手段と、
前記ユーザの運動状態を表すユーザ運動状態パラメータのうち、前記分類手段により分類された前記ユーザの運動中のフォームの特徴を表す特徴パラメータを取得する特徴パラメータ取得手段と、
前記特徴パラメータ取得手段により取得された前記特徴パラメータに基づいて、前記ユーザの運動中のフォームを表すユーザアニメーションを生成する生成手段と、
を備えるアニメーション生成装置。

（付記２）
前記特徴パラメータ取得手段は、前記特徴パラメータと、前記ユーザ運動状態パラメータのうちの前記特徴パラメータ以外のユーザ運動状態パラメータである他のユーザ運動状態パラメータとを取得し、
前記生成手段は、前記ユーザアニメーションへの前記特徴パラメータの反映度合が、前記ユーザアニメーションへの前記他のユーザ運動状態パラメータの反映度合よりも大きくなるように、前記ユーザアニメーションを生成する、
付記１に記載のアニメーション生成装置。

（付記３）
前記生成手段は、複数の人間の各々の運動状態を表す複数の運動状態パラメータと、前記複数の人間の各々の運動中のフォームを表すアニメーションデータと、を対応付けて記憶するデータベースから、取得された前記特徴パラメータに基づいて前記アニメーションデータを取得し、前記取得したアニメーションデータに基づいて、前記ユーザアニメーションを生成する、
付記１または２に記載のアニメーション生成装置。

（付記４）
前記データベースは、人間の運動中のフォームのタイプと、前記複数の人間の各々の運動中のフォームを表すアニメーションデータと、を対応付けて記憶し、
前記生成手段は、前記データベースから、前記分類手段により分類された前記ユーザの運動中のフォーム及び前記特徴パラメータに基づいて、前記アニメーションデータを取得する、
付記３に記載のアニメーション生成装置。

（付記５）
前記複数の人間の各々の運動中のフォームを表すアニメーションデータは、前記アニメーションデータに対応付けられた運動状態パラメータを閾値に基づいて分類された前記複数のタイプ、または前記複数のタイプの各々の代表アニメーションと類似するか否かにより分類された前記複数のタイプのいずれかに対応付けられている、
付記４に記載のアニメーション生成装置。

（付記６）
前記分類手段は、予め設定した分類条件に基づいて、前記ユーザの運動中のフォームを前記複数のタイプのいずれかに分類する、
付記１から５のいずれか１つに記載のアニメーション生成装置。

（付記７）
前記分類条件は、前記複数のタイプの各々に対応する複数の運動状態パラメータ毎に設定された閾値を含み、前記複数のタイプの各々に対して設定されている、
付記６に記載のアニメーション生成装置。

（付記８）
前記生成手段は、前記分類されたユーザの運動中のフォームのタイプに対応付けられた複数のアニメーションデータを取得し、前記特徴パラメータと前記アニメーションデータに対応付けられた運動状態パラメータとに基づいて前記アニメーションデータにそれぞれ重み付けを設定し、設定した重み付けに基づき、前記取得した複数のアニメーションデータを合成することによって、前記ユーザアニメーションを生成する、
付記１から７のいずれか１つに記載のアニメーション生成装置。

（付記９）
前記分類手段は、前記ユーザの運動中のフォームを、第１タイプと、前記第１タイプとは異なる第２タイプとに分類し、
前記特徴パラメータ取得手段は、前記分類手段により分類された前記ユーザの運動中のフォームが前記第１タイプである場合に、前記特徴パラメータとして第１の特徴パラメータを取得し、前記分類手段により分類された前記ユーザの運動中のフォームが前記第２タイプである場合に、前記第１の特徴パラメータとは異なる前記第２の特徴パラメータを前記特徴パラメータとして取得する、
付記１から８のいずれか１つに記載のアニメーション生成装置。

（付記１０）
前記ユーザ運動状態パラメータは、ランニング中の前記ユーザの運動状態を表すパラメータであり、接地時間率、走行速度、腰の上下動、沈み込み量、前方への加速度、腰の回転角度、腰の前傾角度、腕の振り、ピッチ及びストライドの少なくとも１つのパラメータを含み、
前記分類手段は、前記少なくとも１つのパラメータに基づいて、前記ユーザの運動中のフォームを分類する、
付記１から９の何れか１つに記載のアニメーション生成装置。

（付記１１）
ユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する分類ステップと、
前記ユーザの運動状態を表すユーザ運動状態パラメータのうち、前記分類ステップにより分類された前記ユーザの運動中のフォームの特徴を表す特徴パラメータを取得する特徴パラメータ取得ステップと、
前記特徴パラメータ取得ステップにより取得された前記特徴パラメータに基づいて、前記ユーザの運動中のフォームを表すユーザアニメーションを生成する生成ステップと、
を備えるアニメーション生成方法。

（付記１２） コンピュータを、
ユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する分類手段、
前記ユーザの運動状態を表すユーザ運動状態パラメータのうち、前記分類手段により分類された前記ユーザの運動中のフォームの特徴を表す特徴パラメータを取得する特徴パラメータ取得手段、
前記特徴パラメータ取得手段により取得された前記特徴パラメータに基づいて、前記ユーザの運動中のフォームを表すユーザアニメーションを生成する生成手段、
として機能させるプログラム。

１…フォーム情報表示システム、１０…ベルト、１００…フォーム情報表示装置、１１０、２１０…制御部、１１１…分類部、１１２…特徴パラメータ取得部、１１３…生成部、１２０、２２０…通信部、１３０…ディスプレイ、１４０、２３０…操作部、１５０…ＲＯＭ、１６０…ＲＡＭ、２００…ウエストセンサ、２４０…加速度センサ、２５０…ジャイロセンサ、２６０…ＧＰＳセンサ、２７０…ＲＯＭ、２８０…ＲＡＭ、２１１…運動データ取得部、２１２…運動データ送信部

Claims (12)

1. ユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する分類手段と、
   前記ユーザの運動状態を表すユーザ運動状態パラメータのうち、前記分類手段により分類された前記ユーザの運動中のフォームの特徴を表す特徴パラメータを取得する特徴パラメータ取得手段と、
   前記特徴パラメータ取得手段により取得された前記特徴パラメータに基づいて、前記ユーザの運動中のフォームを表すユーザアニメーションを生成する生成手段と、
   を備えるアニメーション生成装置。
2. 前記特徴パラメータ取得手段は、前記特徴パラメータと、前記ユーザ運動状態パラメータのうちの前記特徴パラメータ以外のユーザ運動状態パラメータである他のユーザ運動状態パラメータとを取得し、
   前記生成手段は、前記ユーザアニメーションへの前記特徴パラメータの反映度合が、前記ユーザアニメーションへの前記他のユーザ運動状態パラメータの反映度合よりも大きくなるように、前記ユーザアニメーションを生成する、
   請求項１に記載のアニメーション生成装置。
3. 前記生成手段は、複数の人間の各々の運動状態を表す複数の運動状態パラメータと、前記複数の人間の各々の運動中のフォームを表すアニメーションデータと、を対応付けて記憶するデータベースから、取得された前記特徴パラメータに基づいて前記アニメーションデータを取得し、前記取得したアニメーションデータに基づいて、前記ユーザアニメーションを生成する、
   請求項１または２に記載のアニメーション生成装置。
4. 前記データベースは、人間の運動中のフォームのタイプと、前記複数の人間の各々の運動中のフォームを表すアニメーションデータと、を対応付けて記憶し、
   前記生成手段は、前記データベースから、前記分類手段により分類された前記ユーザの運動中のフォーム及び前記特徴パラメータに基づいて、前記アニメーションデータを取得する、
   請求項３に記載のアニメーション生成装置。
5. 前記複数の人間の各々の運動中のフォームを表すアニメーションデータは、前記アニメーションデータに対応付けられた運動状態パラメータを閾値に基づいて分類された前記複数のタイプ、または前記複数のタイプの各々の代表アニメーションと類似するか否かにより分類された前記複数のタイプのいずれかに対応付けられている、
   請求項４に記載のアニメーション生成装置。
6. 前記分類手段は、予め設定した分類条件に基づいて、前記ユーザの運動中のフォームを前記複数のタイプのいずれかに分類する、
   請求項１から５のいずれか１項に記載のアニメーション生成装置。
7. 前記分類条件は、前記複数のタイプの各々に対応する複数の運動状態パラメータ毎に設定された閾値を含み、前記複数のタイプの各々に対して設定されている、
   請求項６に記載のアニメーション生成装置。
8. 前記生成手段は、前記分類されたユーザの運動中のフォームのタイプに対応付けられた複数のアニメーションデータを取得し、前記特徴パラメータと前記アニメーションデータに対応付けられた運動状態パラメータとに基づいて前記アニメーションデータにそれぞれ重み付けを設定し、設定した重み付けに基づき、前記取得した複数のアニメーションデータを合成することによって、前記ユーザアニメーションを生成する、
   請求項１から７のいずれか１項に記載のアニメーション生成装置。
9. 前記分類手段は、前記ユーザの運動中のフォームを、第１タイプと、前記第１タイプとは異なる第２タイプとに分類し、
   前記特徴パラメータ取得手段は、前記分類手段により分類された前記ユーザの運動中のフォームが前記第１タイプである場合に、前記特徴パラメータとして第１の特徴パラメータを取得し、前記分類手段により分類された前記ユーザの運動中のフォームが前記第２タイプである場合に、前記第１の特徴パラメータとは異なる前記第２の特徴パラメータを前記特徴パラメータとして取得する、
   請求項１から８のいずれか１項に記載のアニメーション生成装置。
10. 前記ユーザ運動状態パラメータは、ランニング中の前記ユーザの運動状態を表すパラメータであり、接地時間率、走行速度、腰の上下動、沈み込み量、前方への加速度、腰の回転角度、腰の前傾角度、腕の振り、ピッチ及びストライドの少なくとも１つのパラメータを含み、
    前記分類手段は、前記少なくとも１つのパラメータに基づいて、前記ユーザの運動中のフォームを分類する、
    請求項１から９のいずれか１項に記載のアニメーション生成装置。
11. ユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する分類ステップと、
    前記ユーザの運動状態を表すユーザ運動状態パラメータのうち、前記分類ステップにより分類された前記ユーザの運動中のフォームの特徴を表す特徴パラメータを取得する特徴パラメータ取得ステップと、
    前記特徴パラメータ取得ステップにより取得された前記特徴パラメータに基づいて、前記ユーザの運動中のフォームを表すユーザアニメーションを生成する生成ステップと、
    を備えるアニメーション生成方法。
12. コンピュータを、
    ユーザの運動中のフォームを互いに異なる複数のタイプのいずれかに分類する分類手段、
    前記ユーザの運動状態を表すユーザ運動状態パラメータのうち、前記分類手段により分類された前記ユーザの運動中のフォームの特徴を表す特徴パラメータを取得する特徴パラメータ取得手段、
    前記特徴パラメータ取得手段により取得された前記特徴パラメータに基づいて、前記ユーザの運動中のフォームを表すユーザアニメーションを生成する生成手段、
    として機能させるプログラム。

Images