JP2024022812A - 情報処理装置、情報処理方法及びプログラム - Google Patents
情報処理装置、情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP2024022812A JP2024022812A JP2022126169A JP2022126169A JP2024022812A JP 2024022812 A JP2024022812 A JP 2024022812A JP 2022126169 A JP2022126169 A JP 2022126169A JP 2022126169 A JP2022126169 A JP 2022126169A JP 2024022812 A JP2024022812 A JP 2024022812A
- Authority
- JP
- Japan
- Prior art keywords
- movement
- moment
- load
- information processing
- specific
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 41
- 238000003672 processing method Methods 0.000 title claims description 4
- 230000033001 locomotion Effects 0.000 claims abstract description 151
- 238000000034 method Methods 0.000 claims description 60
- 238000011156 evaluation Methods 0.000 claims description 57
- 239000013598 vector Substances 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 11
- 238000003825 pressing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 51
- 230000036544 posture Effects 0.000 description 44
- 210000003811 finger Anatomy 0.000 description 24
- 238000012545 processing Methods 0.000 description 17
- 230000006399 behavior Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000000354 decomposition reaction Methods 0.000 description 10
- 210000004247 hand Anatomy 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 210000004932 little finger Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000003183 myoelectrical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000001145 finger joint Anatomy 0.000 description 1
- 210000002478 hand joint Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000009527 percussion Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Landscapes
- Electrophonic Musical Instruments (AREA)
Abstract
【課題】特定動作に関して人物に適した動き方を推定し提示する【解決手段】人物にとってより負荷の小さい体の使い方を推定する推定手段と、推定の結果を出力する出力手段と、を有し、推定手段においては、人物について、特定動作における瞬間毎の所作の種類に応じた負荷の度合いを記した負荷データを用いて推定を行うことを特徴とする。【選択図】 図4
Description
本開示は、体の使い方を提案する技術に関する。
従来、楽器演奏やスポーツにおける技術習得を目的として、どのように体を動かすのがよいかをユーザに提示するシステムが考えられている。例えば特許文献1は、ゴルフのスイングのトレーニング用であって、トレーナーの映像とトレーニーの映像とを重ねて表示する際、トレーナーの模範動作と比較しやすいようにトレーニーの躯体や肢体をトレーナーの体型に合わせて拡大縮小する技術を開示する。この技術によれば、教わる側のユーザは、自身がどのように体を動かせばよいかを知ることができる。
竹川 佳成、他2名、"運指認識技術を活用したピアノ演奏学習支援システムの設計と実装"、[online]、2009、日本ソフトウェア科学界、[令和4年7月29日検索]、インターネット<URL:http://www.wiss.org/WISS2009Proceedings/papers/paper0008.pdf>
上記特許文献1の技術においてユーザに提示される内容は、トレーナーによる模範の動きであるが、適切とされる動きが当該トレーナーによる模範1つだけとは限らない。また、提示されるトレーナーの動きが、トレーニーが備える筋力や柔軟性といった特性に合ったものでない可能性もあり、その場合は効果的なトレーニングができないことになる。
本開示は、係る点に鑑みてなされたものであり、楽器演奏やスポーツにおいて、個々のユーザに適した体の使い方を提示することを目的とする。
本開示に係る情報処理装置は、人物が行う時間的に連続する特定動作において当該人物にとってより負荷の小さい体の使い方を推定する推定手段と、前記推定の結果を出力する出力手段と、を有し、前記推定手段は、前記人物について、前記特定動作における瞬間毎の所作の種類に応じた負荷の度合いを記した負荷データを用いて、前記推定を行う、ことを特徴とする。
本開示によれば、楽器演奏やスポーツにおいて、個々のユーザに適した体の使い方を提示することが可能となる。
以下、本開示の実施形態について図面を用いて説明する。なお、以下の実施形態に示す構成は一例に過ぎず、本開示の範囲をその構成のみに限定するものではない。
<用語の定義>
本明細書において、各種楽器の演奏や各種スポーツにおける基準動作といった、ユーザが習得したい特定の動きを「特定動作」と呼び、特定動作における瞬間毎(タイミング毎)の体の使い方を「所作」と呼ぶこととする。
本明細書において、各種楽器の演奏や各種スポーツにおける基準動作といった、ユーザが習得したい特定の動きを「特定動作」と呼び、特定動作における瞬間毎(タイミング毎)の体の使い方を「所作」と呼ぶこととする。
[実施形態1]
本実施形態では、ピアノのレッスン等において、演奏者に合った指の使い方(運指)を提示する情報処理システムを例に説明する。
本実施形態では、ピアノのレッスン等において、演奏者に合った指の使い方(運指)を提示する情報処理システムを例に説明する。
<システム構成>
図1は、本実施形態に係る、情報処理システムの構成の一例を示す模式図である。サーバ100は、入力された映像データを解析して演奏者102に合った運指を推定し、推定結果を出力する情報処理装置である。演奏者102は、撮像空間101に設置されたピアノ104を弾き、その様子が撮像装置であるカメラ105によって撮像される。撮像によって得られた映像(演奏動画)のデータは、無線ネットワーク110を介してサーバ100に送信される。タブレット端末103は、ユーザが利用する情報処理端末である。演奏者102或いはその指導者(不図示)は、タブレット端末103を利用して、カメラ105に対する撮像指示、サーバ100への映像データの送信、推定結果の受信・閲覧などを行う。なお、無線ネットワーク110に代えて有線のネットワークでシステムを構築してもよい。
図1は、本実施形態に係る、情報処理システムの構成の一例を示す模式図である。サーバ100は、入力された映像データを解析して演奏者102に合った運指を推定し、推定結果を出力する情報処理装置である。演奏者102は、撮像空間101に設置されたピアノ104を弾き、その様子が撮像装置であるカメラ105によって撮像される。撮像によって得られた映像(演奏動画)のデータは、無線ネットワーク110を介してサーバ100に送信される。タブレット端末103は、ユーザが利用する情報処理端末である。演奏者102或いはその指導者(不図示)は、タブレット端末103を利用して、カメラ105に対する撮像指示、サーバ100への映像データの送信、推定結果の受信・閲覧などを行う。なお、無線ネットワーク110に代えて有線のネットワークでシステムを構築してもよい。
<ハードウェア構成>
図2は、サーバ100のハードウェア構成を示す図である。サーバ100は、CPU200、ROM201、RAM202、I/F203、HDD204を有し、それぞれの構成はバス205で接続されている。CPU200は、ROM201に格納されたプログラムを読み出してRAM202に展開してこれを実行することで、サーバ100全体を制御する演算処理装置である。ROM201は、読み出し専用メモリであり、ブートプログラムやファームウェア、後述する各種析処理を実現するためのアプリケーションプログラム、各種設定データ等を格納する。RAM202は、CPU200が一時的にプログラムやデータを格納するためのワークメモリであり、CPU200により各種プログラムやデータがロードされる。I/F203は、ネットワーク機器やUSBデバイスといった外部装置と通信するためのインターフェースであり、無線ネットワーク110を通じたデータ通信や、外部装置とデータの送受信を行う。HDD204は、タブレット端末103から送られた映像データや各種データを保存する大容量の二次記憶装置である。なお、この二次記憶装置は、サーバ100内に設けられていなくてもよい。例えば無線ネットワーク110を介して接続された外部ストレージサーバによって確保されてもよい。
図2は、サーバ100のハードウェア構成を示す図である。サーバ100は、CPU200、ROM201、RAM202、I/F203、HDD204を有し、それぞれの構成はバス205で接続されている。CPU200は、ROM201に格納されたプログラムを読み出してRAM202に展開してこれを実行することで、サーバ100全体を制御する演算処理装置である。ROM201は、読み出し専用メモリであり、ブートプログラムやファームウェア、後述する各種析処理を実現するためのアプリケーションプログラム、各種設定データ等を格納する。RAM202は、CPU200が一時的にプログラムやデータを格納するためのワークメモリであり、CPU200により各種プログラムやデータがロードされる。I/F203は、ネットワーク機器やUSBデバイスといった外部装置と通信するためのインターフェースであり、無線ネットワーク110を通じたデータ通信や、外部装置とデータの送受信を行う。HDD204は、タブレット端末103から送られた映像データや各種データを保存する大容量の二次記憶装置である。なお、この二次記憶装置は、サーバ100内に設けられていなくてもよい。例えば無線ネットワーク110を介して接続された外部ストレージサーバによって確保されてもよい。
<ソフトウェア構成>
続いて、サーバ100のソフトウェア構成(論理構成)と各部の機能について、図3に示すブロック図と、図4に示すフローチャートを参照して説明する。なお、以下の説明において記号「S」はステップを意味する。
続いて、サーバ100のソフトウェア構成(論理構成)と各部の機能について、図3に示すブロック図と、図4に示すフローチャートを参照して説明する。なお、以下の説明において記号「S」はステップを意味する。
S401では、負荷データ取得部301が、解析対象の映像に映る人物の、特定動作における瞬間毎の所作の種類に応じた負荷を記したデータ(以下、「ユーザ負荷データ」と呼ぶ。)を取得する。本実施形態ではピアノの演奏者が曲を演奏中に鍵盤を押さえる各タイミングで取り得る様々な手の形それぞれに応じた負荷を記したデータ(以下、「ユーザ負荷データ」と呼ぶ。)を取得する。このユーザ負荷データは、映像解析処理の開始前に、左右の手それぞれについて生成し、HDD204に保存しておいたものを読み出して取得する。データ生成は、例えば、上記様々な手の形をタブレット端末103に表示して演奏者にそれと同じ手の形を作ってもらい、自身が感じた負荷の程度(例えば、大中小の3段階、0(負荷なし)~100(負荷最大)の範囲の数値など)を入力してもらう。図5は、ユーザ負荷データの一例としてのテーブル(右手用)である。図5のテーブルの例では、「ユーザ名」、「手の形状パターン」、「負荷度合」の各項目に分けて必要な情報が格納されている。なお、図5のテーブルに示す3つの項目は一例であり、例えば、「手の形状パターン」で示されるその形ができるか否か、手を最大限まで拡げたときの指間の角度といった項目を含んでいてもよい。さらには、例えば高いドの音と低いドの音では同じ手の形であっても演奏者が感じる負荷が違う場合などは、そのときの手の形と負荷との対応関係に加え、音(音階)との紐付けを行ってもよい。また、手の形状パターンに応じた負荷の程度を表す値については、演奏者が手動入力した値ではなく、例えば演奏者の指や手首に筋電センサーを付けて得られた計測値を自動入力するようにしてもよい。
S402では、映像データ取得部302が、演奏者が演奏する様子を撮像した映像データをカメラ105から取得する。取得した映像データは、HDD204に格納される。図6は、演奏者がピアノを弾いているときの鍵盤と手の周辺を映した入力映像データの一例である。時刻t1においては、ミとファ#の鍵盤が薬指と小指によって同時に押下されている。次の時刻t2においては、ド#とミの鍵盤が人差し指と中指によって同時に押下されている。次の時刻t3においては、ミとファの鍵盤が中指と薬指によって同時に押下されている。
S403では、映像解析部303が、処理対象の映像データをHDD204から読み出して解析し、特定動作を構成する瞬間毎の所作を特定可能な解析データを生成する。本実施形態では、この解析データとして、演奏されている曲において鍵盤が押下されている各瞬間における音及び当該音に対応する手の形のデータを生成する。ここで、「各瞬間における音」は、その瞬間に1つの鍵盤だけが押下されていれば単音となり、同時に2つ以上の鍵盤が押下されている場合は和音となる。以下、演奏されている曲の、鍵盤が押下されている各瞬間における音とそのときの手の形を特定するデータを「曲分解データ」と呼ぶこととする。この曲分解データは、鍵盤が押下されている各瞬間の音単位で入力映像データ(演奏動画)を分割し、各瞬間においてどの鍵盤をどの指でどの程度の長さ押下しているかを、例えば非特許文献1の運指認識技術を用いて判定することで生成可能である。図7の(a)~(c)は、前述の図6に示した入力映像データから生成した曲分解データのうち、連続する複数の瞬間(時刻t1~t3)における各音に対応する手の形を特定するデータ(静止画像データ)を示している。さらに、曲分解データには、各瞬間の音の構造を特定可能な配列情報も含まれる。例えば短い和音(重音)、長い単音・・・と続く場合、「(ミとファ#,長さ1)、(ド,長さ2)、・・・」のように各瞬間の音の構造を表した配列情報が生成されることになる。なお、ピアノ演奏においては右手がメロディー、左手が伴奏といったように、右手と左手で違う動き(役割)をする。そこで、上記曲分解データの生成は、左右の手それぞれについて行う。
S404では、最適動作推定部304が、入力映像データに映る演奏者にとって最適な指運びの動作(運指)を推定する処理を行う。この最適動作推定処理の詳細については後述する。
S405では、推定結果出力部305が、S404での最適動作推定処理の結果を出力する。本実施形態では、ピアノ演奏を撮像した入力映像データに対し、演奏者にとって最適な運指を重畳表示した出力映像データを生成して、ネットワーク110を介してタブレット端末103に送信する。図8は、前述の図6の入力映像データに対して推定結果を視覚的に重畳表示させた出力映像データの一例である。いま、時刻t1においては、ミとファ#の鍵盤を中指と小指によって同時に押下する別の手が、元の手と識別可能な態様で重畳表示されている。次の時刻t2においては、ド#とミの鍵盤を人指し指と薬指によって同時に押下する別の手が重畳表示されている。次の時刻t3においては、ミとファの鍵盤を薬指と小指によって同時に押下する別の手が重畳表示されている。ユーザは、このような出力映像データをタブレット端末103で視聴し、現在行っている運指と理想的な運指との違いを把握することができる。
<最適動作推定処理>
続いて、最適動作推定処理(S404)の詳細について、図9(a)のフローチャートを参照して説明する。
続いて、最適動作推定処理(S404)の詳細について、図9(a)のフローチャートを参照して説明する。
S901では、次のS902で実行する負荷評価値算出処理のための初期パラメータが設定される。この負荷評価値算出処理は、入力映像データに移っている人物の特定動作における瞬間毎の所作の負荷度合いを数値化して評価する処理であり、所作の種類を変えながら繰り返し実行することで、より負荷の低い各所作を決定できる。ピアノ演奏時における音が出ている瞬間毎の手の形に対する負荷度合いを評価する本実施形態では、曲分解データに含まれる1つ1つの静止画像データによって特定される「手の形」が、初期パラメータとして設定されることになる。
S902では、設定されたパラメータに従って、負荷評価値算出処理が実行される。図9(b)は、負荷評価値算出処理の詳細を示すフローチャートである。
まず、S911では、入力映像データ全体を通じた、特定動作を構成する各所作における負荷の度合いが決定される。いま初期パラメータとして、演奏動画における瞬間毎の音に対応する手の形が設定されている。この場合、各瞬間における手の形と前述のユーザ負荷データに含まれる複数種類の手の形状パターンとのパターンマッチングによって、各瞬間の手の形に応じた負荷の度合いが決定される。ここで、静止画像データによって特定された手の形と一致する形状パターンがユーザ負荷データに含まれていなかった場合は、予め用意した負荷DB311を参照して、それぞれの手の形に応じた負荷の度合いを決定する。この負荷推定に用いるデータベースである負荷DB311は、サーバ100に予め登録しておくものとする。図10は、本実施形態に係る負荷DB311の一例であり、「人物タイプID」、「手の形状パターン」、「負荷」の3つの項目で構成されている。この例では「人物タイプID」として“人物1”と“人物2”が示されており、“人物1”は手のサイズの小さい人に対応し、“人物2”は手のサイズの大きな人に対応している。そして「手の形状パターン」として3種類の典型的な手の形が規定され、その形毎の負荷の程度を示す値が「負荷度合」に記載されている。例えば、同じ手の形状パターンであっても、“人物1”と“人物2”とでは負荷の程度が異なっているのが分かる。なお、他のバリエーションとして、手のサイズは同じで、手の形に応じた負荷の程度が異なるパターンがあってもよい。これは、手の各関節の柔らかさが個人ごとに異なり得ることを考慮したもので、例えば“人物1”と同じ手のサイズで3つの形状パターンに対する負荷が異なる“人物3”を加えてもよい。これにより、同じ手の大きさでもどのタイプに一番近いかを判定することができる。このようにして、1曲を演奏する間における各瞬間の手の形に応じた負荷の度合いを決定すると、次にS912が実行される。
S912では、特定動作を構成する各所作間の移動ベクトルが導出される。本実施形態の場合、時間的に連続する2つの静止画像データが表す手の形を、鍵盤の位置を基準に、図11の(a)及び(b)に示すように重ね合わせて、次の音に移行する際の手の形の移動ベクトルを求める。移動ベクトルは、手の特徴点(指先、指の関節、手の関節)の位置を比較し、各特徴点の移動量と方向を測定することで求めることができる。図11(a)の例では移動ベクトルが大きく、図11(b)の例では移動ベクトルが小さいことが分かる。こうした処理をすべての隣り合う静止画像データを対象に行って、1曲分の移動ベクトルの導出が完了すると、次にS913が実行される。
S913では、S911にて得た各所作における負荷の度合い、S912にて得た所作間の移動ベクトルに基づき、特定動作を構成する全所作を通じた負荷の評価値が算出される。具体的には、例えば以下の式(1)を用いた重み付け加算を行って評価値を算出する。
評価値=α×(負荷度合いの合計値)+β×(移動ベクトルの大きさの合計値)。
・・・式(1)
・・・式(1)
上記式(1)において、α、βは2つの合計値を加算する際の重みである。“負荷度合いの合計値”は、S911にて決定された各所作における負荷の度合いをすべて合算した、1曲分のトータルの負荷の度合いを表す値である。また、“移動ベクトルの大きさの合計値”は、S912にて導出された各所作間の移動ベクトルの大きさをすべて合算した、1曲分のトータルの移動ベクトルの大きさを表す値である。なお、移動ベクトルの大きさの合計値を算出する際、例えば休符箇所のように一定時間音が止まっている部分については、所作が不連続であるとして、その前後の手の形の移動ベクトルを合算の対象外としてもよい。
S914では、S913で算出された評価値が、先行する処理によって保存済みの評価値よりも小さいかどうかによって、次に実行する処理が振り分けられる。算出された評価値が先行処理によって保存済みの評価値よりも小さい場合はS915に進み、小さくない場合は本処理を抜ける。初期パラメータを適用して得られた評価値の場合は、先行する処理がないので必ずS915に進むことになる。
S915では、S913にて算出された評価値を設定中のパラメータと紐づけてRAM202に保存する処理が実行される。
以上が、負荷評価値算出処理の内容である。このような処理を、パラメータを変えながら繰り返し行い、更新可能なパラメータがなくなった時点で保存されていた評価値が、最小の評価値ということになる。
図9(a)のフローチャートの説明に戻る。
S903では、パラメータの更新が可能であるかどうか判定される。このパラメータ更新可否の判定には、所作パターンDB312を用いる。本実施形態の所作パターンDB312は、各種の音(和音又は単音)に対する手の形状パターンを格納したデータベースであり、図12にその一例を示す。図12に示す所作パターンDB312は、「音」と「手の形状パターン」の2つの項目で構成されており、様々な特定の音(ここでは、ミとファ#の和音)を出す際に演奏者が取り得る手の形のデータを保持している。本ステップでは、所作パターンDB312を参照し、各瞬間の音について、パラメータとして設定中の手の形とは異なる、入れ替え可能な手の形を表した形状パターンがあるかどうかが判定される。具体的には、各瞬間の音に対して、他の取り得る手の形が所作パターンDB312に残っているかがまず検索される。そして、他の取り得る手の形が見つかった場合、それがユーザ負荷データにおいて一定以上の高い負荷となっていたり或いは実施不可となっていなければ、S904にて、新たなパラメータとして設定する更新処理が実行される。パラメータが更新されるとS902に戻って、更新後のパラメータを用いて上述の負荷評価値算出処理が実行されることになる。これにより、演奏者が実施可能な別の「手の形」を使った場合の評価値が改めて算出されることになる。一方、どの音についても他の取り得る手の形がなければ、本処理を抜ける。
以上が、最適動作推定処理の内容である。パラメータ更新ができなくなるまで負荷評価値算出処理を繰り返すことで、評価値が最小になるパラメータが求まる。本実施形態では、入れ替え可能な「手の形」がなくなった時点で残っていた最小評価値に紐づくパラメータが、最適な運指を示すデータとして出力されることになる。すなわち、演奏者が1曲を演奏する際の手にかかるトータルの負荷が最小となる「1曲分の手の形」が推定結果として得られる。なお、図9(a)のフローでは、演奏者が取り得る手の形の全形状パターンを網羅的に入れ替えて負荷評価値の算出を行っているがこれに限定されない。例えば、入れ替えたときの評価値の変化量からより小さい評価値が得られそうな「手の形」に絞って入れ替えを行うようにしてもよい。また、予め決めた評価値(閾値)に到達した時点で処理を終了してもよい。そして、ピアノ演奏の場合は、左右それぞれの手について、上述した最適動作推定処理を行うことになる。
<変形例>
上述の実施形態では、ピアノ演奏を撮像した映像データを解析してその演奏者にとってより適切な運指を推定していたが、対象となる曲の楽譜データを解析して、演奏者にとって理想的な運指を推定してもよい。本変形例に係るサーバ100’のソフトウェア構成(論理構成)と各部の機能について、図13に示すブロック図と、図14に示すフローチャートを参照して説明する。なお、以下の説明において記号「S」はステップを意味する。なお、基本的なシステム構成は共通でよいが、本変形例の場合は実際の演奏を撮像する訳ではないので、カメラ105とピアノ等の楽器104はなくてもよい。
上述の実施形態では、ピアノ演奏を撮像した映像データを解析してその演奏者にとってより適切な運指を推定していたが、対象となる曲の楽譜データを解析して、演奏者にとって理想的な運指を推定してもよい。本変形例に係るサーバ100’のソフトウェア構成(論理構成)と各部の機能について、図13に示すブロック図と、図14に示すフローチャートを参照して説明する。なお、以下の説明において記号「S」はステップを意味する。なお、基本的なシステム構成は共通でよいが、本変形例の場合は実際の演奏を撮像する訳ではないので、カメラ105とピアノ等の楽器104はなくてもよい。
まずS1401は前述のS401と同じであり、負荷データ取得部301が、これから曲を演奏しようとしている人物(演奏予定者)についてのユーザ負荷データを取得する。次のS1402では、楽譜データ取得部1301が、演奏予定の曲の楽譜データをタブレット端末103等から取得する。取得した楽譜データは、HDD204に格納される。続くS1403では、楽譜解析部1302が、処理対象の楽譜データをHDD204から読み出して五線譜上に並ぶ音符や記号を解析し、各瞬間の音の構造を特定可能な上述の配列情報から成る曲分解データを生成する。S1404では、最適動作推定部304が、楽譜データが表す曲を演奏する際の最適な運指を推定する処理を行う。この最適動作推定処理は、基本的には前述の図9(a)及び(b)のフローのとおりである。上述の実施形態1と異なる点は、初期パラメータとしての1曲分の「手の形」を、楽譜データに基づく曲分解データを構成する配列情報と所作パターンDB312とに基づいてランダムに決定して設定する点である。S1405では、推定結果出力部305が、S1404での最適動作推定処理の結果を出力する。図15は、本変形例に係る、推定結果を視覚的に表した出力映像データの一例である。いま、時刻t1においては、ミとファ#の鍵盤を中指と小指によって同時に押下する手が表示されている。次の時刻t2においては、ド#とミの鍵盤を人指し指と薬指によって同時に押下する手が表示されている。次の時刻t3においては、ミとファの鍵盤を薬指と小指によって同時に押下する手が表示されている。ユーザは、このような出力映像データをタブレット端末103で視聴し、対象とする曲を演奏する際の自身にとって理想的な運指を把握することができる。ここでは、実際の手の形を鍵盤に重ねて表示しているが、例えば各指を識別する番号(親指:1番、人差し指:2番、中指:3番、薬指:4番、小指:5番)等を表示してもよい。
以上のとおり、上記変形例を含む本実施形態によれば、ピアノの演奏において、演奏者の個性を踏まえたより適した運指を提示することができる。なお、本実施形態ではピアノの演奏を例に説明を行ったが、例えばバイオリンやギターといった弦楽器における弦の押さえ方やドラムや木琴といった打楽器におけるスティックの叩き方など様々な楽器の演奏に適用可能あることは言うまでもない。
[実施形態2]
次に、ゴルフのレッスン等において、プレーヤに合ったスイングを提示する態様について説明する。なお、実施形態1と共通する内容については説明を省略し、以下では差異点を中心に説明を行うこととする。
次に、ゴルフのレッスン等において、プレーヤに合ったスイングを提示する態様について説明する。なお、実施形態1と共通する内容については説明を省略し、以下では差異点を中心に説明を行うこととする。
<システム構成>
図16は、本実施形態に係る、情報処理システムの構成の一例を示す模式図である。サーバ1600は、入力された映像データ(スイング動画)を解析してプレーヤ1602に合ったスイングを推定し、推定結果の情報を出力する情報処理装置である。プレーヤ1602は、撮像空間1601でゴルフクラブ1604を持ってスイングを行い、その様子が撮像装置であるカメラ1605によって撮像される。撮像によって得られた映像(スイング動画)のデータは、無線ネットワーク1610を介してサーバ1600に送信される。タブレット端末1603は、ユーザが利用する情報処理端末である。プレーヤ1602或いはその指導者(不図示)は、タブレット端末1603を利用して、カメラ1605に対する撮像指示、サーバ1600への映像データの送信、推定結果の受信・閲覧などを行う。無線ネットワーク1610に代えて有線のネットワークでシステムを構築してもよい点は、実施形態1と同様である。なお、サーバ1600のハードウェア構成は実施形態1のサーバ100と同じである。
図16は、本実施形態に係る、情報処理システムの構成の一例を示す模式図である。サーバ1600は、入力された映像データ(スイング動画)を解析してプレーヤ1602に合ったスイングを推定し、推定結果の情報を出力する情報処理装置である。プレーヤ1602は、撮像空間1601でゴルフクラブ1604を持ってスイングを行い、その様子が撮像装置であるカメラ1605によって撮像される。撮像によって得られた映像(スイング動画)のデータは、無線ネットワーク1610を介してサーバ1600に送信される。タブレット端末1603は、ユーザが利用する情報処理端末である。プレーヤ1602或いはその指導者(不図示)は、タブレット端末1603を利用して、カメラ1605に対する撮像指示、サーバ1600への映像データの送信、推定結果の受信・閲覧などを行う。無線ネットワーク1610に代えて有線のネットワークでシステムを構築してもよい点は、実施形態1と同様である。なお、サーバ1600のハードウェア構成は実施形態1のサーバ100と同じである。
<ソフトウェア構成と動作>
サーバ1600のソフトウェア構成(論理構成)と各部の機能は、実施形態1と基本的に同じである。よって、前述の図3に示すブロック図と、図4に示すフローチャートを参照して、本実施形態における処理の流れを説明する。
サーバ1600のソフトウェア構成(論理構成)と各部の機能は、実施形態1と基本的に同じである。よって、前述の図3に示すブロック図と、図4に示すフローチャートを参照して、本実施形態における処理の流れを説明する。
S401では、負荷データ取得部301が、解析対象の映像に映る人物の、特定動作における瞬間毎の所作の種類に応じた負荷を記したユーザ負荷データを取得する。本実施形態ではゴルフのプレーヤがスイング中の所定タイミング毎に取り得る様々な姿勢それぞれに応じた負荷を記したユーザ負荷データを取得する。このユーザ負荷データは、映像解析処理の開始前に生成し、HDD204に保存しておいたものを読み出して取得する。データ生成は、例えば、一連のスイングにおける所定タイミング毎の姿勢(フォーム)をタブレット端末1603に表示して対象のプレーヤにそれと同じ姿勢を作ってもらう。そして、各姿勢において自身が感じた負荷の程度(例えば、大中小の3段階、0(負荷なし)~100(負荷最大)の範囲の数値など)して入力してもらう。ここで、所定タイミングは、例えば、アドレス、トップ、インパクト、フォロースルーといったタイミングである。図17は、本実施形態に係る、ユーザ負荷データの一例としてのテーブルである。図17のテーブルの例では、「ユーザ名」、「姿勢の形状パターン」、「負荷度合」の各項目に分けて、実施形態1の図5のテーブルと同様、必要な情報が格納されている。また、これら項目に追加して、その姿勢をとることができるか、腕や体を回転させたときの最大の角度といった別の項目があってもよい。また、姿勢の形状パターンに応じた負荷の程度を表す値については、プレーヤが手動入力した値ではなく、例えばプレーヤの腕や脚に筋電センサーを付けて得られた計測値を自動入力するようにしてもよい。
S402では、映像データ取得部302が、プレーヤがスイングする様子を撮像した映像データをカメラ105から取得する。取得した映像データは、HDD204に格納される。
S403では、映像解析部303が、入力映像データをHDD204から読み出して解析し、特定動作を構成する瞬間毎の所作を特定可能なデータを生成する。本実施形態では、スイング中の各所定タイミングにおける姿勢を特定するデータ(以下、「スイング分解データ」と呼ぶ。)を生成する。具体的には、例えば以下の表1に従って、複数のタイミングで入力映像データを分割し、各タイミングにおける姿勢を捉えた複数の静止画像データを生成する。
上記表1の例では10分割としているが、もっと細かく分割してもよいし、もっと荒く分割してもよい。
S404では、最適動作推定部304が、入力映像データに映るプレーヤにとって最適なスイング、より詳細には、上述の各タイミングにおける理想的な姿勢を推定する処理を行う。この最適動作推定処理の詳細については後述する。
S405では、推定結果出力部305が、S404での最適動作推定処理の結果を出力する。本実施形態では、プレーヤのスイングを撮像した入力映像データに対し、当該プレーヤにとって各タイミングにおける最適な姿勢を重畳表示した出力映像データを生成して、ネットワーク110を介してタブレット端末1603に送信する。ユーザは、各タイミングにおける理想的な姿勢が識別可能に重畳表示された出力映像データをタブレット端末1603で視聴し、現在のスイング中の各姿勢と理想的な姿勢との違いを把握することができる。
<最適動作推定処理>
続いて、最適動作推定処理(S404)の詳細について、図9の(a)及び(b)のフローチャートを参照して説明する。
続いて、最適動作推定処理(S404)の詳細について、図9の(a)及び(b)のフローチャートを参照して説明する。
S901では、次のS902で実行する負荷評価値算出処理のための初期パラメータが設定される。本実施形態では、プレーヤによるスイングの所定タイミング毎の姿勢に対する負荷の度合いを数値で評価する。そこで、スイング分解データを構成する各タイミングに対応する1つ1つの静止画像データによって特定される「姿勢(フォーム)」が、初期パラメータとして設定されることになる。
S902では、設定されたパラメータに従って、負荷評価値算出処理(図9(b)のフロー)が実行される。
まず、S911では、入力映像データ全体を通じた、特定動作を構成する人物の各所作における負荷の度合いが決定される。いま初期パラメータとして、1つ1つの静止画像データが示す姿勢が設定されている。この場合、各静止画像データが示す姿勢と、前述のユーザ負荷データに含まれる複数種類の形状パターンとのパターンマッチングによって、スイングにおける各タイミングにおける姿勢に応じた負荷の度合いを決定する。ここで、特定された姿勢と一致する形状パターンがユーザ負荷データに含まれていなかった場合は、予め用意されている負荷DB311を参照して、姿勢に応じた負荷の度合いを決定する。この負荷推定に用いるデータベースである負荷DB311は、サーバ1600に予め登録されているものとする。図18は、本実施形態に係る負荷DB311の一例であり、「人物タイプID」、「姿勢の形状パターン」、「負荷度合」の3つの項目で構成されている。この例では「人物タイプID」として“人物1”と“人物2”が示されており、“人物1”は小柄な人に対応し、“人物2”は大柄な人に対応している。そして「姿勢の形状パターン」として、トップ、スリークォーター、ハーフウェイバックのときの姿勢が規定され、その形毎の負荷の程度を示す値が「負荷度合」に記載されている。例えば、同じ形状パターンであっても、“人物1”と“人物2”とでは負荷の程度が異なっているのが分かる。このようにして、一連のスイングにおける各タイミングにおける姿勢に応じた負荷の度合いを決定すると、次にS912が実行される。
S912では、特定動作を構成する各所作間の移動ベクトルが導出される。本実施形態の場合、時間的に連続する2つの静止画像データが表すそれぞれの姿勢を重ね合わせて、次の姿勢に移行する際の移動ベクトルを求める。こうした処理を、すべての隣り合う静止画像データを対象に行って、一連のスイングにおける移動ベクトルの導出が完了すると、次にS913が実行される。
S913では、S911にて得た各所作における負荷の度合い、S912にて得た所作間の移動ベクトルに基づき、特定動作を構成する全所作を通じた負荷の評価値が算出される。具体的な算出方法は実施形態1と同様である。S914では、S913で算出された評価値が、先行する処理によって保存済みの評価値よりも小さいかどうかによって、次に実行する処理が振り分けられる。算出された評価値が先行処理によって保存済みの評価値よりも小さい場合はS915に進み、小さくない場合は本処理を抜ける。初期パラメータを適用して得られた評価値の場合は、先行する処理がないので必ずS915に進むことになる。S915では、S913にて算出された評価値を、設定中のパラメータと紐づけてRAM202に保存する処理が実行される。このような処理を、パラメータを変えながら繰り返し行い、更新可能なパラメータがなくなった時点で保存されていた評価値が、最小の評価値ということになる。
図9(a)のフローチャートの説明に戻る。
S903では、パラメータの更新が可能であるかどうか判定される。このパラメータ更新可否の判定には、所作パターンDB312を用いる。所作パターンDB312は、スイングの各タイミングに対する姿勢の形状パターンを格納したデータベースであり、図19にその一例を示す。図19に示す所作パターンDB312は、「スイングタイミング名称」と「姿勢の形状パターン」の2つの項目で構成されており、様々なタイミング(ここでは、トップ)におけるプレーヤが取り得る姿勢のデータを保持している。本ステップでは、所作パターンDB312を参照し、各タイミングについて、パラメータとして設定中の姿勢とは異なる、入れ替え可能な姿勢を表した形状パターンがあるかどうかが判定される。具体的には、各タイミングに対して、他の取り得る姿勢が所作パターンDB312に残っているかがまず検索される。そして、他の取り得る姿勢が見つかった場合、それがユーザ負荷データにおいて一定以上の高い負荷となっていたり或いは実施不可となっていなければ、S904にて、新たなパラメータに設定する更新処理が実行される。パラメータが更新されるとS902に戻って、上述の負荷評価値算出処理が新たに設定されたパラメータを用いて実行されることになる。これにより、プレーヤが実施可能な別の「姿勢」をとった場合の負荷評価値が改めて算出されることになる。一方、どのタイミングについても他の取り得る姿勢がなければ、本処理を抜ける。
以上が、最適動作推定処理の内容である。パラメータ更新ができなくなるまで負荷評価値算出処理を繰り返すことで、評価値が最小になるパラメータが求まる。本実施形態では、入れ替え可能な「姿勢」がなくなった時点で残っていた最小評価値に紐づくパラメータが、最適なスイングを示すデータとして出力されることになる。すなわち、プレーヤが各タイミングにおける各姿勢をとったときにかかるトータルの負荷が最小となる「一連のスイングにおける各姿勢」が推定結果として得られる。なお、図9のフローでは、プレーヤが取り得る姿勢の全形状パターンを網羅的に入れ替えて負荷評価値の算出を行っているがこれに限定されない。例えば、入れ替えたときの評価値の変化量からより小さい評価値が得らえそうな「姿勢」に絞って入れ替えを行うようにしてもよい。また、予め決めた評価値(閾値)に到達した時点で処理を終了してもよい。
以上のとおり本実施形態によれば、ゴルフのスイング練習において、プレーヤの個性を踏まえたより適した動作、すなわち、各タイミングにおける負荷の低い姿勢を提示することができる。なお、本実施形態ではゴルフのスイングを例に説明を行ったが、例えば野球におけるバットの素振りやバスケットボールにおけるシュートなど様々なスポーツにおける基準動作に適用可能あることは言うまでもない。
(その他の実施例)
本開示は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
また、本開示は、以下の構成及び方法を含む。
本開示は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
また、本開示は、以下の構成及び方法を含む。
(構成1)
人物が行う時間的に連続する特定動作において当該人物にとってより負荷の小さい体の使い方を推定する推定手段と、
前記推定の結果を出力する出力手段と、
を有し、
前記推定手段は、前記人物について、前記特定動作における瞬間毎の所作の種類に応じた負荷の度合いを記した負荷データを用いて、前記推定を行う、
ことを特徴とする情報処理装置。
人物が行う時間的に連続する特定動作において当該人物にとってより負荷の小さい体の使い方を推定する推定手段と、
前記推定の結果を出力する出力手段と、
を有し、
前記推定手段は、前記人物について、前記特定動作における瞬間毎の所作の種類に応じた負荷の度合いを記した負荷データを用いて、前記推定を行う、
ことを特徴とする情報処理装置。
(構成2)
前記人物による前記特定動作を撮像した映像データを取得する取得手段と、
前記映像データから前記特定動作に含まれる瞬間毎の所作を特定可能な解析データを生成する解析手段と、
をさらに有し、
前記推定手段は、前記解析データに基づき、前記特定動作における瞬間毎に、前記映像データにおける前記特定動作に含まれる瞬間毎の所作よりも負荷が低い所作を推定する、
ことを特徴とする構成1に記載の情報処理装置。
前記人物による前記特定動作を撮像した映像データを取得する取得手段と、
前記映像データから前記特定動作に含まれる瞬間毎の所作を特定可能な解析データを生成する解析手段と、
をさらに有し、
前記推定手段は、前記解析データに基づき、前記特定動作における瞬間毎に、前記映像データにおける前記特定動作に含まれる瞬間毎の所作よりも負荷が低い所作を推定する、
ことを特徴とする構成1に記載の情報処理装置。
(構成3)
前記特定動作に含まれる瞬間毎の所作を特定可能な解析データを生成する解析手段と、
をさらに有し、
前記推定手段は、前記解析データに基づき、前記特定動作における瞬間毎に、前記特定動作に含まれる瞬間毎の所作よりも負荷が低い所作を推定する、
ことを特徴とする構成1に記載の情報処理装置。
前記特定動作に含まれる瞬間毎の所作を特定可能な解析データを生成する解析手段と、
をさらに有し、
前記推定手段は、前記解析データに基づき、前記特定動作における瞬間毎に、前記特定動作に含まれる瞬間毎の所作よりも負荷が低い所作を推定する、
ことを特徴とする構成1に記載の情報処理装置。
(構成4)
前記推定手段は、前記瞬間毎の所作間の移動ベクトルが小さくなるように、前記負荷が低減した所作を推定する、ことを特徴とする構成2又は3に記載の情報処理装置。
前記推定手段は、前記瞬間毎の所作間の移動ベクトルが小さくなるように、前記負荷が低減した所作を推定する、ことを特徴とする構成2又は3に記載の情報処理装置。
(構成5)
前記推定手段は、前記瞬間毎の所作間の移動ベクトルに基づき、前記特定動作における全所作を通じた負荷の評価値を算出し、最小の評価値が得られる各所作を、前記負荷が低減した各所作として推定する、ことを特徴とする構成4に記載の情報処理装置。
前記推定手段は、前記瞬間毎の所作間の移動ベクトルに基づき、前記特定動作における全所作を通じた負荷の評価値を算出し、最小の評価値が得られる各所作を、前記負荷が低減した各所作として推定する、ことを特徴とする構成4に記載の情報処理装置。
(構成6)
前記推定手段は、前記瞬間毎の所作の種類を変えながら前記算出を繰り返し行って、前記最小の評価値が得られる各所作を決定する、ことを特徴とする構成5に記載の情報処理装置。
前記推定手段は、前記瞬間毎の所作の種類を変えながら前記算出を繰り返し行って、前記最小の評価値が得られる各所作を決定する、ことを特徴とする構成5に記載の情報処理装置。
(構成7)
前記推定手段は、前記瞬間毎に、前記特定動作に関する複数の所作が登録された所作パターンのデータベースを参照して、前記瞬間毎の所作の種類を変える、ことを特徴とする構成6に記載の情報処理装置。
前記推定手段は、前記瞬間毎に、前記特定動作に関する複数の所作が登録された所作パターンのデータベースを参照して、前記瞬間毎の所作の種類を変える、ことを特徴とする構成6に記載の情報処理装置。
(構成8)
前記特定動作は、楽器の演奏であり、
前記瞬間毎の所作は、前記演奏において前記楽器から音が出ている瞬間毎の、前記人物による体の使い方である、
ことを特徴とする構成1乃至7のいずれか一項に記載の情報処理装置。
前記特定動作は、楽器の演奏であり、
前記瞬間毎の所作は、前記演奏において前記楽器から音が出ている瞬間毎の、前記人物による体の使い方である、
ことを特徴とする構成1乃至7のいずれか一項に記載の情報処理装置。
(構成9)
前記楽器は、ピアノであり、
前記瞬間毎の所作は、鍵盤を押下する際の指の使い方である、
ことを特徴とする構成8に記載の情報処理装置。
前記楽器は、ピアノであり、
前記瞬間毎の所作は、鍵盤を押下する際の指の使い方である、
ことを特徴とする構成8に記載の情報処理装置。
(構成10)
前記特定動作は、スポーツにおける基準動作であり、
前記瞬間毎の所作は、前記基準動作における特定のタイミング毎の、前記人物による体の使い方である、
ことを特徴とする構成1乃至7のいずれか一項に記載の情報処理装置。
前記特定動作は、スポーツにおける基準動作であり、
前記瞬間毎の所作は、前記基準動作における特定のタイミング毎の、前記人物による体の使い方である、
ことを特徴とする構成1乃至7のいずれか一項に記載の情報処理装置。
(構成11)
前記スポーツは、ゴルフであり、
前記瞬間毎の所作は、ゴルフクラブを持ってスイングする際の姿勢である、
ことを特徴とする構成10に記載の情報処理装置。
前記スポーツは、ゴルフであり、
前記瞬間毎の所作は、ゴルフクラブを持ってスイングする際の姿勢である、
ことを特徴とする構成10に記載の情報処理装置。
(方法1)
人物が行う時間的に連続する特定動作において当該人物にとってより負荷の小さい体の使い方を推定する推定ステップと、
前記推定の結果を出力する出力ステップと、
を含み、
前記推定ステップでは、前記人物について、前記特定動作における瞬間毎の所作の種類に応じた負荷の度合いを記した負荷データを用いて、前記推定を行う、
ことを特徴とする情報処理方法。
人物が行う時間的に連続する特定動作において当該人物にとってより負荷の小さい体の使い方を推定する推定ステップと、
前記推定の結果を出力する出力ステップと、
を含み、
前記推定ステップでは、前記人物について、前記特定動作における瞬間毎の所作の種類に応じた負荷の度合いを記した負荷データを用いて、前記推定を行う、
ことを特徴とする情報処理方法。
(構成12)
コンピュータを、構成1乃至11のいずれか一項に記載の情報処理装置として機能させるためのプログラム。
コンピュータを、構成1乃至11のいずれか一項に記載の情報処理装置として機能させるためのプログラム。
Claims (13)
- 人物が行う時間的に連続する特定動作において当該人物にとってより負荷の小さい体の使い方を推定する推定手段と、
前記推定の結果を出力する出力手段と、
を有し、
前記推定手段は、前記人物について、前記特定動作における瞬間毎の所作の種類に応じた負荷の度合いを記した負荷データを用いて、前記推定を行う、
ことを特徴とする情報処理装置。 - 前記人物による前記特定動作を撮像した映像データを取得する取得手段と、
前記映像データから前記特定動作に含まれる瞬間毎の所作を特定可能な解析データを生成する解析手段と、
をさらに有し、
前記推定手段は、前記解析データに基づき、前記特定動作における瞬間毎に、前記映像データにおける前記特定動作に含まれる瞬間毎の所作よりも負荷が低い所作を推定する、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記特定動作に含まれる瞬間毎の所作を特定可能な解析データを生成する解析手段と、
をさらに有し、
前記推定手段は、前記解析データに基づき、前記特定動作における瞬間毎に、前記特定動作に含まれる瞬間毎の所作よりも負荷が低い所作を推定する、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記推定手段は、前記瞬間毎の所作間の移動ベクトルが小さくなるように、前記負荷が低減した所作を推定する、ことを特徴とする請求項2に記載の情報処理装置。
- 前記推定手段は、前記瞬間毎の所作間の移動ベクトルに基づき、前記特定動作における全所作を通じた負荷の評価値を算出し、最小の評価値が得られる各所作を、前記負荷が低減した各所作として推定する、ことを特徴とする請求項4に記載の情報処理装置。
- 前記推定手段は、前記瞬間毎の所作の種類を変えながら前記算出を繰り返し行って、前記最小の評価値が得られる各所作を決定する、ことを特徴とする請求項5に記載の情報処理装置。
- 前記推定手段は、前記瞬間毎に、前記特定動作に関する複数の所作が登録された所作パターンのデータベースを参照して、前記瞬間毎の所作の種類を変える、ことを特徴とする請求項6に記載の情報処理装置。
- 前記特定動作は、楽器の演奏であり、
前記瞬間毎の所作は、前記演奏において前記楽器から音が出ている瞬間毎の、前記人物による体の使い方である、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記楽器は、ピアノであり、
前記瞬間毎の所作は、鍵盤を押下する際の指の使い方である、
ことを特徴とする請求項8に記載の情報処理装置。 - 前記特定動作は、スポーツにおける基準動作であり、
前記瞬間毎の所作は、前記基準動作における特定のタイミング毎の、前記人物による体の使い方である、
ことを特徴とする請求項1に記載の情報処理装置。 - 前記スポーツは、ゴルフであり、
前記瞬間毎の所作は、ゴルフクラブを持ってスイングする際の姿勢である、
ことを特徴とする請求項10に記載の情報処理装置。 - 人物が行う時間的に連続する特定動作において当該人物にとってより負荷の小さい体の使い方を推定する推定ステップと、
前記推定の結果を出力する出力ステップと、
を含み、
前記推定ステップでは、前記人物について、前記特定動作における瞬間毎の所作の種類に応じた負荷の度合いを記した負荷データを用いて、前記推定を行う、
ことを特徴とする情報処理方法。 - コンピュータに、請求項12に記載の情報処理方法を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022126169A JP2024022812A (ja) | 2022-08-08 | 2022-08-08 | 情報処理装置、情報処理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022126169A JP2024022812A (ja) | 2022-08-08 | 2022-08-08 | 情報処理装置、情報処理方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024022812A true JP2024022812A (ja) | 2024-02-21 |
Family
ID=89930467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022126169A Pending JP2024022812A (ja) | 2022-08-08 | 2022-08-08 | 情報処理装置、情報処理方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2024022812A (ja) |
-
2022
- 2022-08-08 JP JP2022126169A patent/JP2024022812A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miranda et al. | New digital musical instruments: control and interaction beyond the keyboard | |
US11557269B2 (en) | Information processing method | |
WO2019130755A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US8710345B2 (en) | Performance apparatus, a method of controlling the performance apparatus and a program recording medium | |
US20210383714A1 (en) | Information processing device, information processing method, and program | |
US20220398937A1 (en) | Information processing device, information processing method, and program | |
Gonzalez-Sanchez et al. | Characterizing movement fluency in musical performance: Toward a generic measure for technology enhanced learning | |
CN102568453A (zh) | 演奏装置及电子乐器 | |
CN112805765A (zh) | 信息处理装置 | |
CN116386424A (zh) | 一种用于音乐教学的方法、设备和计算机可读存储介质 | |
US20230230493A1 (en) | Information Processing Method, Information Processing System, and Recording Medium | |
JP2024022812A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN117151548A (zh) | 以手部动作判断为基础的音乐线上学习方法及系统 | |
CN114170868A (zh) | 智能钢琴训练的方法和系统 | |
US10319352B2 (en) | Notation for gesture-based composition | |
JP4492446B2 (ja) | 同時に操作可能な演奏操作子の位置関係を計測する計測装置およびプログラム | |
JP2022178356A (ja) | 技認識方法、技認識プログラム及び体操採点支援システム | |
Fonteles et al. | Gesture-driven interaction using the leap motion to conduct a 3D particle system: Evaluation and analysis of an orchestral performance | |
WO2023105601A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
WO2023053632A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
WO2022070769A1 (ja) | 情報処理方法および情報処理システム | |
WO2023032422A1 (ja) | 処理方法、プログラムおよび処理装置 | |
WO2022202265A1 (ja) | 画像処理方法、画像処理システムおよびプログラム | |
WO2022202264A1 (ja) | 演奏解析方法、演奏解析システムおよびプログラム | |
WO2022202266A1 (ja) | 画像処理方法、画像処理システムおよびプログラム |