JP5429992B2 - 三次元形状モデル生成装置、三次元形状モデル生成方法、三次元形状モデル生成プログラム、及び三次元形状モデル生成システム - Google Patents

Description

本発明は、三次元形状の見本である三次元形状モデルを生成する三次元形状モデル生成装置、特に統計処理を利用して三次元形状モデルを生成する三次元形状モデル生成装置、それを使用する三次元形状モデルの生成方法、生成プログラム、及び生成システムに関する。

従来から、例えば特許文献１に記載のように、測定可能な身体の物理量の値に基づいて身体の形状である体形をモデル化する技術が知られている。特許文献１に記載の技術においては、多数の異なる体形のポリゴンモデルに対する（ａ）相同化処理、（ｂ）統計処理、（ｃ）体形モデル生成処理によって体形がモデル化されている。

（ａ）相同化処理ではまず、体重や周囲長等の物理量の値と、体形を点群で表現した三次元スキャンデータとが多数の異なる身体について計測される。次いで点群に対する規格化処理が各三次元スキャンデータに施されて、データ点数とトポロジーとが規格化されたポリゴンモデルである複数の相同モデルが生成される。そして物理量の値に対応付けられた相同モデルが統計処理上の標本として身体ごとに生成される。

（ｂ）統計処理では、例えば人種、出身地、年齢、性別等、体形に影響を与える人体の属性ごとに相同モデルが分類されて、複数の相同モデルからなる母集団が人体の属性ごとに生成される。次いで統計処理に必要とされる分布軸、つまり相同モデル間に強い相関を与える成分が母集団ごとに抽出される。例えば多変量解析の一つである主成分分析が母集団ごとに施されて、母集団の有する体形の意味合いのうちから特徴的な意味合いが分布軸、すなわち主成分軸として抽出される。そして相同モデルを構成するポリゴン頂点の頂点座標と、複数の主成分軸で規定された多次元空間上のポリゴン頂点の座標、すなわち主成分値との相関が、第一固有ベクトル行列として演算される。このような統計処理によれば、下記式（１）に示されるように、相同モデルを構成する各頂点座標Ｃ_ｉ（ｉは２以上の整数）が主成分値Ｐ_ｊ（ｊは２以上の整数）と第一固有ベクトル行列Ｄ_ｉｊとから演算可能になる。

［Ｃ_ｉ］＝［Ｄ_ｉｊ］×［Ｐ_ｊ］ … 式（１）
また統計処理では、多変量解析が上記物理量の値に対しても実施される。つまり物理量の値の間に強い相関を示す成分が母集団ごとに抽出される。そして相同モデルに対応付けられた物理量の値と、複数の主成分軸で構成された多次元空間上の物理量の値、すなわち主成分値との相関が第二固有ベクトル行列として演算される。このような統計処理によれば、下記式（２）に示されるように、相同モデルに対応付けられた物理量の値ｘ_ｉ（ｉは２以上の整数）が主成分値Ｓ_ｊ（ｊは２以上の整数）と第二固有ベクトル行列Ｈ_ｉｊとから演算可能になる。

［ｘｉ］＝［Ｈ_ｉｊ］×［Ｓ_ｊ］ … 式（２）
（ｃ）体形モデル生成処理では、式（３）に示されるように、三次元体形モデルを生成するための物理量の目標値Ｂ_ｐｉと、上記第二固有ベクトル行列Ｈ_ｉｊの逆行列とが用いられて、目標値Ｂ_ｐｉに応じた主成分値Ｓ_ｊが演算される。次いで、式（４）に示されるように、相同モデルの主成分値Ｐ_ｊと物理量の主成分値Ｓ_ｊとを関連付けた関数Ｔｍと、上記物理量の目標値Ｂ_ｐｉに応じた主成分値Ｓ_ｊとが用いられて、目標値Ｂ_ｐｉに応じた相同モデルの主成分値Ｐ_ｊが演算される。そして、式（５）に示されるように、上記相同
モデル統計処理の結果として得られた第一固有ベクトル行列Ｄ_ｉｊの逆行列と、上記目標値Ｂ_ｐｉに応じた相同モデルＨＭＤの主成分値Ｐ_ｊとが用いられて、目標値Ｂ_ｐｉに応じたポリゴンの頂点座標Ｃ_ｉが演算される、つまり目標値Ｂ_ｐｉに応じた相同モデルが生成される。

［Ｓ_ｊ］＝［Ｈ_ｉｊ］^−１×［Ｂ_ｐｉ］ … 式（３）
［Ｐ_ｊ］＝Ｔｍ（Ｓ_ｊ） … 式（４）
［Ｃ_ｉ］＝［Ｄ_ｉｊ］^−１×［Ｐ_ｊ］ … 式（５）
上述した一連の処理によれば、相同モデルを生成するために必要となる主成分値Ｐ_ｊが物理量の目標値Ｂ_ｐｉに基づいて推定可能になるため、母集団の中に含まれていない相同モデルであっても、物理量の目標値Ｂ_ｐｉから生成可能となる。すなわち物理量の目標値Ｂ_ｐｉに応じた三次元体形モデルが生成可能となる。

特開２００８‐１７１０７４号公報

ところで、上述した体形のモデル化技術は、個人間の体形差に基づく統計処理の結果と、物理量の目標値Ｂ_ｐｉとから三次元体形モデルそのものを生成し、個人の体形を再現させている。そのため、統計処理に用いられる母集団や物理量の目標値Ｂ_ｐｉが変われば、特定個人の体形上の特徴がどのようなものであっても、結局、その体形上の特徴は概ね失われてしまう。つまり上述したモデル化技術にあっては、個人の体形が統計処理上の母集団を構成する単なる一標本に過ぎないために、特定個人内の体形上の特徴が演算の結果に反映され難いものとなっている。

一方、上述した体形のモデル化技術に対する要請は、単に物理量の値に応じた三次元体形モデルを生成することに留まらず、利用者の将来の体形をシミュレーションすることにまで拡張されつつある。例えば利用者の将来の体形を生活習慣に応じてモデル化して健康の管理やファッションの提供を三次元体形モデルに基づいて行う等、それを具現化する技術として上記体形のモデル化技術が期待されている。ここで、利用者の将来の体形とは、いわば特定個人内の体形の変化を示すものであって、肉付きや皺の形状等という利用者の最新の体形によって大きく異なることが一般的である。そのため、利用者個人の将来の体形を精度よく再現させるとなれば、利用者の最新の体形がシミュレーションの結果に大きく反映されること、すなわち特定個人内の体形上の特徴が精度良く再現されること、それが必要不可欠となる。

しかしながら、個人の体形が一標本に過ぎない上記モデル化技術では、特定個人内の体形上の特徴がシミュレーションに殆ど反映されていないため、利用者の将来の体形を表現するには不十分なものとなってしまう。そしてシミュレーションの結果に含まれる誤差の中には、利用者の体形に対して、人体構造学上、生じ難い誤差が介入することもある。図２６は上述したような誤差の一例を示す図である。図２６（ａ）は利用者の最新の三次元体形モデルの出力結果を示し、図２６（ｂ）は物理量の一つである身長が最新の値と同じであって且つ、物理量の一つである体重の目標値が最新の値よりも軽い場合に得られた将来の三次元体形モデルの出力結果を示す。

例えば物理量の一つである体重が減少すると、体形そのものが細身になることは当然であって、特に細くなる部位が胸の部位か腹の部位かということが現在の体形で大きく異なることも少なくない。また細くなる部位の周囲長が互いに関係を持って減少すること、例
えば、へそ周りの長さの減少量が胸囲長の減少量よりも少なくなる傾向を持ってこれらが減少することも少なくない。さらに、たとえ体重が減少するとしても、シミュレーションの対象が成人男性であるならば、人体構造学上、腕の長さＬｈ、脚の長さＬｃ、肩幅Ｂｓというサイズが大幅に変動しないことも一般的である。しかしながら、統計処理の結果のみから三次元体形モデルそのものが生成される上記モデル化技術では、図２６に示されるように、体重の減少によって本来ならば腹の部位が優先的に細くなる場合であっても、体形の全体が均一に細くなったり、さらには腕の長さＬｈ、脚の長さＬｃ、肩幅Ｂｓまでもが伸縮したりする場合がある。

なお、目標値Ｂｐｉに応じた三次元体形モデルを生成することがそもそも上記モデル化技術の目的であるということを鑑みれば、特定個人内の体形上の特徴がシミュレーションの結果に反映され難いことは至極当然である。言い換えれば、特定個人内の体形上の特徴がシミュレーションの結果に反映され難いという問題は、利用者の将来の体形をモデル化するという上記の新たな要請から初めて生じる問題であって、個人間の体形差に基づいて特定個人の体形を再現する技術では到底解決し得ない問題である。

本発明は、こうした実状に鑑みてなされたものであり、その目的は、統計処理を利用して生成する新たな三次元体形モデルの精度を向上させる三次元形状モデル生成装置、三次元形状モデル生成方法、三次元形状モデル生成プログラム、及び三次元形状モデル生成システムを提供することである。

以下、上記課題を解決するための手段及びその作用効果について記載する。
請求項１に記載の発明は、複数のモデル化対象物の三次元形状データから基準三次元モデルを生成して複数の前記基準三次元モデルの多変量解析によって複数の特徴量を抽出する特徴量抽出部と、前記モデル化対象物で測定可能な物理量の値と、該モデル化対象物の前記基準三次元モデルが有する前記複数の特徴量の値とを、該基準三次元モデルに対応付けて記憶する記憶部と、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記物理量の値との相関を演算する相関演算部と、前記相対関係演算部が演算した相対関係に基づいて前記物理量の入力値から前記複数の特徴量の値を演算して、前記記憶部が記憶したデータに基づいて該演算した前記複数の特徴量の値から新たな三次元モデルを生成するモデル生成部とを備える三次元形状モデル生成装置であって、前記モデル生成部は、前記入力値に初期値を用いて生成した初期三次元モデルと、前記入力値に目標値を用いて生成した目標三次元モデルとの差分を、前記物理量の初期値に対応する基準三次元モデルに加えることによって更に新たな三次元モデルを生成することを要旨とする。

請求項２に記載の発明は、前記記憶部が、前記モデル化対象物ごとに複数の物理量の値を記憶し、前記相関演算部が、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、更に前記複数の物理量の値の相関を演算し、前記モデル生成部が、前記複数の物理量の相関に基づいて前記物理量の入力値から該物理量とは異なる他の物理量の値を演算し、該演算の結果である前記他の物理量の値と前記物理量の入力値とを用いて新たな三次元モデルを生成することを要旨とする。

請求項３に記載の発明は、前記記憶部が、関節間の長さを含む複数の物理量の値を前記モデル化対象物ごとに記憶し、前記相関演算部が、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、前記モデル生成部が、前記複数の物理量の初期値から前記初期三次元モデルを生成すると共に、前記関節間の長さを前記初期値と同じ値にした前記複数の物理
量の目標値から前記目標三次元モデルを生成することを要旨とする。

請求項４に記載の発明は、三次元形状モデル生成装置が、複数のモデル化対象物の三次元形状データから基準三次元モデルを生成して複数の前記基準三次元モデルの多変量解析によって複数の特徴量を抽出し、前記モデル化対象物で測定可能な物理量の値と、該モデル化対象物の前記基準三次元モデルが有する前記複数の特徴量の値とを、該基準三次元モデルに対応付けて記憶し、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と該基準三次元モデルに対応付けられた前記物理量の値との相関を演算し、前記演算した相対関係に基づいて前記物理量の入力値から前記複数の特徴量の値を演算して、前記記憶したデータに基づいて該演算した前記複数の特徴量の値から新たな三次元モデルを生成する三次元形状モデル生成方法であって、前記三次元形状モデル生成装置が、前記入力値に初期値を用いて生成した初期三次元モデルと、前記入力値に目標値を用いて生成した目標三次元モデルとの差分を、前記物理量の初期値に対応する基準三次元モデルに加えることによって更に新たな三次元モデルを生成することを要旨とする。

請求項５に記載の発明は、前記三次元形状モデル生成装置が、前記モデル化対象物ごとに複数の物理量の値を記憶し、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、更に前記複数の物理量の値の相関を演算し、前記複数の物理量の相関に基づいて前記物理量の入力値から該物理量とは異なる他の物理量の値を演算し、該演算の結果である前記他の物理量の値と前記物理量の入力値とを用いて新たな三次元モデルを生成することを要旨とする。

請求項６に記載の発明は、前記三次元形状モデル生成装置が、関節間の長さを含む複数の物理量の値を前記モデル化対象物ごとに記憶し、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、前記複数の物理量の初期値から前記初期三次元モデルを生成すると共に、前記関節間の長さを前記初期値と同じ値にした前記複数の物理量の目標値から前記目標三次元モデルを生成することを要旨とする。

請求項７に記載の発明は、コンピュータを、複数のモデル化対象物の三次元形状データから基準三次元モデルを生成して複数の前記基準三次元モデルの多変量解析によって複数の特徴量を抽出する特徴量抽出部、前記モデル化対象物で測定可能な物理量の値と、該モデル化対象物の前記三次元モデルが有する前記複数の特徴量の値とを、該基準三次元モデルに対応付けて記憶する記憶部、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記物理量の値との相関を演算する相関演算部、前記相対関係演算部が演算した相対関係に基づいて前記物理量の入力値から前記複数の特徴量の値を演算して、前記記憶部が記憶したデータに基づいて該演算した前記複数の特徴量の値から新たな三次元モデルを生成するモデル生成部として機能させる三次元形状モデル生成プログラムであって、前記モデル生成部を、前記入力値に初期値を用いて生成した初期三次元モデルと、前記入力値に目標値を用いて生成した目標三次元モデルとの差分を、前記物理量の初期値に対応する基準三次元モデルに加えることによって更に新たな三次元モデルを生成する生成部として機能させることを要旨とする。

請求項８に記載の発明は、前記記憶部を、前記モデル化対象物ごとに複数の物理量の値を記憶する記憶部として機能させて、前記相関演算部を、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、更に前記複数の物理量の値の相関を演算する演算部として機能させて、前記モデル生成部を、前記複数の物理量の相関に基づいて前記物理量の入力値から該物理量とは異なる他の物理量の値を演算し、該演算の結果である前記他の物理量の値と前記物理量の入力値とを用いて新たな三次元モデルを生成する生成部として機能させることを要旨とする。

請求項９に記載の発明は、前記記憶部を、関節間の長さを含む複数の物理量の値を前記モデル化対象物ごとに記憶する記憶部として機能させて、前記相関演算部を、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算する演算部として機能させて、前記モデル生成部を、前記複数の物理量の初期値から前記初期三次元モデルを生成すると共に、前記関節間の長さを前記初期値と同じ値にした前記複数の物理量の目標値から前記目標三次元モデルを生成する生成部として機能させることを要旨とする。

請求項１０に記載の発明は、ネットワークを介して接続された三次元形状モデル生成装置と端末装置とを備える三次元形状モデル生成システムであって、前記三次元形状モデル生成装置は、複数のモデル化対象物の三次元形状データから基準三次元モデルを生成して複数の前記基準三次元モデルの多変量解析によって複数の特徴量を抽出する特徴量抽出部と、前記モデル化対象物で測定可能な物理量の値と、該モデル化対象物の前記基準三次元モデルが有する前記複数の特徴量の値とを、該基準三次元モデルに対応付けて記憶する記憶部と、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記物理量の値との相関を演算する相関演算部と、前記相対関係演算部が演算した相対関係に基づいて前記物理量の入力値から前記複数の特徴量の値を演算して、前記記憶部が記憶したデータに基づいて該演算した前記複数の特徴量の値から新たな三次元モデルを生成するモデル生成部とを備え、前記モデル生成部が、前記入力値に初期値を用いて生成した初期三次元モデルと、前記入力値に目標値を用いて生成した目標三次元モデルとの差分を、前記物理量の初期値に対応する基準三次元モデルに加えることによって更に新たな三次元モデルを生成し、前記端末装置は、前記物理量の入力値と、該入力値に対応する三次元形状データとを前記三次元形状モデル生成装置に送信する送信部と、前記モデル生成部で生成された三次元モデルを前記三次元形状モデル生成装置から受信する受信部と、前記受信部で受信した三次元モデルを出力する出力部とを備えることを要旨とする。

請求項１１に記載の発明は、前記記憶部が、前記モデル化対象物ごとに複数の物理量の値を記憶し、前記相関演算部が、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、更に前記複数の物理量の値の相関を演算し、前記モデル生成部が、前記複数の物理量の相関に基づいて前記物理量の入力値から該物理量とは異なる他の物理量の値を演算し、該演算の結果である前記他の物理量の値と前記物理量の入力値とを用いて新たな三次元モデルを生成することを要旨とする。

請求項１２に記載の発明は、前記記憶部が、関節間の長さを含む複数の物理量の値を前記モデル化対象物ごとに記憶し、前記相関演算部が、前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、前記モデル生成部が、前記複数の物理量の初期値から前記初期三次元モデルを生成すると共に、前記関節間の長さを前記初期値と同じ値にした前記複数の物理量の目標値から前記目標三次元モデルを生成することを要旨とする。

請求項１、請求項４、請求項７、請求項１０に記載の発明によれば、統計処理の結果に基づいて物理量の初期値から初期三次元モデルが生成されて、同じく統計処理の結果に基づいて物理量の目標値から目標三次元モデルが生成される。そして、これら初期三次元モデルと目標三次元モデルとの差分が初期値に対応する基準三次元モデルに加えられることによって、新たな三次元モデルが生成される。

ここで、統計処理から得られる新たな三次元モデル、すなわち初期三次元モデルや目標
三次元モデルでは、一標本固有の特徴的な部分が取り除かれて母集団全体に関わる特徴的な部分が抽出される。そのため、これら初期三次元モデルと目標三次元モデルとの差分には、一標本固有の特徴的な部分がより一層に反映され難くなる。つまり、基準三次元モデルの特徴的な部位を打ち消すような形状が、初期三次元モデルと目標三次元モデルとの差分では現われ難くなる。その結果、物理量の初期値に対応する基準三次元モデルに初期三次元モデルと目標三次元モデルとの差分が加えられるとしても、初期値に対応する基準三次元モデルの特徴的な部分が、新たな三次元モデルに直接的に反映されることになる。それゆえに、物理量の初期値に対応する基準三次元モデルが統計処理上の単なる一標本である場合と比較して、該基準三次元モデルの特徴的な部分が新たな三次元モデルに、より反映されることになる。ひいては統計処理を利用して生成する新たな三次元モデルの精度を向上させることが可能となって、例えば物理量の初期値に対応する三次元モデルに対し、人体構造学上、逸脱した誤差が含まれ難くもなる。

請求項２、請求項５、請求項８、請求項１１に記載の発明によれば、複数の物理量の値から新たな三次元モデルが生成されるため、一つの物理量の値から新たな三次元モデルを生成する場合と比較して、より高い精度で新たな三次元モデルが生成可能になる。そして初期三次元モデルと目標三次元モデルとの差分もより高い精度のものとなる。それゆえに、基準三次元モデルに加えられる差分までもがより高い精度のものになる結果、統計処理を利用して生成する新たな三次元モデルの精度をより向上させることが可能となる。

さらに、複数の物理量の相関に基づいて、物理量の入力値から他の物理量の値が演算される。そのため、複数のモデル化対象物の形状が有する特徴に即した多数の物理量の値が少数の物理量の値から得られることになる。それゆえに、複数の物理量の入力値そのものに高い精度を与えることできるため、統計処理を利用して生成する新たな三次元モデルの精度をさらに向上させることが可能となる。

請求項３、請求項６、請求項９、請求項１２に記載の発明によれば、基準三次元モデルの有する関節間の長さが固定される態様で、新たな三次元モデルが生成される。ここで、モデル化対象物が例えば人間やペットであるものとする。これらのモデル化対象物では、骨格の成長が止まると、関節間の長さが必然的に固定されるようになる。この点、上述したように関節間の長さが固定される態様で新たな三次元モデルが生成されるとなれば、上記モデル化対象物の形状変化の特性により適した三次元モデルを、新たな三次元モデルとして得ることが可能となる。

三次元形状モデル生成システムの構成を示す構成図。 利用者端末の構成を示す機能ブロック図。 初期モデル設定データのデータ構成を示す構成図。 体形ランドマークの一例を三次元体形モデルと共に示す図。 第一の実施形態における目標体形モデルデータの構成を示す構成図。 第一の実施形態における体形モデル生成サーバの構成を示す機能ブロック図。 相同モデルのデータ構成を示す構成図。 相同モデルにおいて統計処理に利用される部分を示す図。 （ａ）（ｂ）多変量解析の一例である主成分分析の過程を示す分布図。 （ａ）（ｂ）シミュレーションモデルの生成過程を示す図。 体形モデルのシミュレーションの処理内容を示すフローチャート。 相同モデル生成処理の流れを示すフローチャート。 統計処理の流れを示すフローチャート。 第一の実施形態におけるシミュレーションモデル生成処理の流れを示すフローチャート。 第一の実施形態における体形シミュレーションの出力結果を三次元画像として示す図。 第二の実施形態における目標体形モデルデータの構成を示す構成図。 第二の実施形態における体形モデル生成サーバの構成を示す機能ブロック図。 第二の実施形態におけるシミュレーションモデル生成処理の流れを示すフローチャート。 （ａ）（ｂ）第二の実施形態における体形シミュレーションの出力結果を三次元画像として示す図。 第三の実施形態における目標体形モデルデータの構成を示す構成図。 関節位置とモデル骨格とを相同モデルと共に示す図。 第三の実施形態における体形モデル生成サーバの構成を示す機能ブロック図。 関節位置データのデータ構成を示す構成図。 第三の実施形態における相同モデル生成処理の流れを示すフローチャート。 第三の実施形態におけるシミュレーションモデル生成処理の流れを示すフローチャート。 （ａ）（ｂ）従来の体形モデルのシミュレーションにより生成される体形モデルの出力画像を示す図。

（第一の実施形態）
以下、本発明を具体化した第一の実施形態を図１〜図１５に従って説明する。まず本実施形態に係る三次元形状モデル生成システムの構成について図１〜図５を参照して説明する。図１は三次元形状モデル生成システムの構成を示す構成図であり、図２は三次元形状モデル生成システムを構成する利用者端末の構成を示す機能ブロック図である。

［三次元形状モデル生成システム］
図１に示されるように、三次元形状モデル生成装置の一例である体形モデル生成サーバ１Ａは、利用者の使用する端末装置である利用者端末１Ｂに、インターネット、ＬＡＮ、ＷＡＮ等の通信ネットワークＮＴを介して接続されている。モデル化対象物である人体の将来の形状、すなわち将来の体形を三次元体形モデルとしてシミュレーションするための各種のデータは、これら体形モデル生成サーバ１Ａと利用者端末１Ｂとの通信を介して利用者端末１Ｂから体形モデル生成サーバ１Ａへ送信される。また体形モデル生成サーバ１Ａで生成された各種のデータは、体形モデル生成サーバ１Ａから利用者端末１Ｂへ送信される。なお利用者端末１Ｂは、フィットネスクラブ、健康機器メーカ、住宅メーカ、衣服メーカ、食品メーカに設置された端末装置等、三次元体形モデルの用途に応じた場所に設置されるものであって、通常、体形モデル生成サーバ１Ａに複数接続されている。

図２に示されるように、利用者端末１Ｂには、ＣＰＵやＤＭＡコントローラ等の各種プロセッサから構成されるデータ処理部１１が備えられている。データ処理部１１は、三次元体形モデルのシミュレーションに利用される各種のデータ等の送信及び受信を実行するためのプログラムをデータとして読出し、それを命令として解釈して実行する。そしてデータ処理部１１は、例えば三次元体形モデルのシミュレーションに利用される各種のデータの記憶処理、送信処理、受信処理、及び出力処理等を上記プログラムに従って統括する。

また利用者端末１Ｂには、体形モデル生成サーバ１Ａと通信するための送信部及び受信
部としての送受信処理部１２が備えられている。また利用者端末１Ｂには、三次元スキャナー１３ａや該三次元スキャナー１３ａとコンピュータとのインターフェース等から構成された入力処理部１３が備えられている。入力処理部１３は、三次元体形モデルのシミュレーションを実行するための各種のデータをデータ処理部１１に入力する。さらに利用者端末１Ｂには、ハードディスクドライブや各種のメモリ等から構成された記憶部１４が備えられている。記憶部１４は、三次元体形モデルのシミュレーションを実行するためのプログラムの一例である利用者プログラム１４ｄと、入力処理部１３から入力された各種のデータとを記憶する。さらにまた利用者端末１Ｂには、ＧＰＵ等の画像処理プロセッサと各種ディスプレイとから構成される出力部としての体形モデル出力処理部１５が備えられている。体形モデル出力処理部１５は、送受信処理部１２が受信した三次元体形モデルを用いてシミュレーションの結果を三次元画像として出力表示する。

そして、三次元体形モデルのシミュレーションに先立ち、まずシミュレーションの前提となる初期モデル設定データ１４ａ、ランドマークデータ１４ｂ、目標体形モデルデータ１４ｃが記憶部１４の記憶領域に一旦記憶される。次いで、シミュレーションを開始させるリクエストが、利用者を識別する識別子ＩＤと共に、送受信処理部１２から体形モデル生成サーバ１Ａに送信される。また記憶部１４の記憶領域に一旦記憶された上記各種のデータが送受信処理部１２から体形モデル生成サーバ１Ａに順に送信される。そして、上記各種のデータ等に基づくシミュレーションが体形モデル生成サーバ１Ａで実行される。体形モデル生成サーバ１Ａで生成されたシミュレーションの結果は、体形モデル生成サーバ１Ａから送受信処理部１２に送信された後に、体形モデル出力処理部１５により三次元画像として出力される。

図３〜図５はそれぞれ利用者端末１Ｂから体形モデル生成サーバ１Ａに送信される各種のデータのデータ構成を示す図である。図３は初期モデル設定データのデータ構成を示す構成図であり、図４はランドマークデータを構成する体形ランドマークの一例を三次元体形モデルと共に示す図であり、図５は目標体形モデルデータ１４ｃのデータ構成を示す構成図である。

図３に示されるように、初期モデル設定データ１４ａは、初期モデル設定データ１４ａそのものに関するデータであるヘッダ１４１ａと、三次元形状データである三次元スキャンデータ１４２ａと、付帯データ１４３ａとから構成されている。

三次元スキャンデータ１４２ａは、三次元体形モデルのシミュレーションを利用者の最新の体形に基づいて実行するためのデータである。この三次元スキャンデータ１４２ａは、利用者の最新の体表面を三次元スキャナー１３ａで測定した測定結果、つまり利用者の最新の体形を点群として表現した三次元形状データである。

そして、この三次元スキャンデータ１４２ａに点群の座標データが含まれている場合には、三次元体形モデルのシミュレーションが利用者の最新の体形に基づいて実行される。これに対して、三次元スキャンデータ１４２ａの点群の座標データが空欄からなる場合には、三次元体形モデルのシミュレーションが利用者の最新の体形とは異なる体形に基づいて実行される。

付帯データ１４３ａは、体形に影響を与える人体の属性と、体形の指標となる体形パラメータの値とから構成されている。上記体形に影響を与える人体の属性とは、例えば人種、年齢、性別という生物学的なデータ、さらには職業、運動歴、病歴等の生活環境に関するデータである。上記体形の指標となる体形パラメータとは、身長、体重、体格指数（＝「体重」／「身長」２：ＢＭＩ）、周囲長（首周り、胸囲、胴囲、へそ周り、二の腕周り、脹脛周り、太股周り等）である。つまり、この体形パラメータとはモデル化対象である
人体で測定可能な物理量である。また、この体形パラメータの値は、例えば三次元スキャンデータ１４２ａを取得する際に、あるいは三次元スキャンデータ１４２ａを取得する以前に計測された最新の実測値である。つまり付帯データ１４３ａを構成する体形パラメータの値は、利用者の最新の体形の指標となる値であって、三次元体形モデルのシミュレーションの入力値の一つである初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈとして取り扱われる。

ランドマークデータ１４ｂは、解剖学的な特徴点であるランドマークの三次元座標を示すデータである。ランドマークデータ１４ｂは、三次元スキャンデータ１４２ａを構成する点群から該ランドマークに相当する頂点を抽出するために利用される。例えば図４に示されるように、ランドマークデータ１４ｂは、頸側点Ｐｒ１、肩峰点Ｐｒ２、乳頭点Ｐｒ３、転子点Ｐｒ４、脛骨点Ｐｒ５、外果下点Ｐｒ６の三次元座標を示すデータである。そして三次元スキャンデータ１４２ａを構成する点群から上記頸側点Ｐｒ１、肩峰点Ｐｒ２、乳頭点Ｐｒ３、転子点Ｐｒ４、脛骨点Ｐｒ５、外果下点Ｐｒ６に相当する各頂点を抽出するためにランドマークデータ１４ｂが利用される。

目標体形モデルデータ１４ｃは、図５に示されるように、目標体形モデルデータ１４ｃそのものに関するデータであるヘッダ１４１ｃと、三次元体形モデルのシミュレーションに利用される目標体形パラメータデータ１４２ｃとから構成されている。目標体形パラメータデータ１４２ｃは、シミュレーションの目的に応じて設定される体形パラメータの値である。つまり目標体形モデルデータ１４ｃを構成する体形パラメータの値は、利用者の将来の体形の指標となる値であって、三次元体形モデルのシミュレーションの入力値の一つである目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈとして取り扱われる。

［体形モデル生成サーバ１Ａ］
次に、上記体形モデル生成サーバ１Ａの構成について図６〜図１０を参照して説明する。図６は体形モデル生成サーバの構成を示す機能ブロック図であり、図７は相同モデルのデータ構成を示す構成図である。また図８は統計処理に利用される相同モデルの抽出部分を例示する図であり、図９（ａ）（ｂ）は統計処理における処理の内容を例示する分布図である。図１０（ａ）（ｂ）は三次元体形モデルのシミュレーションの処理内容を各相同モデルの一部を用いて説明する図である。

図６に示されるように、体形モデル生成サーバ１Ａには、ＣＰＵや各種のメモリで構成されたモデル生成処理制御部２１が備えられている。モデル生成処理制御部２１は、三次元体形モデルのシミュレーションを実行するためのシュミレーションプログラムをデータとして読み出し、それを命令として解釈して実行する。また体形モデル生成サーバ１Ａには、通信ネットワークＮＴを介して利用者端末１Ｂと通信するための送受信処理部２２が備えられている。また体形モデル生成サーバ１Ａには、上記ＣＰＵの一部や各種のメモリから構成されたデータ処理部２３が備えられている。データ処理部２３は、モデル生成処理制御部２１からの指令に応答して各種のデータを用いた処理を実行する。さらに体形モデル生成サーバ１Ａには、ハードディスクドライブや各種のメモリから構成された記憶部２４が備えられている。記憶部２４は、三次元体形モデルのシミュレーションプログラムを記憶し、またデータ処理部２３により処理された結果等を記憶する。

そして、モデル生成処理制御部２１は、シミュレーションプログラムに従って送受信処理部２２、データ処理部２３、及び記憶部２４における各種の処理を統括する。なお、体形モデル生成サーバ１Ａは、モデル生成処理制御部２１、送受信処理部２２、データ処理部２３がアプリケーションサーバとして構成されて、記憶部２４が別途データベースサーバとして構成されてもよい。

データ処理部２３は、スキャンデータ処理部２３ａと、特徴量抽出部を構成する相同モ
デル生成部２３ｂと、特徴量抽出部及び相関演算部を構成する統計処理部２３ｃと、モデル生成部２３ｄとから構成されている。記憶部２４の記憶領域には、シミュレーションプログラム２４ｐと、前処理モデルデータベース２４ａと、標準モデルデータベース２４ｂと、相同モデルデータベース２４ｃと、統計処理結果データベース２４ｄと、体形モデルデータベース２４ｅとが構築されている。これらのデータベースは、各データベースが格納するデータを出力する上記データ処理部２３の各々により管理される。

スキャンデータ処理部２３ａは、初期モデル設定データ１４ａに含まれる三次元スキャンデータ１４２ａを用い、三次元体形モデルのシミュレーションを実行するための各種の前処理を該三次元スキャンデータ１４２ａに対して実行する。詳述すると、スキャンデータ処理部２３ａは、三次元スキャンデータ１４２ａとランドマークデータ１４ｂとを用い、三次元スキャンデータ１４２ａを構成する点群に対して、回転、移動、抽出、さらにはランドマークの対応付け、それらを実行して前処理モデルを生成する。そしてスキャンデータ処理部２３ａは、この前処理モデルと付帯データ１４３ａとが利用者の識別子ＩＤに紐付けられる態様で前処理モデルデータベース２４ａを更新する。

相同モデル生成部２３ｂは、利用者の識別子ＩＤに紐付けられた前処理モデルを前処理モデルデータベース２４ａから読み出し、点数、トポロジー、データフォーマット等が規格化されたポリゴンモデル、つまり基準三次元モデルとしての相同モデルＨＭＤを該前処理モデルから生成する。すなわち相同モデル生成部２３ｂは、前処理モデルの相同化処理を実行する。

相同モデルＨＭＤとは、図７に示されるように、相同モデルＨＭＤそのものに関するデータであるヘッダ２４１ｃと、体形座標データ２４２ｃとから構成されている。体形座標データ２４２ｃは、ポリゴン頂点Ｋ_１〜ポリゴン頂点Ｋ_ｎ（ｎは２以上の整数）とそれらの座標値である頂点座標Ｃ_１〜頂点座標Ｃ_ｎ（ｎは２以上の整数）、さらにポリゴン面Ｆ_１〜ポリゴン面Ｆ_ｍ（ｍは２以上の整数）とそれらを構成するポリゴン頂点の配列である頂点配列Ｅ_１〜頂点配列Ｅ_ｍ（ｍは２以上の整数）とにより構成されている。

そして相同モデル生成部２３ｂは、この相同モデルＨＭＤと付帯データ１４３ａとが利用者の識別子ＩＤに紐付けられる態様で相同モデルデータベース２４ｃを更新する。つまり相同モデル生成部２３ｂは、利用者に関する人体の属性、該利用者の最新の体形パラメータの値、及び該利用者の最新の体形を示す相同モデルＨＭＤ、それらが該利用者の識別子ＩＤに紐付けられる態様で、相同モデルデータベース２４ｃを更新する。このような処理によって、多数の相同モデルＨＭＤからなる母集団が人体の属性ごとに構成される。

相同モデル生成部２３ｂは、送受信処理部２２が受信した標準モデルを用い、標準モデルと該標準モデルに関わる人体の属性とが紐付けられる態様で標準モデルデータベース２４ｂを更新する。標準モデルとは、人体の体表面を示すポリゴンモデルであって、上記相同モデルＨＭＤと同じく、点数、トポロジー、データフォーマットが予め規格化されたモデルである。この標準モデルは人体の属性ごとに準備されている。

また相同モデル生成部２３ｂは、図８に示されるように、人体の頭部に相当する部分のポリゴンモデルを第１合成対象Ｅｘ１として相同モデルＨＭＤから抽出し、また人体の両手に相当する部分のポリゴンモデルを第２合成対象Ｅｘ２として相同モデルＨＭＤから抽出する。さらに相同モデル生成部２３ｂは、人体の両足に相当する部分のポリゴンモデルを第３合成対象Ｅｘ３として相同モデルＨＭＤから抽出し、これら第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を相同モデルＨＭＤから抽出した残りの部分をシミュレーション対象ＨＭｐとして相同モデルＨＭＤから抽出する。これら第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３は、上記シミュレーション対象ＨＭｐを用いて生成されたシミュレーションモデル
ＨＭｓに、利用者の人体の頭部、人体の両手、人体の両足に相当する部分が合成される際に利用される。

そして相同モデル生成部２３ｂは、これら第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３とシミュレーション対象ＨＭｐとが利用者の識別子ＩＤに紐付けられる態様で相同モデルデータベース２４ｃを更新する。このような処理により、多数のシミュレーション対象ＨＭｐからなる母集団が、相同モデルＨＭＤの母集団と同じく、人体の属性ごとに構成される。

また相同モデル生成部２３ｂは、標準モデルから人体の頭部に相当する部分のポリゴンモデルを第１合成対象Ｅｘ１として抽出し、また人体の両手に相当するポリゴンモデルを第２合成対象Ｅｘ２として標準モデルから抽出する。さらに相同モデル生成部２３ｂは、人体の両足に相当するポリゴンモデルを第３合成対象Ｅｘ３として抽出し、これら第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を標準モデルから抽出した残りの部分をシミュレーション対象ＨＭｐとして抽出する。これら第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３は、上記シミュレーション対象ＨＭｐを用いて生成されたシミュレーションモデルＨＭｓに、標準的な人体の頭部、人体の両手、人体の両足に相当する部分が合成される際に利用される。そして相同モデル生成部２３ｂは、これら第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３とシミュレーション対象ＨＭｐとが利用者の識別子ＩＤに紐付けられる態様で標準モデルデータベース２４ｂを更新する。

そして三次元体形モデルのシミュレーションが利用者の相同モデルＨＭＤに基づいて実行される際、すなわち利用者の最新の体形に基づいてシミュレーションが実行される際、相同モデルデータベース２４ｃのシミュレーション対象ＨＭｐは、三次元体形モデルの初期値である基準相同モデルＨＭｉとして利用される。これに対して、三次元体形モデルのシミュレーションが利用者の相同モデルＨＭＤと異なる三次元体形モデルに基づいて実行される際、標準モデルデータベース２４ｂのシミュレーション対象ＨＭｐは、三次元体形モデルの初期値である基準相同モデルＨＭｉとして利用される。

統計処理部２３ｃは、各シミュレーション対象ＨＭｐを標本とする多変量解析を母集団ごと、すなわち人体の属性ごとに実行する。詳述すると、統計処理部２３ｃは、一つの母集団を構成する各シミュレーション対象ＨＭｐを相同モデルデータベース２４ｃから読み出す。そして、各シミュレーション対象ＨＭｐ間において相関の強い成分を特徴量として抽出する。

例えば、図９（ａ）に示されるように、座標軸Ａ、座標軸Ｂ及び座標軸Ｃからなる実空間では、座標軸Ａ及び座標軸Ｂに対し相関の弱い状態で各シミュレーション対象ＨＭｐを構成するポリゴン頂点が分布している。統計処理部２３ｃは、このような母集団を構成する各シミュレーション対象ＨＭｐを読み出し、多変量解析の一つである主成分分析を実行する。そして、図９（ｂ）に示されるように、シミュレーション対象ＨＭｐの間において相関の強い主成分を抽出する。言い換えれば、多変量解析の一つである主成分分析を実行して、母集団の全体が有する意味合いの中から大柄や細身等といった特徴的となる意味合いを主成分軸Ｓ、主成分軸Ｔ及び主成分軸Ｕとして抽出する。なお、主成分分析により抽出される主成分の数は、図９に例示するような３つに限らず、２つ、あるいは４つ以上であっても良い。

そして統計処理部２３ｃは、抽出した主成分軸における中心点を演算して主成分軸ごとに値を変化させることにより母集団に関する周辺形態を演算する。演算された周辺形態は、複数の主成分軸から構成される座標空間上の座標値、つまり中心点からの変位量（主成分値）として特定可能になる。そして統計処理部２３ｃは、シミュレーション対象ＨＭｐ
を構成する各ポリゴン頂点の頂点値Ｘ_１〜頂点値Ｘ_ｋ（ｋは２以上の整数）と主成分値Ｐ_１〜主成分値Ｐ_ｊ（ｊは２以上の整数）との対応関係を、式（６）に示されるような関係、すなわち固有ベクトル行列Ａ_１として演算する。また統計処理部２３ｃは、各シミュレーション対象ＨＭｐと該シミュレーション対象ＨＭｐの主成分値Ｐ_１〜主成分値Ｐ_ｊとが紐付けられる態様で相同モデルデータベース２４ｃを更新する。また統計処理部２３ｃは、統計処理に用いられた各シミュレーション対象ＨＭｐの属する人体の属性と固有ベクトル行列Ａ_１とが紐付けられる態様で統計処理結果データベース２４ｄを更新する。

また統計処理部２３ｃは、上記主成分値と体形パラメータとを標本とする重回帰処理を母集団ごと、すなわち人体の属性ごとに実行する。詳述すると、統計処理部２３ｃは、一つの母集団を構成する全てのシミュレーション対象ＨＭｐについて、該シミュレーション対象ＨＭｐに関わる各体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈと、該シミュレーション対象ＨＭｐに応じた主成分値Ｐ_１〜主成分値Ｐ_ｊとを、相同モデルデータベース２４ｃから読み出す。そして各体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈが目的変数（被説明変数）、主成分値Ｐ_１〜主成分値Ｐ_ｊが説明変数となる態様で、統計処理部２３ｃは人体の属性ごとに重回帰処理を実行する。この重回帰処理において、統計処理部２３ｃは、各体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈと主成分値Ｐ_１〜主成分値Ｐ_ｊとの相関を、式（７）に示されるような関係、すなわち相関行列Ａ_２として演算する。そして統計処理部２３ｃは、統計処理の対象となった人体の属性とこの相関行列Ａ_２とが紐付けられる態様で統計処理結果データベース２４ｄを更新する。

モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａを相同モデルデータベース２４ｃから読み出す。またモデル生成部２３ｄは、読み出した付帯データ１４３ａから体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈを抽出する。そしてモデル生成部２３ｄは、抽出した体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈと上記相関行列Ａ２（式（７）参照）の逆行列とを用い、当該初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈに応じた各主成分値を逆演算する。そしてモデル生成部２３ｄは、演算結果である該主成分値を初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊとして利用する。

またモデル生成部２３ｄは、目標体形モデルデータ１４ｃから体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈを抽出する。またモデル生成部２３ｄは、抽出した体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈと上記相関行列Ａ_２（式（７）参照）の逆行列とを用い、当該目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈに応じた各主成分値を演算する。そしてモデル生成部２３ｄは、演算結果である該主成分値を目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊとして利用する。

またモデル生成部２３ｄは、上記初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊと上記固有ベクトル行列Ａ_１（式（６）参照）の逆行列とを用い、当該初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊに応じたポリゴンモデルを演算する。そしてモデル生成部２３ｄは、当該ポリゴンモデルを初期三次元モデル（初期相同モデルＨＭａ）として利用する。

またモデル生成部２３ｄは、上記目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊと上記固有ベクトル行列Ａ_１（式（６）参照）の逆行列とを用い、当該目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊに応じたポリゴンモデルを演算する。そしてモデル生成部２３ｄは、当該ポリゴンモデルを目標三次元モデル（目標相同モデルＨＭｂ）として利用する。

またモデル生成部２３ｄは、上記初期相同モデルＨＭａと目標相同モデルＨＭｂとを用い、初期相同モデルＨＭａを構成する各ポリゴン座標から目標相同モデルＨＭｂを構成する各ポリゴン座標への変位量をこれらの差分として演算する。そしてモデル生成部２３ｄは、演算結果である変位量Ｔ_ｎと、三次元体形モデルの初期値である基準相同モデルＨＭｉとを用い、基準相同モデルＨＭｉに該変位量Ｔ_ｎを加えたポリゴンモデルをシミュレーションモデルＨＭｓとして演算する。そしてモデル生成部２３ｄは、このシミュレーションモデルＨＭｓと利用者の識別子ＩＤとが紐付けられる態様で体形モデルデータベース２４ｅを更新する。

例えば図１０（ａ）に示されるように、モデル生成部２３ｄは、初期相同モデルＨＭａを構成するポリゴン座標Ｋａ_１〜ポリゴン座標Ｋａ_５から目標相同モデルＨＭｂを構成するポリゴン座標Ｋｂ_１〜ポリゴン座標Ｋｂ_５への変位量Ｔ_１〜変位量Ｔ_５を演算する。そしてモデル生成部２３ｄは、演算結果である変位量Ｔ_１〜変位量Ｔ_５と基準相同モデルＨＭｉとを用い、基準相同モデルＨＭｉを構成するポリゴン座標Ｋｉ_１〜ポリゴン座標Ｋｉ_５を変位量Ｔ_１〜変位量Ｔ_５だけ変位させたポリゴン座標Ｋｓ_１〜ポリゴン座標Ｋｓ_５をシミュレーションモデルＨＭｓとして演算する。さらにモデル生成部２３ｄは、シミュレーションモデルＨＭｓと利用者の識別子ＩＤとが紐付けられる態様で体形モデルデータベース２４ｅを更新する。

またモデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を相同モデルデータベース２４ｃあるいは標準モデルデータベース２４ｂから読み出す。またモデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられたシミュレーションモデルＨＭｓを体形モデルデータベース２４ｅから読み出す。さらにモデル生成部２３ｄは、読み出した第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３と読み出したシミュレーションモデルＨＭｓとを合成し、人体の頭部に相当する部分、人体の両手に相当する部分、及び人体の両足に相当する部分、及びシミュレーションモデルＨＭｓからなる相同モデルＨＭＤを生成する。そしてモデル生成部２３ｄは、合成後のシミュレーションモデルＨＭｓと利用者の識別子ＩＤとが紐付けられる態様で体形モデルデータベース２４ｅを更新する。

次に、上記三次元形状モデル生成システムを利用した三次元体形モデルのシミュレーションの流れについて図１１〜図１５を参照して説明する。図１１は体形モデルシミュレー
ションの処理内容を示すフローチャートであり、図１２は相同モデル生成処理の流れを示すフローチャートである。また図１３は統計処理の流れを示すフローチャートであり、図１４はシミュレーションモデル生成処理の流れを示すフローチャートである。図１５は利用者端末の入出力画面に表示された基準相同モデルＨＭｉとシミュレーションモデルＨＭｓとの出力結果を示す図である。

なお、シミュレーションが実行されることに先立ち、上記相同モデルデータベース２４ｃには、予め多数の個人の相同モデルＨＭＤからなる母集団が人体の属性ごとに構成され、また多数の異なるシミュレーション対象ＨＭｐからなる母集団が人体の属性ごとに構成されている。

まず、体形モデルシミュレーションを実行する旨のリクエストが、利用者端末１Ｂから体形モデル生成サーバ１Ａへ送信される。また初期モデル設定データ１４ａ、ランドマークデータ１４ｂ、目標体形モデルデータ１４ｃ、及び標準モデルが、同じく利用者端末１Ｂから体形モデル生成サーバ１Ａへ送信される。体形モデルシミュレーションを実行する旨のリクエストと上記各種のデータとを体形モデル生成サーバ１Ａが受信すると、上記各処理部２３ａ，２３ｂ，２３ｃ，２３ｄの処理を統括するモデル生成処理制御部２１がシミュレーションプログラムに従って以下のようにシミュレーションを実行する。

すなわち、図１１に示されるように、当該リクエストに合わせて利用者の三次元スキャンデータ１４２ａが取得可能か否か、詳述すると、三次元スキャンデータ１４２ａに点群の座標データが含まれているか否かの判定がモデル生成処理制御部２１で実行される（ステップＳ１１）。そして三次元スキャンデータ１４２ａが取得可能か否かの判定に応じて、スキャンデータ処理（ステップＳ１２）、相同モデル生成処理（ステップＳ２０）、統計処理（ステップＳ３０）、シミュレーションモデル生成処理（ステップＳ４０）、シミュレーションモデル合成処理（ステップＳ５０）、シミュレーションモデル出力処理（ステップＳ６０）がそれぞれ異なる内容で順に実行される。

［スキャンデータ処理］
三次元スキャンデータ１４２ａが取得可能である旨の判定がモデル生成処理制御部２１でなされると（ステップＳ１１：ＹＥＳ）、スキャンデータ処理部２３ａは、三次元スキャンデータ１４２ａに対する各種の前処理を実行して前処理モデルを生成する。またスキャンデータ処理部２３ａは、該前処理モデルと付帯データ１４３ａとが利用者の識別子ＩＤに紐付けられる態様で前処理モデルデータベース２４ａを更新し、当該シミュレーションにおけるスキャンデータ処理を終了する（ステップＳ１２）。

［相同モデル生成処理］
前処理モデルが前処理モデルデータベース２４ａに格納されると、相同モデル生成部２３ｂは、利用者端末１Ｂから受信した標準モデルと該標準モデルに関する人体の属性とが紐付けられる態様で標準モデルデータベース２４ｂを更新する。

標準モデルデータベース２４ｂが更新されると、相同モデル生成部２３ｂは、図１２に示されるように、利用者の識別子ＩＤに紐付けられた前処理モデルと付帯データ１４３ａとを前処理モデルデータベース２４ａから読み出す。また相同モデル生成部２３ｂは、読み出した付帯データ１４３ａから人体の属性と体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈとを抽出する。さらに相同モデル生成部２３ｂは、抽出した人体の属性を用い、該人体の属性に紐付けられた標準モデルを標準モデルデータベース２４ｂから読み出す。

そして相同モデル生成部２３ｂは、読み出した前処理モデルが示す体表面と標準モデルが示す体表面とが整合するように標準モデルのポリゴン座標を変位させて、当該ポリゴン
座標からなる相同モデルＨＭＤを生成する、つまり前処理モデルの相同化処理を実行する。利用者の相同モデルＨＭＤが生成されると、相同モデル生成部２３ｂは、該相同モデルＨＭＤ、該相同モデルＨＭＤに関わる体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈ、さらには該相同モデルＨＭＤに関する人体の属性、それらが利用者の識別子ＩＤに紐付けられる態様で、相同モデルデータベース２４ｃを更新する（ステップＳ２１）。

相同モデルＨＭＤが相同モデルデータベース２４ｃに格納されると、相同モデル生成部２３ｂは、利用者の識別子ＩＤに紐付けられた相同モデルＨＭＤを相同モデルデータベース２４ｃから読み出し、該相同モデルＨＭＤから、第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を抽出する（ステップＳ２２）。また相同モデル生成部２３ｂは、該相同モデルＨＭＤから第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を除いた残りの部分であるシミュレーション対象ＨＭｐを、該相同モデルＨＭＤから抽出する（ステップＳ２３）。そして相同モデル生成部２３ｂは、第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３とシミュレーション対象ＨＭｐとが利用者の識別子ＩＤに紐付けられる態様で相同モデルデータベース２４ｃを更新し、当該シミュレーションの相同モデル生成処理を終了する（ステップＳ２４）。

なお、三次元スキャンデータ１４２ａが取得不能である旨の判定がモデル生成処理制御部２１でなされると（ステップＳ１１：ＮＯ）、相同モデル生成部２３ｂは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａに含まれる人体の属性を前処理モデルデータベース２４ａから読み出す。そして相同モデル生成部２３ｂは、当該人体の属性に紐付けられた標準モデルを標準モデルデータベース２４ｂから読み出す。次いで相同モデル生成部２３ｂは、読み出した標準モデルから第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を抽出する（ステップＳ２５）。また相同モデル生成部２３ｂは、読み出した標準モデルから第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を除いた残りの部分であるシミュレーション対象ＨＭｐを、該標準モデルから抽出する（ステップＳ２６）。そして相同モデル生成部２３ｂは、第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３とシミュレーション対象ＨＭｐとが利用者の識別子ＩＤに紐付けられる態様で標準モデルデータベース２４ｂを更新し、当該シミュレーションの相同モデル生成処理を終了する（ステップＳ２７）。

［統計処理］
相同モデル生成処理が終了すると、統計処理部２３ｃは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａを相同モデルデータベース２４ｃから読み出し、当該付帯データ１４３ａに含まれる人体の属性を抽出する。次いで統計処理部２３ｃは、抽出した人体の属性と同じ属性に対応付けられた複数のシミュレーション対象ＨＭｐを相同モデルデータベース２４ｃから読み出す。すなわち統計処理部２３ｃは、利用者の最新の体形を示すシミュレーション対象ＨＭｐが含まれる態様で複数のシミュレーション対象ＨＭｐを読み出す。

そして統計処理部２３ｃは、読み出した複数のシミュレーション対象ＨＭｐに対して主成分分析を実行し、分析結果である主成分と、各シミュレーション対象ＨＭｐの主成分値Ｐ_１〜主成分値Ｐ_ｊと、上記固有ベクトル行列Ａ_１とを演算する（ステップＳ３１）。さらに統計処理部２３ｃは、抽出した人体の属性と同じ属性に対応付けられた複数の体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈを相同モデルデータベース２４ｃから読み出す。そして統計処理部２３ｃは、読み出した体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈが目的変数、上記主成分値が説明変数として取り扱われる重回帰処理を実行して相関行列Ａ２を演算する（ステップ３２）。

統計処理部２３ｃは、各シミュレーション対象ＨＭｐと該シミュレーション対象ＨＭｐの主成分値Ｐ_１〜主成分値Ｐ_ｊとが紐付けられる態様で相同モデルデータベース２４ｃを更新する。また統計処理部２３ｃは、統計処理の処理対象となった人体の属性に、上記固
有ベクトル行列Ａ_１及び上記相関行列Ａ_２が紐付けられる態様で統計処理結果データベース２４ｄを更新し、利用者に対する統計処理を終了する（ステップＳ３３）。

［シミュレーションモデル生成処理］
統計処理が終了すると、モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられたシミュレーション対象ＨＭｐを相同モデルデータベース２４ｃから読み出して当該シミュレーション対象ＨＭｐを基準相同モデルＨＭｉとして設定する。なお三次元スキャンデータ１４２ａが取得不能である旨の判定がモデル生成処理制御部２１でなされると、モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられたシミュレーション対象ＨＭｐを標準モデルデータベース２４ｂから読み出して当該シミュレーション対象ＨＭｐを基準相同モデルＨＭｉとして設定する（ステップＳ４１）。

次いでモデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａを相同モデルデータベース２４ｃから読み出し、当該付帯データ１４３ａに含まれる体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈを抽出する。またモデル生成部２３ｄは、利用者端末１Ｂから受信した目標体形モデルデータ１４ｃから体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈを抽出する（ステップＳ４２）。

体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈと体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈとを抽出すると、モデル生成部２３ｄは、読み出した付帯データ１４３ａに含まれる人体の属性を抽出し、当該人体の属性に紐付けられた相関行列Ａ２を統計処理結果データベース２４ｄから読み出す。

そしてモデル生成部２３ｄは、体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈと、読み出した相関行列Ａ_２の逆行列とを用い、上記式（７）の逆演算を実行することによって初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊを演算する（ステップＳ４３）。さらにモデル生成部２３ｄは、体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈと、読み出した相関行列Ａ_２の逆行列とを用い、上記式（７）の逆演算を実行することによって目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊを演算する（ステップＳ４４）。

初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊ及び目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊを演算すると、モデル生成部２３ｄは、当該人体の属性に紐付けられた固有ベクトル行列Ａ_１を統計処理結果データベース２４ｄから読み出す。

そしてモデル生成部２３ｄは、初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊと、読み出した固有ベクトル行列Ａ_１の逆行列とを用い、上記式（６）の逆演算を実行することによってポリゴン頂点の座標値を演算する。こうした処理によって、体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈに応じた相同モデルＨＭＤ、すなわち初期相同モデルＨＭａを生成する（ステップＳ４５）。さらにモデル生成部２３ｄは、目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊと、読み出した固有ベクトル行列Ａ_１の逆行列とを用い、上記式（６）の逆演算を実行することによってポリゴン頂点の座標値を演算する。こうした処理によって、体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈに応じた相同モデルＨＭＤ、すなわち目標相同モデルＨＭｂを生成する（ステップＳ４６）。

初期相同モデルＨＭａと目標相同モデルＨＭｂとを生成すると、モデル生成部２３ｄは、上記初期相同モデルＨＭａと目標相同モデルＨＭｂとを用い、初期相同モデルＨＭａを構成する各ポリゴン座標から目標相同モデルＨＭｂを構成する各ポリゴン座標への変位量Ｔ_ｎ（ｎは２以上の整数）を演算する。次いでモデル生成部２３ｄは、演算結果である変位量Ｔ_ｎと、三次元体形モデルの初期値である上記基準相同モデルＨＭｉとを用い、基準相同モデルＨＭｉに該変位量Ｔ_ｎを加えたポリゴンモデルをシミュレーションモデルＨＭ
ｓとして演算する。そしてモデル生成部２３ｄは、シミュレーションモデルＨＭｓと利用者の識別子ＩＤとを紐付ける態様で体形モデルデータベース２４ｅを更新し、利用者に対するシミュレーションモデル生成処理を終了する。

ここで、上述したような統計処理から得られる相同モデルＨＭＤ、すなわち初期相同モデルＨＭａや目標相同モデルＨＭｂでは、利用者固有の肉付きや皺等という体形の特徴的な部分が取り除かれて母集団全体に関わる特徴的な部分が抽出されることになる。そのため、初期相同モデルＨＭａと目標相同モデルＨＭｂとの差分には、利用者固有の特徴的な部分が反映され難くなる。つまり、基準相同モデルＨＭｉの特徴的な部位を打ち消すような形状が、初期相同モデルＨＭａと目標相同モデルＨＭｂとの差分では現われ難くなる。そのため、これら初期相同モデルＨＭａと目標相同モデルＨＭｂとの差分が基準相同モデルＨＭｉに加えられるとしても、基準相同モデルＨＭｉにおける肉付きや皺等という利用者固有の特徴的な部分がシミュレーションモデルＨＭｓに概ね残ることになる。

それゆえに、基準相同モデルＨＭｉが統計処理上の単なる一標本である場合と比較して、基準相同モデルＨＭｉの特徴的な部分がシミュレーションモデルＨＭｓに直接的に反映されることになる。言い換えれば、利用者固有の体形の形状がシミュレーションの結果に直接的に反映されることになる。その結果、統計処理を利用して生成するシミュレーションモデルＨＭｓの精度を向上させることが可能となって、例えば体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈに応じた三次元モデルに対し、人体構造学上、逸脱した誤差が含まれ難くもなる。

［シミュレーションモデル合成処理］
シミュレーションモデル生成処理が終了すると、モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を相同モデルデータベース２４ｃから読み出す。そしてモデル生成部２３ｄは、読み出した第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３と上記シミュレーションモデルＨＭｓとを合成する（ステップＳ５０）。このような処理によって、人体の頭部に相当する部分、人体の両手に相当する部分、及び人体の両足に相当する部分、及びシミュレーションモデルＨＭｓからなる相同モデルＨＭＤが生成される。

ここで、人体の頭部に相当する部分、人体の両手に相当する部分、人体の両足に相当する部分とは、身長、体重、体格指数、周囲長等の体形パラメータに対し、人体の胴部や腹部等と比較して一般に変動し難い。そのため、上述したような第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３が標本に含まれない統計処理の態様であっても、胴部や腹部等を含むシミュレーション対象ＨＭｐで統計処理が実施されれば、その処理の結果の精度が十分に担保されることになる。それゆえに、上述したような統計処理やシミュレーションモデル合成処理によれば、統計処理の結果の精度が失われることを抑えつつ、統計処理に用いられる標本のデータ量を縮小することが可能にもなる。

なお、三次元スキャンデータ１４２ａが取得不能である旨の判定がモデル生成処理制御部２１でなされると（ステップＳ１１：ＮＯ）、モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を標準モデルデータベース２４ｂから読み出す。そしてモデル生成部２３ｄは、読み出した第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３と上記シミュレーションモデルＨＭｓとを合成する（ステップＳ５０）。これにより、人体の頭部に相当する部分、人体の両手に相当する部分、人体の両足に相当する部分、及び上記シミュレーションモデルＨＭｓからなる相同モデルＨＭＤが生成される。

［シミュレーションモデル出力処理］
シミュレーションモデル合成処理が終了すると、モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた相同モデルＨＭＤを相同モデルデータベース２４ｃから読み出す。そしてモデル生成部２３ｄは、読み出した相同モデルＨＭＤと、上記シミュレーションモデル合成処理から得られた相同モデルＨＭＤとを利用者端末１Ｂに出力する。つまりモデル生成部２３ｄは、基準相同モデルＨＭｉを含む相同モデルＨＭＤと、シミュレーションモデルＨＭｓを含む相同モデルＨＭＤとを利用者端末１Ｂに出力する。これにより、利用者端末１Ｂの体形モデル出力処理部１５では、図１５に示されるように、基準相同モデルＨＭｉを含む三次元体形画像と、シミュレーションモデルＨＭｓを含む三次元体形画像とが入出力画面ＶＷに表示される。すなわち、利用者の最新の体形を示す三次元体形画像と、当該最新の体形と体形パラメータの目標値とを反映させた三次元体形画像とが入出力画面ＶＷに表示される。

このような処理によれば、最新の体形を示す三次元体形画像と、最新の体形に基づく将来の三次元体形画像とが利用者に提供されることになる。そして、これらの三次元体形画像が共通する基準相同モデルＨＭｉに基づいたものであるため、腕の長さＬｈ、脚の長さＬｃ、肩幅Ｂｓというサイズが、人体構造学上、逸脱したものとなり難くなる。

以上説明したように、第一の実施形態によれば、以下に列挙する効果が得られるようになる。
（１）統計処理の結果に基づいて体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈから初期相同モデルＨＭａが生成されて、同じく統計処理の結果に基づいて体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈから目標相同モデルＨＭｂが生成される。そして、これら初期相同モデルＨＭａと目標相同モデルＨＭｂとの差分が基準相同モデルＨＭｉに加えられることによって、更に新たな三次元モデルであるシミュレーションモデルＨＭｓが生成される。そのため、基準相同モデルＨＭｉが統計処理上の単なる一標本である場合と比較して、基準相同モデルＨＭｉの特徴的な部分がシミュレーションモデルＨＭｓに残ることになる。その結果、利用者固有の体形の形状がシミュレーションの結果に直接的に反映されるため、統計処理を利用して生成するシミュレーションモデルＨＭｓの精度を向上させることが可能となる。

（２）基準相同モデルＨＭｉが母集団に含まれる態様で主成分分析が実行される。そのため、該主成分分析から得られる初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊや目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊには、基準相同モデルＨＭｉの体形が少なからず反映されることになる。それゆえに、基準相同モデルＨＭｉが含まれない態様で統計処理が実行される場合と比較して、初期相同モデルＨＭａと目標相同モデルＨＭｂとの差分にも基準相同モデルＨＭｉの体形の特徴的な部分が反映されることとなる。

（３）複数の体形パラメータの値からシミュレーションモデルＨＭｓが生成されるため、一つの体形パラメータの値からシミュレーションモデルＨＭｓを生成する場合と比較して、より高い精度でシミュレーションモデルＨＭｓが生成可能になる。つまり初期相同モデルＨＭａと目標相同モデルＨＭｂとの差分である変位量Ｔ_ｎもより高い精度のものとなる。それゆえに、基準相同モデルＨＭｉが変更の対象として取り扱われることに加え、該基準相同モデルＨＭｉに加えられる差分までもが、より高い精度のものになる。その結果、統計処理を利用して生成する体形モデルの精度をより向上させることが可能となる。

（４）相同モデルＨＭＤから第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３が除かれた残りの部分であるシミュレーション対象ＨＭｐが生成され、該シミュレーション対象ＨＭｐを用いた統計処理とシミュレーションモデル生成処理とが実行される。そしてシミュレーションモデルＨＭｓが生成された後に、該シミュレーションモデルＨＭｓと第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３とが合成される。そのため、統計処理やシミュレーションモデ
ル生成処理に用いられる標本のデータ量を縮小することが可能にもなる。
（第二の実施形態）
以下、本発明を具体化した第二の実施形態を図１６〜図１９に従って説明する。図１６は目標体形モデルデータのデータ構成を示す構成図であり、図１７は第二の実施形態の体形モデル生成サーバの構成を示す機能ブロック図である。図１８はシミュレーションモデル生成処理の流れを示すフローチャートであり、図１９（ａ）（ｂ）は利用者端末の入出力画面に表示された初期相同モデルとシュミレーションモデルとの出力結果を示す図である。

なお第二の実施形態は、第一の実施形態の体形モデル生成サーバ１Ａのデータ処理部２３に相関付け判定部２３ｅが付加された構成である。そして、体形パラメータ間に相関を付与するか否かの判定が相関付け判定部２３ｅで実施されて、該判定に応じて体形パラメータの目標値が変更される形態である。つまり体形パラメータ間に相関を付与する判定が相関付け判定部２３ｅでなされたときに、目標相同モデルＨＭｂを生成するための目標値に体形パラメータ間の相関が付与される形態である。そのため以下では、第一の実施形態からの変更点について詳細に説明する。

図１６に示されるように、目標体形モデルデータ１４ｃは、目標体形モデルデータ１４ｃそのものに関するデータであるヘッダ１４１ｃと、三次元体形モデルのシミュレーションに利用される目標体形パラメータデータ１４２ｃと、シミュレーションの条件の一つとなる相関選択データ１４３ｃとから構成されている。

目標体形パラメータデータ１４２ｃは、体形シミュレーションの目的に応じて設定される体形パラメータの値である。この目標体形モデルデータ１４ｃを構成する体形パラメータの値は、利用者の将来の体形の指標となる値であって、三次元体形モデルのシミュレーションの入力値の一つである目標値Ｂ_ｐ１として取り扱われる。

相関選択データ１４３ｃは、各体形パラメータの値に体形パラメータ間の相関が付与されるか否かの判定に利用される。詳述すると、相関選択データ１４３ｃは、非相関体形パラメータＰＣ１を示す識別子と、基準相関体形パラメータＰＣ２を示す識別子と、偏相関体形パラメータＰＣ３を示す識別子とから構成されて、これら非相関体形パラメータＰＣ１、基準相関体形パラメータＰＣ２、偏相関体形パラメータＰＣ３を複数の体形パラメータから選択するためのデータである。

非相関体形パラメータＰＣ１とは、複数の体形パラメータのうちから選択された一つの体形パラメータであって、三次元体形モデルのシミュレーションにおいて体形パラメータ間の相関が付与されない体形パラメータである。この非相関体形パラメータＰＣ１は、他の体形パラメータとの相関の弱い体形パラメータであって、同体形パラメータの初期値が目標値に設定される体形パラメータである。

基準相関体形パラメータＰＣ２とは、非相関体形パラメータＰＣ１を除く複数の体形パラメータのうちから選択された一つの体形パラメータであって、目標体形パラメータデータ１４２ｃで目標値Ｂ_ｐ１が設定された体形パラメータである。この基準相関体形パラメータＰＣ２は、三次元体形モデルのシミュレーションにおいて体形パラメータ間の相関の基準として利用される。

偏相関体形パラメータＰＣ３とは、複数の体形パラメータのうちから上記非相関体形パラメータＰＣ１及び上記基準相関体形パラメータＰＣ２を除いた体形パラメータである。この偏相関体形パラメータＰＣ３は、三次元体形モデルのシミュレーションにおいて基準相関体形パラメータＰＣ２との相関が付与される相関対象である。そして三次元体形モデ
ルのシミュレーションにおいては、基準相関体形パラメータＰＣ２と偏相関体形パラメータＰＣ３との相関が各偏相関体形パラメータＰＣ３に付与される。

例えば他の体形パラメータとの相関が弱い身長が非相関体形パラメータＰＣ１として選択されると、身長以外の体形パラメータが相関体形パラメータとして設定される。そして相関体形パラメータのうちから体重が基準相関体形パラメータＰＣ２として選択されると、体重と体重以外の体形パラメータとの相関が体重以外の各体形パラメータ、すなわち各偏相関体形パラメータＰＣ３に付与される。なお相関選択データ１４３ｃが空欄からなる場合には、体形パラメータの値間に相関が付与されない態様で三次元体形モデルのシミュレーションが実行される。

［体形モデル生成サーバ１Ａ］
図１７に示されるように、体形モデル生成サーバ１Ａのデータ処理部２３は、スキャンデータ処理部２３ａと、相同モデル生成部２３ｂと、統計処理部２３ｃと、モデル生成部２３ｄと、相関付け判定部２３ｅとから構成されている。モデル生成処理制御部２１は、シミュレーションプログラムに従って、これらスキャンデータ処理部２３ａ、相同モデル生成部２３ｂ、統計処理部２３ｃ、モデル生成部２３ｄ、及び相関付け判定部２３ｅにおける各種の処理を統括する。

相関付け判定部２３ｅは、送受信処理部２２が受信した相関選択データ１４３ｃに基づいて体形パラメータ間に相関を付与するか否かを判定する。つまり相関付け判定部２３ｅは、非相関体形パラメータＰＣ１、基準相関体形パラメータＰＣ２、及び偏相関体形パラメータＰＣ３を複数の体形パラメータから選択するか否かを判定する。例えば相関選択データ１４３ｃにおいて、非相関体形パラメータＰＣ１が身長であって、基準相関体形パラメータＰＣ２が体重であるとする。すると相関付け判定部２３ｅは、身長が非相関体形パラメータＰＣ１であって、体重が基準相関体形パラメータＰＣ２であって、身長及び体重以外の体形パラメータが偏相関体形パラメータＰＣ３であることを決定する。これに対して、相関選択データ１４３ｃが空欄からなる場合には、相関付け判定部２３ｅは、体形パラメータ間に相関を付与しないことを決定する。

統計処理部２３ｃは、複数の体形パラメータの値から一つの体形パラメータの値を推定するための重回帰処理を母集団ごとに実行する。詳述すると、相関付け判定部２３ｅが決定した非相関体形パラメータＰＣ１が目的変数として取り扱われ且つ、該非相関体形パラメータＰＣ１以外の体形パラメータである相関体形パラメータが説明変数として取り扱われる重回帰処理を母集団ごとに実行する。そして統計処理部２３ｃは、基準相関体形パラメータＰＣ２と各偏相関体形パラメータＰＣ３との相関を、式（８）に示されるような関係として演算する。すなわち基準相関体形パラメータＰＣ２の値Ｂ_ｐ１で偏相関体形パラメータＰＣ３の値Ｂｐ２〜値Ｂ_ｐｊを表現した統計関数として演算する。また統計処理部２３ｃは、各相関体形パラメータと該相関体形パラメータに適用される統計関数とが母集団ごとに対応付けられる態様で、統計処理結果データベース２４ｄを更新する。

例えば統計処理部２３ｃは、非相関体形パラメータＰＣ１である身長が目的変数として扱われ且つ、基準相関体形パラメータ及び偏相関体形パラメータとから構成される相関体形パラメータが説明変数として取り扱われる重回帰式を母集団ごとに作成する。そして統計処理部２３ｃは、各相関体形パラメータにかかる係数である偏回帰係数ａ_１〜偏回帰係数ａ_ｈ（ｈは２以上の整数）を抽出し、基準相関体形パラメータＰＣ２である体重にかかる偏回帰係数ａ_１で偏相関体形パラメータＰＣ３にかかる偏回帰係数ａ２〜偏回帰係数ａ_ｈを除算する。このような処理によって、基準相関体形パラメータＰＣ２と各偏相関体形パラメータＰＣ３との相関が、各相関係数（ａ_２／ａ_１，ａ_３／ａ_１，…，ａ_ｈ／ａ_１）を用いた統計関数として演算される。

モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａを相同モデルデータベース２４ｃから読み出す。またモデル生成部２３ｄは、読み出した付帯データ１４３ａから体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈを抽出する。そしてモデル生成部２３ｄは、抽出した体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈと上記相関行列Ａ_２（式（７）参照）の逆行列とを用い、当該初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈに応じた各主成分値を逆演算する。そしてモデル生成部２３ｄは、当該各主成分値を初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊとして利用する。

またモデル生成部２３ｄは、目標体形モデルデータ１４ｃから体形パラメータの目標値、すなわち基準相関体形パラメータの目標値Ｂ_ｐ１を抽出する。さらにまたモデル生成部２３ｄは、読み出した付帯データ１４３ａから人体の属性を抽出し、該人体の属性に紐付けられた各相関係数（ａ_２／ａ_１，ａ_３／ａ_１，…，ａ_ｈ／ａ_１）を統計処理結果データベース２４ｄから読み出す。そしてモデル生成部２３ｄは基準相関体形パラメータの目標値Ｂ_ｐ１と各相関係数とを用いて各偏相関体形パラメータの目標値Ｂ_ｐ２〜目標値Ｂ_ｐｈ、すなわち相関補正値を演算する。

次に、上記三次元形状モデル生成システムを利用した三次元体形モデルのシミュレーションの流れについて図１８、図１９（ａ）（ｂ）を参照して説明する。なお第二の実施形態は、第一の実施形態のシミュレーションモデル生成処理とシミュレーションモデル出力処理とを主に変更した構成である。そのため以下では、変更点であるシミュレーションモデル生成処理とシミュレーションモデル出力処理とについて主に説明する。

まず、スキャンデータ処理が実行されることに先立ち、相関選択データ１４３ｃを含む目標体形モデルデータ１４ｃが利用者端末１Ｂから体形モデル生成サーバ１Ａへ送信される。この際、図１９（ａ）に示されるように、入出力画面ＶＷに設けられた体形パラメータの選択テーブルＶＷｓには、基準相関体形パラメータＰＣ２として選択された体形パラメータの欄に該体形パラメータの目標値Ｂ_ｐ１が表示される。また偏相関体形パラメータＰＣ３として選択された体形パラメータの欄に該体形パラメータの値として「０」が表示される。また非相関体形パラメータとして選択された体形パラメータは、それ自体が選択テーブルＶＷｓに表示されなくなる。

なお、図１９（ａ）では、基準相関体形パラメータＰＣ２として体重が選択されて、体重の欄に目標値Ｂ_ｐ１である「６０．５」が表示されている。そして第一の実施形態と同じく、三次元スキャンデータ１４２ａが取得可能か否かの判定に応じて、スキャンデータ処理（ステップＳ１２）、相同モデル生成処理（ステップＳ２０）、統計処理（ステップＳ３０）、シミュレーションモデル生成処理（ステップＳ４０）、シミュレーションモデル合成処理（ステップＳ５０）、シミュレーションモデル出力処理（ステップＳ６０）がそれぞれ異なる内容で順に実行される。

［シミュレーションモデル生成処理］
統計処理が終了すると、モデル生成部２３ｄは、図１８に示されるように、利用者の識
別子ＩＤに紐付けられたシミュレーション対象ＨＭｐを相同モデルデータベース２４ｃから読み出し、該シミュレーション対象ＨＭｐを基準相同モデルＨＭｉとして設定する。なお三次元スキャンデータ１４２ａが取得不能である旨の判定がモデル生成処理制御部２１でなされると、モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられたシミュレーション対象ＨＭｐを標準モデルデータベース２４ｂから読み出して当該シミュレーション対象ＨＭｐを基準相同モデルＨＭｉとして設定する（ステップＳ４１）。

次いでモデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａを相同モデルデータベース２４ｃから読み出し、当該付帯データ１４３ａに含まれる体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈを抽出する。またモデル生成部２３ｄは、利用者端末１Ｂから受信した目標体形モデルデータ１４ｃから基準相関体形パラメータＰＣ２の目標値Ｂ_ｐ１を抽出する（ステップＳ４２）。

モデル生成部２３ｄが体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈと目標値Ｂ_ｐ１とを抽出すると、相関付け判定部２３ｅは、送受信処理部２２が受信した相関選択データ１４３ｃに基づいて体形パラメータの値に相関を付与するか否かを判定する。つまり相関付け判定部２３ｅは、非相関体形パラメータＰＣ１、基準相関体形パラメータＰＣ２、及び偏相関体形パラメータＰＣ３を複数の体形パラメータから選択するか否かを判定する（ステップＳ４２１）。

相関付け判定部２３ｅで相関を付与する旨の判定がなされると（ステップＳ４２１：ＹＥＳ）、統計処理部２３ｃは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａを相同モデルデータベース２４ｃから読み出し、当該付帯データ１４３ａに含まれる人体の属性を抽出する。次いで統計処理部２３ｃは、抽出した人体の属性と同じ属性に対応付けられた複数の体形パラメータの値を相同モデルデータベース２４ｃから読み出す。

そして統計処理部２３ｃは、相関付け判定部２３ｅが決定した非相関体形パラメータＰＣ１が目的変数として取り扱われ且つ、該非相関体形パラメータＰＣ１以外の体形パラメータである相関体形パラメータが説明変数として取り扱われる重回帰処理を、読み出した複数の体形パラメータの値について実行する。また統計処理部２３ｃは、基準相関体形パラメータＰＣ２と偏相関体形パラメータＰＣ３との相関を示す相関係数（式（８）参照）を演算する（ステップＳ４２２）。そして統計処理部２３ｃは、重回帰処理に用いた相関体形パラメータと、該相関体形パラメータに適用される相関係数とが母集団ごとに対応付けられる態様で、統計処理結果データベース２４ｄを更新する。

統計処理部２３ｃが相関係数を演算すると、モデル生成部２３ｄは、読み出した付帯データ１４３ａから人体の属性を抽出し、該人体の属性に紐付けられた相関係数（ａ_２／ａ_１，ａ_３／ａ_１，…，ａ_ｈ／ａ_１）を統計処理結果データベース２４ｄから読み出す。そしてモデル生成部２３ｄは、基準相関体形パラメータの目標値Ｂ_ｐ１と各相関係数とを用いて各偏相関体形パラメータの目標値Ｂ_ｐ２〜目標値Ｂ_ｐｈ、すなわち相関補正値を演算する（ステップＳ４２３）。

各偏相関体形パラメータＰＣ３に対して相関補正値が演算されると、モデル生成部２３ｄは、各体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈと上記相関行列Ａ_２（式（７）参照）の逆行列とを用い、当該初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈに応じた初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊを逆演算する（ステップＳ４３）。

次いでモデル生成部２３ｄは、非相関体形パラメータの初期値を目標値として取り扱い、全ての体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈと上記相関行列Ａ_２（式（７）参照）の逆行列とを用い、当該目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈに応じた目標主成分値Ｐ_ｐ１〜
目標主成分値Ｐ_ｐｊを逆演算する（ステップＳ４４）。

なお、相関付け判定部２３ｅで相関を付与しない旨の判定がなされると（ステップＳ４２１：ＮＯ）、モデル生成部２３ｄは、非相関体形パラメータＰＣ１の初期値が目標値として取り扱われ且つ、偏相関体形パラメータＰＣ３の初期値が目標値として取り扱われる（ステップＳ４２４）。そしてモデル生成部２３ｄは、全ての体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈと上記相関行列Ａ_２（式（７）参照）の逆行列とを用い、当該目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈに応じた目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊを逆演算する。

初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊ及び目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊが演算されると、モデル生成部２３ｄは、第一の実施形態と同じく、初期主成分値Ｐ_ｉ１〜初期主成分値Ｐ_ｉｊと固有ベクトル行列Ａ_１の逆行列とを用い、上記式（６）の逆演算を実行することによってポリゴン頂点の座標値を演算する。すなわち、体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂ_ｉｈに応じた初期相同モデルＨＭａを生成する（ステップＳ４５）。さらにモデル生成部２３ｄは、目標主成分値Ｐ_ｐ１〜目標主成分値Ｐ_ｐｊと固有ベクトル行列Ａ_１の逆行列とを用い、上記式（６）の逆演算を実行することによってポリゴン頂点の座標値を演算する。すなわち、体形パラメータの目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈに応じた目標相同モデルＨＭｂを生成する（ステップＳ４６）。

初期相同モデルＨＭａと目標相同モデルＨＭｂとが生成されると、モデル生成部２３ｄは、第一の実施形態と同じく、初期相同モデルＨＭａを構成する各ポリゴン座標から目標相同モデルＨＭｂを構成する各ポリゴン座標への変位量Ｔ_ｎを演算する。次いでモデル生成部２３ｄは、演算結果である変位量Ｔ_ｎと、三次元体形モデルの初期値である上記基準相同モデルＨＭｉとを用い、基準相同モデルＨＭｉに該変位量Ｔ_ｎを加えたポリゴンモデルをシミュレーションモデルＨＭｓとして演算する。そしてモデル生成部２３ｄは、シミュレーションモデルＨＭｓと利用者の識別子ＩＤとを紐付ける態様で体形モデルデータベース２４ｅを更新し、利用者に対するシミュレーションモデル生成処理を終了する。

ここで、例えば体形パラメータの一つである体重が減少すると、体形そのものが細身になることは当然であって、特に細くなる部位が胸の部位か腹の部位かということが現在の体形で大きく異なることも少なくない。また細くなる部位の周囲長が互いに関係を持って減少すること、例えば、へそ周りの長さの減少量が胸囲長の減少量よりも少なくなるように、これらが減少することも少なくない。

この点、上述したような構成によれば、シミュレーションモデルＨＭｓの生成に用いられる目標値Ｂ_ｐ１〜目標値Ｂ_ｐｈの間に予め相関が付与されている。そのため、基準相関体形パラメータＰＣ２の目標値さえ入力されれば、基準相関体形パラメータＰＣ２以外の他の体形パラメータに対し、母集団の形状的な特徴に即した目標値が設定されることになる。例えば体重の値のみに基づいてシミュレーションモデルＨＭｓを生成する要請であっても、体重以外の体形パラメータに対し、利用者が属する人体の属性に即した目標値が設定されることになる。その結果、シミュレーションモデルＨＭｓを生成する際の目標値が体重のみの場合、あるいは利用者が属する人体の属性に即していない目標値が用いられる場合と比較して、シミュレーションモデルＨＭｓの精度を向上させることが可能となる。

［シミュレーションモデル出力処理］
シミュレーションモデル合成処理が第一の実施形態と同様にして終了すると、モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた相同モデルＨＭＤを相同モデルデータベース２４ｃから読み出す。そしてモデル生成部２３ｄは、読み出した相同モデルＨＭＤと、シミュレーションモデル合成処理から得られた相同モデルＨＭＤとを利用者端末１Ｂに出力する。またモデル生成部２３ｄは、シミュレーション生成処理に用いられた偏相関
体形パラメータＰＣ３の目標値を利用者端末１Ｂに出力する。これにより、利用者端末１Ｂの体形モデル出力処理部１５では、図１９（ａ）に示されるように、基準相同モデルＨＭｉを含む三次元体形画像が選択テーブルＶＷｓと共に入出力画面ＶＷに表示される。次いで、利用者端末１Ｂの体形モデル出力処理部１５では、図１９（ｂ）に示されるように、シミュレーションモデルＨＭｓを含む三次元体形画像と、シミュレーション生成処理に用いられた偏相関体形パラメータＰＣ３の目標値を含む選択テーブルＶＷｓとが入出力画面ＶＷに表示される。

このような処理によれば、第一の実施形態と同じく、最新の体形を示す三次元体形画像と、最新の体形に基づく将来の三次元体形画像とが利用者に提供されることになる。そして、基準相関体形パラメータＰＣ２の値のみの入力によって生成された三次元体形画像とはいえ、該基準相関体形パラメータＰＣ２との相関がその他の体形パラメータに付与されているため、腕の長さＬｈ、脚の長さＬｃ、肩幅Ｂｓというサイズが、人体構造学上、逸脱したものとなり難くなる。そのうえ、最新の体形に基づく将来の三次元体形画像と共に、相関の付与された体形パラメータの値が利用者に提供されることにもなる。それゆえに、三次元体形画像からは確認し難い周囲長等の具体的な値を利用者に提供することも可能となる。

以上説明したように、第二の実施形態によれば、上記（１）〜（４）の効果に加えて、以下に列挙する効果が得られるようになる。
（５）基準相関体形パラメータＰＣ２との相関に基づいて、全ての偏相関体形パラメータＰＣ３の目標値が演算される。そのため、利用者の体形が属する母集団の形状的な特徴に即した体形パラメータの値が基準相関体形パラメータＰＣ２の目標値Ｂ_ｐ１のみから得られることになる。それゆえに、複数の体形パラメータの目標値そのものに高い精度を与えることができるため、目標相同モデルＨＭｂ、ひいては統計処理を利用して生成するシミュレーションモデルＨＭｓの精度をさらに向上させることが可能となる。
（第三の実施形態）
以下、本発明を具体化した第三の実施形態を図２０〜図２５に従って説明する。図２０は第三の実施形態の目標体形モデルデータのデータ構成を示す構成図であり、図２１は関節位置と骨格とを相同モデルと共に示す図である。また図２２は体形モデル生成サーバの構成を示す機能ブロック図であり、図２３は骨格パラメータデータのデータ構成を示す構成図である。また図２４は相同モデル生成処理の流れを示すフローチャートであり、図２５はシミュレーションモデル生成処理の流れを示すフローチャートである。

なお第三の実施形態は、第二の実施形態の体形モデル生成サーバ１Ａのデータ処理部２３に骨格固定判定部２３ｆが付加された構成である。そして、初期相同モデルＨＭａと目標相同モデルＨＭｂとの骨格を同一にするか否かの判定、すなわち骨格を固定するか否かの判定が骨格固定判定部２３ｆで実施されて、該判定に応じて目標相同モデルＨＭｂの生成条件が変更される形態である。そのため以下では、第二の実施形態からの変更点について詳細に説明する。

図２０に示されるように、目標体形モデルデータ１４ｃは、第二の実施形態と同じく、ヘッダ１４１ｃ、目標体形パラメータデータ１４２ｃ、及び相関選択データ１４３ｃを備え、シミュレーションの条件の一つとなる骨格パラメータデータ１４４ｃを更に備えている。

骨格パラメータデータ１４４ｃは、人体の形状を全体的に支配する骨格に関するデータであって、骨格パラメータの値から構成されている。骨格パラメータとは、図２１に示されるように、肩関節Ｊ１と肘関節Ｊ２との間の長さ、肘関節Ｊ２と仙腸関節Ｊ３との間の長さ、仙腸関節Ｊ３と股関節Ｊ４との間の長さ、股関節Ｊ４と膝関節Ｊ５との間の長さ等
、人体の物理量の一つである関節間の長さである。この骨格パラメータデータ１４４ｃは、シミュレーションの目的に応じて設定される体形パラメータの値である。つまり目標体形モデルデータ１４ｃを構成する骨格パラメータの値は、利用者の将来の体形の指標となる値であって、三次元体形モデルのシミュレーションの入力値の一つである目標値として取り扱われる。

そして骨格パラメータデータ１４４ｃに関節間の長さが含まれている場合には、三次元体形モデルのシミュレーションが骨格パラメータデータ１４４ｃの目標値に基づいて実行される。これに対して、骨格パラメータデータ１４４ｃが空欄からなる場合には、三次元体形モデルのシミュレーションが骨格を固定する態様で実行される。

［体形モデル生成サーバ１Ａ］
図２２に示されるように、体形モデル生成サーバ１Ａのデータ処理部２３は、第二の実施形態と同じく、スキャンデータ処理部２３ａと、相同モデル生成部２３ｂと、統計処理部２３ｃと、モデル生成部２３ｄと、相関付け判定部２３ｅとを備え、骨格パラメータデータ１４４ｃに基づいて骨格を固定するか否かを判定する骨格固定判定部２３ｆを更に備えている。モデル生成処理制御部２１は、シミュレーションプログラムに従って、これらスキャンデータ処理部２３ａ、相同モデル生成部２３ｂ、統計処理部２３ｃ、モデル生成部２３ｄ、相関付け判定部２３ｅ、及び骨格固定判定部２３ｆにおける各種の処理を統括する。

骨格固定判定部２３ｆは、送受信処理部２２が受信した骨格パラメータデータ１４４ｃに基づいて骨格を固定するか否かを判定する。つまり骨格固定判定部２３ｆは、初期相同モデルＨＭａと目標相同モデルＨＭｂとの骨格を同一にするか否か、すなわち三次元形状モデルのシミュレーションにおいて骨格を固定するか否かを判定する。

相同モデル生成部２３ｂは、該相同モデル生成部２３ｂが生成した相同モデルＨＭＤあるいは標準モデルを用い、関節位置データＢＤを生成する。関節位置データＢＤとは、図２３に示されるように、関節位置データＢＤそのものに関するデータであるヘッダ２４３ｃと、関節座標２４４ｃとから構成されている。関節座標２４４ｃは、上記肩関節Ｊ１、肘関節Ｊ２、仙腸関節Ｊ３、股関節Ｊ４、膝関節Ｊ５等の関節位置Ｊ１〜関節位置Ｊｎ（ｎは２以上の整数）とそれらの座標値である関節座標Ｃ_ｊ１〜関節座標Ｃ_ｊｎ（ｎは２以上の整数）とにより構成されている。相同モデル生成部２３ｂは、関節位置Ｊ１〜関節位置Ｊｎの各々の周辺に位置する複数のポリゴン頂点の座標値と、関節位置を求めるために予め設定された演算式とを用い、これら関節座標Ｃ_ｊ１〜関節座標Ｃ_ｊｎを演算する。そして相同モデル生成部２３ｂは、この関節位置データＢＤが利用者の識別子ＩＤに紐付けられる態様で相同モデルデータベース２４ｃを更新する。つまり相同モデル生成部２３ｂは、利用者の現在の骨格に関するデータが該利用者の識別子ＩＤに紐付けられる態様で、相同モデルデータベース２４ｃを更新する。

そして三次元体形モデルのシミュレーションが利用者の相同モデルＨＭＤに基づいて実行される際、相同モデル生成部２３ｂは、該相同モデル生成部２３ｂが生成した相同モデルＨＭＤのポリゴン頂点を用い、上記関節位置データＢＤを生成する。また相同モデル生成部２３ｂは、この関節位置データＢＤに含まれる関節座標２４４ｃから関節間の長さを演算する。そして相同モデル生成部２３ｂによって演算された関節間の長さは、利用者の現在の体形における骨格パラメータの値、つまり該シミュレーションにおける骨格パラメータの初期値として取り扱われる。

これに対して、三次元体形モデルのシミュレーションが利用者の相同モデルＨＭＤと異なる三次元体形モデルに基づいて実行される際、相同モデル生成部２３ｂは、標準モデル
データベース２４ｂから標準モデルを読み出し、読み出した標準モデルのポリゴン頂点を用い、上記関節位置データＢＤを生成する。また相同モデル生成部２３ｂは、この関節位置データＢＤに含まれる関節座標２４４ｃから関節間の長さを演算する。そして相同モデル生成部２３ｂによって演算された関節間の長さは、標準的な体形における骨格パラメータの値、つまり該シミュレーションにおける骨格パラメータの初期値として取り扱われる。

統計処理部２３ｃは、シミュレーションモデルＨＭｓの主成分値と、体形パラメータと、骨格パラメータとを標本とする重回帰処理を母集団ごと、すなわち人体の属性ごとに実行する。詳述すると、統計処理部２３ｃは、一つの母集団を構成する全てのシミュレーション対象ＨＭｐについて、各体形パラメータの初期値、骨格パラメータの初期値、主成分値、それらを相同モデルデータベース２４ｃから読み出す。そして体形パラメータの初期値と骨格パラメータの初期値とが目的変数（被説明変数）、主成分値が説明変数となる態様で、統計処理部２３ｃは人体の属性ごとに重回帰処理を実行する。この重回帰処理によって、統計処理部２３ｃは、体形パラメータの初期値及び骨格パラメータの初期値と、主成分値との相関を、上記式（７）に対応する関係、すなわち相関行列Ａ２として演算する。また統計処理部２３ｃは、統計処理の対象となった人体の属性とこの相関行列Ａ２とが紐付けられる態様で統計処理結果データベース２４ｄを更新する。

モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａを相同モデルデータベース２４ｃから読み出す。またモデル生成部２３ｄは、読み出した付帯データ１４３ａから体形パラメータの初期値を抽出する。またモデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた骨格パラメータの初期値を相同モデルデータベース２４ｃから読み出す。そしてモデル生成部２３ｄは、体形パラメータの初期値、骨格パラメータの初期値、及び相関行列Ａ_２（式（７）参照）の逆行列を用い、当該初期値に応じた各主成分値を逆演算する。そしてモデル生成部２３ｄは、演算結果である該主成分値を初期主成分値として利用する。

モデル生成部２３ｄは、目標体形モデルデータ１４ｃの目標体形パラメータデータ１４２ｃから体形パラメータの目標値を抽出し、該目標体形モデルデータ１４ｃの骨格パラメータデータ１４４ｃから骨格パラメータの目標値を抽出する。

そして骨格を固定しないシミュレーションが実行される際、モデル生成部２３ｄは、抽出した体形パラメータの目標値と、抽出した骨格パラメータの目標値と、上記相関行列Ａ_２（式（７）参照）の逆行列とを用い、当該目標値に応じた各主成分値を演算する。そしてモデル生成部２３ｄは、演算結果である該主成分値を目標主成分値として利用する。

これに対して、骨格を固定するシミュレーションが実行される際、モデル生成部２３ｄは、読み出した骨格パラメータの初期値を骨格パラメータの目標値として取り扱う。そして体形パラメータの目標値と、骨格パラメータの目標値（初期値）と、上記相関行列Ａ２（式（７）参照）の逆行列とを用い、当該目標値に応じた各主成分値を演算する。そしてモデル生成部２３ｄは、演算結果である該主成分値を目標主成分値として利用する。

そしてモデル生成部２３ｄは、第二実施形態と同じく、上記初期主成分値と上記固有ベクトル行列Ａ_１（式（６）参照）の逆行列とを用い、当該初期主成分値に応じたポリゴンモデルを演算する。そしてモデル生成部２３ｄは、当該ポリゴンモデルを初期相同モデルＨＭａとして利用する。またモデル生成部２３ｄは、上記目標主成分値と上記固有ベクトル行列Ａ_１（式（６）参照）の逆行列とを用い、当該目標主成分値に応じたポリゴンモデルを演算する。そしてモデル生成部２３ｄは、当該ポリゴンモデルを目標相同モデルＨＭｂとして利用する。

次に、上記三次元形状モデル生成システムを利用した三次元体形モデルのシミュレーションの流れについて図２４、図２５を参照して説明する。なお第三の実施形態は、第二の実施形態の相同モデル生成処理、統計処理、及びシミュレーションモデル生成処理を主に変更した構成である。そのため以下では、変更点である相同モデル生成処理、統計処理、及びシミュレーションモデル生成処理について主に説明する。

［相同モデル生成処理］
図２４に示されるように、利用者の識別子ＩＤに紐付けられた前処理モデルと付帯データ１４３ａとを前処理モデルデータベース２４ａから読み出す。また相同モデル生成部２３ｂは、読み出した付帯データ１４３ａから人体の属性と体形パラメータの初期値Ｂ_ｉ１〜初期値Ｂｉ_ｈとを抽出する。さらに相同モデル生成部２３ｂは、抽出した人体の属性を用い、該人体の属性に紐付けられた標準モデルを標準モデルデータベース２４ｂから読み出す。

そして相同モデル生成部２３ｂは、読み出した前処理モデルが示す体表面と標準モデルが示す体表面とが整合するように標準モデルのポリゴン座標を変位させて、当該ポリゴン座標からなる相同モデルＨＭＤを生成する。また相同モデル生成部２３ｂは、生成した相同モデルＨＭＤに基づいて、該相同モデルＨＭＤのポリゴン頂点に応じた関節位置データＢＤを生成する。そして相同モデルＨＭＤ及び関節位置データＢＤが生成されると、相同モデル生成部２３ｂは、これら相同モデルＨＭＤ、関節位置データＢＤと、さらには該相同モデルＨＭＤに関わる体形パラメータの初期値及び人体の属性、それらが利用者の識別子ＩＤに紐付けられる態様で、相同モデルデータベース２４ｃを更新する（ステップＳ２１）。

相同モデルＨＭＤ及び関節位置データＢＤが相同モデルデータベース２４ｃに格納されると、相同モデル生成部２３ｂは、第二の実施形態と同じく、利用者の識別子ＩＤに紐付けられた相同モデルＨＭＤから、第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を抽出する（ステップＳ２２）。また相同モデル生成部２３ｂは、該相同モデルＨＭＤから第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を除いた残りの部分であるシミュレーション対象ＨＭｐを、該相同モデルＨＭＤから抽出する（ステップＳ２３）。そして相同モデル生成部２３ｂは、第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３とシミュレーション対象ＨＭｐとが利用者の識別子ＩＤに紐付けられる態様で相同モデルデータベース２４ｃを更新し、当該シミュレーションの相同モデル生成処理を終了する（ステップＳ２４）。

なお、三次元スキャンデータ１４２ａが取得不能である旨の判定がモデル生成処理制御部２１でなされると、相同モデル生成部２３ｂは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａから人体の属性を抽出する。そして相同モデル生成部２３ｂは、当該人体の属性に紐付けられた標準モデルを標準モデルデータベース２４ｂから読み出す。

そして相同モデル生成部２３ｂは、読み出した標準モデルに基づいて、該標準モデルのポリゴン頂点に応じた関節位置データＢＤを生成する。そして標準モデル及び関節位置データＢＤが生成されると、相同モデル生成部２３ｂは、これら標準モデル、関節位置データＢＤと、さらには該標準モデルに関わる体形パラメータの初期値及び人体の属性、それらが利用者の識別子ＩＤに紐付けられる態様で、相同モデルデータベース２４ｃを更新する（ステップＳ２１１）。

次いで、相同モデル生成部２３ｂは、第二の実施形態と同じく、標準モデルから第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を抽出する（ステップＳ２２１）。また相同モデル生成部２３ｂは、該標準モデルから第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３を除いた残り
の部分であるシミュレーション対象ＨＭｐを、該標準モデルから抽出する（ステップＳ２３１）。そして相同モデル生成部２３ｂは、第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３とシミュレーション対象ＨＭｐとが利用者の識別子ＩＤに紐付けられる態様で標準モデルデータベース２４ｂを更新し、当該シミュレーションの相同モデル生成処理を終了する（ステップＳ２７）。

［統計処理］
相同モデル生成処理が終了すると、統計処理部２３ｃは、第二の実施形態と同じく、複数のシミュレーション対象ＨＭｐに対して主成分分析を実行し、分析結果である主成分と、各シミュレーション対象ＨＭｐの主成分値と、上記固有ベクトル行列Ａ_１とを演算するさらに統計処理部２３ｃは、抽出した人体の属性と同じ属性に対応付けられた複数の体形パラメータの初期値及び骨格パラメータの初期値を相同モデルデータベース２４ｃから読み出す。そして統計処理部２３ｃは、読み出した体形パラメータの初期値及び骨格パラメータの初期値が目的変数、上記主成分値が説明変数として取り扱われる重回帰処理を実行して相関行列Ａ_２を演算する。

統計処理部２３ｃは、各シミュレーション対象ＨＭｐと該シミュレーション対象ＨＭｐの主成分値とが紐付けられる態様で相同モデルデータベース２４ｃを更新する。また統計処理部２３ｃは、統計処理の処理対象となった人体の属性に、上記固有ベクトル行列Ａ_１及び上記相関行列Ａ_２が紐付けられる態様で統計処理結果データベース２４ｄを更新し、利用者に対する統計処理を終了する。

［シミュレーションモデル生成処理］
統計処理が終了すると、モデル生成部２３ｄは、第二の実施形態と同じく、図２５に示されるように、利用者の識別子ＩＤに紐付けられたシミュレーション対象ＨＭｐを基準相同モデルＨＭｉとして設定する。なお三次元スキャンデータ１４２ａが取得不能である旨の判定がモデル生成処理制御部２１でなされると、モデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられたシミュレーション対象ＨＭｐを基準相同モデルＨＭｉとして設定する（ステップＳ４１）。

次いでモデル生成部２３ｄは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａから体形パラメータの初期値を抽出する。またモデル生成部２３ｄは、利用者端末１Ｂから受信した目標体形モデルデータ１４ｃから基準相関体形パラメータＰＣ２の目標値を抽出する（ステップＳ４２）。モデル生成部２３ｄが体形パラメータの初期値と目標値とを抽出すると、相関付け判定部２３ｅは、相関選択データ１４３ｃに基づいて体形パラメータの値に相関を付与するか否かを判定する。（ステップＳ４２１）。

相関付け判定部２３ｅで相関を付与する旨の判定がなされると（ステップＳ４２１：ＹＥＳ）、統計処理部２３ｃは、利用者の識別子ＩＤに紐付けられた付帯データ１４３ａから人体の属性を抽出する。また統計処理部２３ｃは、抽出した人体の属性と同じ属性に対応付けられた複数の体形パラメータの値を相同モデルデータベース２４ｃから読み出す。そして統計処理部２３ｃは、相関付け判定部２３ｅが決定した非相関体形パラメータＰＣ１が目的変数として取り扱われ且つ、該非相関体形パラメータＰＣ１以外の体形パラメータである相関体形パラメータが説明変数として取り扱われる重回帰処理を実行して相関係数を算出する（ステップＳ４２２）。

統計処理部２３ｃが相関係数を演算すると、モデル生成部２３ｄは、基準相関体形パラメータの目標値と各相関係数とを用いて各偏相関体形パラメータの目標値、すなわち相関補正値を演算する（ステップＳ４２３）。なお、相関付け判定部２３ｅで相関を付与しない旨の判定がなされると（ステップＳ４２１：ＮＯ）、モデル生成部２３ｄは、非相関体
形パラメータＰＣ１の初期値を目標値として取り扱い且つ、偏相関体形パラメータＰＣ３の初期値を目標値として取り扱う（ステップＳ４２４）。

各偏相関体形パラメータＰＣ３に対して相関補正値が演算されると、相同モデル生成部２３ｂは、利用者の識別子ＩＤに紐付けられた基準相同モデルＨＭｉのポリゴン頂点を用い、上記関節位置データＢＤを生成する。また相同モデル生成部２３ｂは、該関節位置データＢＤに含まれる関節座標２４４ｃから関節間の長さ、つまり骨格パラメータの初期値を演算する。なお、三次元スキャンデータ１４２ａが取得不能である旨の判定がモデル生成処理制御部２１でなされると、相同モデル生成部２３ｂは、標準モデルデータベース２４ｂから標準モデルを読み出し、読み出した標準モデルのポリゴン頂点を用い、上記関節位置データＢＤを生成する。また相同モデル生成部２３ｂは、該関節位置データＢＤに含まれる関節座標２４４ｃから関節間の長さ、つまり骨格パラメータの初期値を演算する（ステップＳ４３１）。

相同モデル生成部２３ｂが骨格パラメータの初期値を演算すると、骨格固定判定部２３ｆは、送受信処理部２２が受信した骨格パラメータデータ１４４ｃに基づいて骨格を固定するか否かを判定する（ステップＳ４３２）。

そして、骨格を固定する旨が骨格固定判定部２３ｆで判定されると（ステップＳ４３２：ＹＥＳ）、モデル生成部２３ｄは、体形パラメータの初期値、骨格パラメータの初期値、上記相関行列Ａ_２（式（７）参照）の逆行列を用い、該各初期値に応じた初期主成分値を逆演算する（ステップＳ４３３）。次いでモデル生成部２３ｄは、非相関体形パラメータの初期値を目標値とした各体形パラメータの目標値、骨格パラメータの初期値、上記相関行列Ａ_２（式（７）参照）の逆行列とを用い、これらの値に応じた目標主成分値を逆演算する（ステップＳ４４１）。

なお、骨格を固定しない旨が骨格固定判定部２３ｆで判定されると（ステップＳ４３２：ＮＯ）、モデル生成部２３ｄは、体形パラメータの初期値、骨格パラメータの初期値、上記相関行列Ａ_２（式（７）参照）の逆行列を用い、該各初期値に応じた初期主成分値を逆演算する（ステップＳ４３４）。次いでモデル生成部２３ｄは、非相関体形パラメータの初期値を目標値とした各体形パラメータの目標値、骨格パラメータの目標値、上記相関行列Ａ_２（式（７）参照）の逆行列とを用い、これらの値に応じた目標主成分値を逆演算する（ステップＳ４４２）。

初期主成分値及び目標主成分値が演算されると、モデル生成部２３ｄは、第二の実施形態と同じく、初期主成分値と固有ベクトル行列Ａ_１の逆行列とを用い、上記式（６）の逆演算を実行することによってポリゴン頂点の座標値を演算する。すなわち、体形パラメータの初期値、骨格パラメータの初期値、それらに応じた初期相同モデルＨＭａを生成する（ステップＳ４５）。さらにモデル生成部２３ｄは、目標主成分値と固有ベクトル行列Ａ_１の逆行列とを用い、上記式（６）の逆演算を実行することによってポリゴン頂点の座標値を演算する。すなわち、体形パラメータの目標値、骨格パラメータの初期値あるいは目標値、それらに応じた目標相同モデルＨＭｂを生成する（ステップＳ４６）。

初期相同モデルＨＭａと目標相同モデルＨＭｂとが生成されると、モデル生成部２３ｄは、第二の実施形態と同じく、初期相同モデルＨＭａを構成する各ポリゴン座標から目標相同モデルＨＭｂを構成する各ポリゴン座標への変位量Ｔ_ｎを演算する。次いでモデル生成部２３ｄは、演算結果である変位量Ｔ_ｎと、三次元体形モデルの初期値である上記基準相同モデルＨＭｉとを用い、基準相同モデルＨＭｉに該変位量Ｔ_ｎを加えたポリゴンモデルをシミュレーションモデルＨＭｓとして演算する。そしてモデル生成部２３ｄは、シミュレーションモデルＨＭｓと利用者の識別子ＩＤとを紐付ける態様で体形モデルデータベ
ース２４ｅを更新し、利用者に対するシミュレーションモデル生成処理を終了する。

ここで、例えば三次元体形モデルの対象が成人である場合には、関節間の長さが必然的に固定されるようになる。上述したように骨格が固定される態様で新たなシミュレーションモデルＨＭｓが生成されるとなれば、成人の体形変化の特性に適した三次元体形モデルを、新たな三次元モデルとして得ることが可能となる。

以上説明したように、第三の実施形態によれば、上記（１）〜（５）の効果に加えて、以下に列挙する効果が得られるようになる。
（６）基準相同モデルＨＭｉのポリゴン頂点に基づいて関節間の長さ、つまり骨格パラメータの初期値が演算される。そして骨格を固定する旨が骨格固定判定部２３ｆで判定されると、モデル生成部２３ｄは、体形パラメータの初期値と骨格パラメータの初期値とを用い、これらに応じたシミュレーションモデルＨＭｓが生成される。そのため、骨格が固定されるべきモデル化対象に対して、該モデル化対象の体形の特性に適した三次元体形モデルが新たな三次元モデルとして得られることとなる。

なお、上述した実施形態は以下のように変更して実施することができる。
・上記第三の実施形態では、各偏相関体形パラメータＣ３に相関を付与するか否かの判定が行われた後に、初期相同モデルＨＭａと目標相同モデルＨＭｂとの骨格を同一にするか否かの判定が行われる。これが変更されて、初期相同モデルＨＭａと目標相同モデルＨＭｂとの骨格を同一にするか否かの判定が行われた後に、各偏相関体形パラメータＣ３に相関を付与するか否かの判定が行われる構成であってもよい。また各偏相関体形パラメータＣ３に相関を付与するか否かの判定が行われることなく、初期相同モデルＨＭａと目標相同モデルＨＭｂとの骨格を同一にするか否かの判定のみが行われる構成であってもよい。これらの構成であっても、上記（６）と同様の効果が得られる。

・上記第二の実施形態では、相関選択データ１４３ｃに基づいて非相関体形パラメータＰＣ１が設定される。これが変更されて、非相関体形パラメータＰＣ１を示す識別子が相関選択データ１４３ｃから割愛されて、非相関体形パラメータＰＣ１が予め統計処理部２３ｃで定められている構成であってもよい。例えば、身長が目的変数として取り扱われ且つ、他の体形パラメータを説明変数として取り扱われる重回帰処理を母集団ごと実行するように、予め統計処理部２３ｃが設定されている構成であってもよい。このような構成であっても、上記（５）に準じた効果が得られる。

・上記第二の実施形態では、非相関体形パラメータＰＣ１が目的変数として取り扱われ且つ、該非相関体形パラメータＰＣ１以外の体形パラメータである相関体形パラメータが説明変数として取り扱われる重回帰処理に基づいて各体形パラメータに相関が付与される。これを変更して、基準相関体形パラメータＰＣ２の目標値を偏相関体形パラメータＰＣ３の変換する変換テーブル等によって各体形パラメータに相関が付与される構成であってもよい。

・上記第二の実施形態における偏相関体形パラメータＣ２に第三の実施形態における骨格パラメータが含まれる構成であってもよい。つまり体形パラメータの一つとして関節間の長さが含まれる構成であってもよい。

・上記実施形態では、スキャンデータ処理、相同モデル生成処理、統計処理、シミュレーションモデル生成処理、シミュレーションモデル合成処理、及びシミュレーションモデル出力処理からなる一連の処理が、利用者端末１Ｂからの１度のリクエストにより順に実行されることを前提とした。これを変更して、例えばスキャンデータ処理のリクエストと、相同モデル生成処理、統計処理、シミュレーションモデル生成処理、シミュレーション
モデル合成処理、及びシミュレーションモデル出力処理のリクエストとが異なる構成であってもよい。さらにはスキャンデータ処理、相同モデル生成処理、統計処理、シミュレーションモデル生成処理、シミュレーションモデル合成処理、及びシミュレーションモデル出力処理の各々が、該処理に対応した利用者端末１Ｂからのリクエストによりその都度開始される構成であってもよい。このような構成においても上記（１）〜（６）に準じた効果が得られるようになる。また、体形パラメータや骨格パラメータの異なる複数のシミュレーションが、各処理の１つの結果、例えば１つの前処理モデルや１つの相同モデルＨＭＤに対して、より容易に実現可能になる。

・上記実施形態では、三次元スキャンデータ１４２ａに点群の座標データが含まれているか否かによって、利用者の識別子ＩＤに紐付けられた相同モデルＨＭＤに基づくシミュレーションと、標準モデルに基づくシミュレーションとが切り替えられる。これが変更されて、例えば利用者端末１Ｂからのリクエストによって、利用者の識別子ＩＤに紐付けられた相同モデルＨＭＤに基づくシミュレーションと、標準モデルに基づくシミュレーションとが切り替えられる構成であってもよい。

・多変量解析に利用される標本は、人体の属性が共通する複数のシミュレーション対象ＨＭｐに限られず、例えば人体の属性が共通する相同モデルＨＭＤであってもよい。つまり第１合成対象Ｅｘ１〜第３合成対象Ｅｘ３の少なくとも一つとシミュレーション対象ＨＭｐとが標本となる態様で多変量解析が行われる構成であってもよい。このような構成であれば、上記（１）〜（３）、（５）、（６）に準じた効果に加えて、シミュレーションモデル合成処理を割愛することができる。

・上記実施形態では、利用者端末１Ｂから送信される標準モデルと該標準モデルに関する人体の属性とに基づいて、標準モデルデータベース２４ｂが構築される。これを変更して、シミュレーションの開始に先立って、標準モデルと該標準モデルに関する人体の属性とが紐付けられる態様で、予め標準モデルデータベース２４ｂが構築されている構成であってもよい。

・上記実施形態では、基準相同モデルＨＭｉが母集団に含まれるかたちで多変量解析が実行される。これを変更して、基準相同モデルＨＭｉが母集団に含まれないかたちで多変量解析が実行されてもよい。つまり多変量解析の対象となる標本とは、人体の属性が利用者と共通する複数の相同モデルＨＭＤであればよい。また、主成分値と体形パラメータとを標本とする重回帰処理も同じく、重回帰処理の対象となる標本とは、人体の属性が利用者と共通する複数の相同モデルＨＭＤの主成分値、及び該相同モデルＨＭＤに関する体形パラメータであればよい。

・上記実施形態では、多変量解析の一例として主成分分析が用いられる構成であるが、これに限らず、例えば多変量解析の一例として因子分析やクラスター分析が用いられる構成であってもよい。

・上記実施形態では、モデル化対象物が人体であることを前提としたが、これに限らずモデル化対象物とは、ペット等の飼育動物であってもよい。つまり三次元形状データが取得可能であって、該三次元形状データから基準三次元モデルが生成可能な対象物であればよい。

Ａ，Ｂ，Ｃ…座標軸、Ｓ，Ｔ，Ｕ…主成分軸、Ａ_１…固有ベクトル行列、Ａ_２…相関行列、ＢＤ…関節位置データ、Ｃ_１，Ｃ_ｉ，Ｃ_ｎ…頂点座標、Ｆ_１，Ｆ_ｍ…ポリゴン面、Ｋ_ｉ，Ｋ_ｎ…ポリゴン頂点、ＮＴ…通信ネットワーク、Ｐｉ，Ｐ_ｊ…主成分値、Ｔ_１，Ｔ_５
，Ｔ_ｎ…変位量、Ｂ_ｉ１，Ｂ_ｉｈ…初期値、Ｂ_ｐ１，Ｂ_ｐｈ…目標値、Ｅｘ１…第１合成対象、Ｅｘ２…第２合成対象、Ｅｘ３…第３合成対象、ＨＭｐ…シミュレーション対象、ＨＭｓ…シミュレーションモデル、Ｋａ_１，Ｋａ_５，Ｋｂ_１，Ｋｂ_５，Ｋｉ_１，Ｋｉ_５，Ｋｓ_１，Ｋｓ_５…ポリゴン座標、ＰＣ１…非相関体形パラメータ、ＰＣ２…基準相関体形パラメータ、ＰＣ３…偏相関体形パラメータ、Ｐ_ｉ１，Ｐ_ｉｊ…初期主成分値、Ｐ_ｐ１，Ｐ_ｐｊ…目標主成分値、１Ａ…体形モデル生成サーバ、１Ｂ…利用者端末、１１…データ処理部、１２…送受信処理部、１３…入力処理部、１３ａ…三次元スキャナー、１４…記憶部、１４ａ…初期モデル設定データ、１４ｂ…ランドマークデータ、１４ｃ…目標体形モデルデータ、１４ｄ…利用者プログラム、１５…体形モデル出力処理部、２１…モデル生成処理制御部、２２…送受信処理部、２３…データ処理部、２３ａ…スキャンデータ処理部、２３ｂ…相同モデル生成部、２３ｃ…統計処理部、２３ｄ…モデル生成部、２３ｅ…相関付け判定部、２３ｆ…骨格固定判定部、２４ａ…前処理モデルデータベース、２４ｂ…標準モデルデータベース、２４ｃ…相同モデルデータベース、２４ｄ…統計処理結果データベース、２４ｅ…体形モデルデータベース、２４ｐ…シミュレーションプログラム、１４２ａ…三次元スキャンデータ、１４２ｃ…目標体形パラメータデータ、１４３ａ…付帯データ、１４３ｃ…相関選択データ、１４４ｃ…骨格パラメータデータ、２４２ｃ…体形座標データ。

Claims (12)

1. 複数のモデル化対象物の三次元形状データから基準三次元モデルを生成して複数の前記基準三次元モデルの多変量解析によって複数の特徴量を抽出する特徴量抽出部と、
   前記モデル化対象物で測定可能な物理量の値と、該モデル化対象物の前記基準三次元モデルが有する前記複数の特徴量の値とを、該基準三次元モデルに対応付けて記憶する記憶部と、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記物理量の値との相関を演算する相関演算部と、
   前記相関演算部が演算した相対関係に基づいて前記物理量の入力値から前記複数の特徴量の値を演算して、前記記憶部が記憶したデータに基づいて該演算した前記複数の特徴量の値から新たな三次元モデルを生成するモデル生成部と
   を備える三次元形状モデル生成装置であって、
   前記モデル生成部は、
   前記入力値に初期値を用いて生成した初期三次元モデルと、前記入力値に目標値を用いて生成した目標三次元モデルとの差分を、前記物理量の初期値に対応する基準三次元モデルに加えることによって更に新たな三次元モデルを生成する
   ことを特徴とする三次元形状モデル生成装置。
2. 前記記憶部が、
   前記モデル化対象物ごとに複数の物理量の値を記憶し、
   前記相関演算部が、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、更に前記複数の物理量の値の相関を演算し、
   前記モデル生成部が、
   前記複数の物理量の相関に基づいて前記物理量の入力値から該物理量とは異なる他の物理量の値を演算し、該演算の結果である前記他の物理量の値と前記物理量の入力値とを用いて新たな三次元モデルを生成する
   ことを特徴とする請求項１に記載の三次元形状モデル生成装置。
3. 前記記憶部が、
   関節間の長さを含む複数の物理量の値を前記モデル化対象物ごとに記憶し、
   前記相関演算部が、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、
   前記モデル生成部が、
   前記複数の物理量の初期値から前記初期三次元モデルを生成すると共に、前記関節間の長さを前記初期値と同じ値にした前記複数の物理量の目標値から前記目標三次元モデルを生成する
   ことを特徴とする請求項１又は２に記載の三次元形状モデル生成装置。
4. 三次元形状モデル生成装置が、
   複数のモデル化対象物の三次元形状データから基準三次元モデルを生成して複数の前記基準三次元モデルの多変量解析によって複数の特徴量を抽出し、
   前記モデル化対象物で測定可能な物理量の値と、該モデル化対象物の前記基準三次元モデルが有する前記複数の特徴量の値とを、該基準三次元モデルに対応付けて記憶し、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と該基準三次元モデルに対応付けられた前記物理量の値との相関を演算し、
   前記演算した相対関係に基づいて前記物理量の入力値から前記複数の特徴量の値を演算して、前記記憶したデータに基づいて該演算した前記複数の特徴量の値から新たな三次元モデルを生成する三次元形状モデル生成方法であって、
   前記三次元形状モデル生成装置が、
   前記入力値に初期値を用いて生成した初期三次元モデルと、前記入力値に目標値を用いて生成した目標三次元モデルとの差分を、前記物理量の初期値に対応する基準三次元モデルに加えることによって更に新たな三次元モデルを生成する
   ことを特徴とする三次元形状モデル生成方法。
5. 前記三次元形状モデル生成装置が、
   前記モデル化対象物ごとに複数の物理量の値を記憶し、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、更に前記複数の物理量の値の相関を演算し、
   前記複数の物理量の相関に基づいて前記物理量の入力値から該物理量とは異なる他の物
   理量の値を演算し、該演算の結果である前記他の物理量の値と前記物理量の入力値とを用いて新たな三次元モデルを生成する
   ことを特徴とする請求項４に記載の三次元形状モデル生成方法。
6. 前記三次元形状モデル生成装置が、
   関節間の長さを含む複数の物理量の値を前記モデル化対象物ごとに記憶し、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、
   前記複数の物理量の初期値から前記初期三次元モデルを生成すると共に、前記関節間の長さを前記初期値と同じ値にした前記複数の物理量の目標値から前記目標三次元モデルを生成する
   ことを特徴とする請求項４又は５に記載の三次元形状モデル生成方法。
7. コンピュータを、
   複数のモデル化対象物の三次元形状データから基準三次元モデルを生成して複数の前記基準三次元モデルの多変量解析によって複数の特徴量を抽出する特徴量抽出部、
   前記モデル化対象物で測定可能な物理量の値と、該モデル化対象物の前記三次元モデルが有する前記複数の特徴量の値とを、該基準三次元モデルに対応付けて記憶する記憶部、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記物理量の値との相関を演算する相関演算部、
   前記相関演算部が演算した相対関係に基づいて前記物理量の入力値から前記複数の特徴量の値を演算して、前記記憶部が記憶したデータに基づいて該演算した前記複数の特徴量の値から新たな三次元モデルを生成するモデル生成部
   として機能させる三次元形状モデル生成プログラムであって、
   前記モデル生成部を、
   前記入力値に初期値を用いて生成した初期三次元モデルと、前記入力値に目標値を用いて生成した目標三次元モデルとの差分を、前記物理量の初期値に対応する基準三次元モデルに加えることによって更に新たな三次元モデルを生成する生成部として機能させる
   ことを特徴とする三次元形状モデル生成プログラム。
8. 前記記憶部を、
   前記モデル化対象物ごとに複数の物理量の値を記憶する記憶部として機能させて、
   前記相関演算部を、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、更に前記複数の物理量の値の相関を演算する演算部として機能させて、
   前記モデル生成部を、
   前記複数の物理量の相関に基づいて前記物理量の入力値から該物理量とは異なる他の物理量の値を演算し、該演算の結果である前記他の物理量の値と前記物理量の入力値とを用いて新たな三次元モデルを生成する生成部として機能させる
   ことを特徴とする請求項７に記載の三次元形状モデル生成プログラム。
9. 前記記憶部を、
   関節間の長さを含む複数の物理量の値を前記モデル化対象物ごとに記憶する記憶部として機能させて、
   前記相関演算部を、
   前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算する演算部として機能させて、
   前記モデル生成部を、
   前記複数の物理量の初期値から前記初期三次元モデルを生成すると共に、前記関節間の長さを前記初期値と同じ値にした前記複数の物理量の目標値から前記目標三次元モデルを生成する生成部として機能させる
   ことを特徴とする請求項７又は８に記載の三次元形状モデル生成プログラム。
10. ネットワークを介して接続された三次元形状モデル生成装置と端末装置とを備える三次元形状モデル生成システムであって、
    前記三次元形状モデル生成装置は、
    複数のモデル化対象物の三次元形状データから基準三次元モデルを生成して複数の前記基準三次元モデルの多変量解析によって複数の特徴量を抽出する特徴量抽出部と、
    前記モデル化対象物で測定可能な物理量の値と、該モデル化対象物の前記基準三次元モデルが有する前記複数の特徴量の値とを、該基準三次元モデルに対応付けて記憶する記憶部と、
    前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記物理量の値との相関を演算する相関演算部と、
    前記相関演算部が演算した相対関係に基づいて前記物理量の入力値から前記複数の特徴量の値を演算して、前記記憶部が記憶したデータに基づいて該演算した前記複数の特徴量の値から新たな三次元モデルを生成するモデル生成部とを備え、
    前記モデル生成部が、
    前記入力値に初期値を用いて生成した初期三次元モデルと、前記入力値に目標値を用いて生成した目標三次元モデルとの差分を、前記物理量の初期値に対応する基準三次元モデルに加えることによって更に新たな三次元モデルを生成し、
    前記端末装置は、
    前記物理量の入力値と、該入力値に対応する三次元形状データとを前記三次元形状モデル生成装置に送信する送信部と、
    前記モデル生成部で生成された三次元モデルを前記三次元形状モデル生成装置から受信する受信部と、
    前記受信部で受信した三次元モデルを出力する出力部とを備える
    ことを特徴とする三次元形状モデル生成システム。
11. 前記記憶部が、
    前記モデル化対象物ごとに複数の物理量の値を記憶し、
    前記相関演算部が、
    前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、更に前記複数の物理量の値の相関を演算し、
    前記モデル生成部が、
    前記複数の物理量の相関に基づいて前記物理量の入力値から該物理量とは異なる他の物理量の値を演算し、該演算の結果である前記他の物理量の値と前記物理量の入力値とを用いて新たな三次元モデルを生成する
    ことを特徴とする請求項１０に記載の三次元形状モデル生成システム。
12. 前記記憶部が、
    関節間の長さを含む複数の物理量の値を前記モデル化対象物ごとに記憶し、
    前記相関演算部が、
    前記基準三次元モデルに対応付けられた前記複数の特徴量の値と、該基準三次元モデルに対応付けられた前記複数の物理量の値との相関を演算し、
    前記モデル生成部が、
    前記複数の物理量の初期値から前記初期三次元モデルを生成すると共に、前記関節間の長さを前記初期値と同じ値にした前記複数の物理量の目標値から前記目標三次元モデルを生成する
    ことを特徴とする請求項１０又は１１に記載の三次元形状モデル生成システム。