JP6712628B2 - 運動パフォーマンス評価装置、運動パフォーマンス評価方法 - Google Patents

Description

本発明は、身体の回転運動を利用した打撃運動での対象者の運動情報を取得する運動情報取得装置、運動情報取得方法、運動パフォーマンスを推定する運動パフォーマンス評価装置、運動パフォーマンス評価方法に関する。

スポーツの基本動作を適切に習得するために、対象者（行為者）が、自身の身体動作と熟練者の身体動作との違いを客観的に把握できるようにする技術として、非特許文献１、非特許文献２が知られている。非特許文献１では、バット先端の加速度のピーク時刻とインパクト時刻の差に基づいて、経験者と未経験者を識別可能であることが示されている。具体的には、複数人の各々について、複数回の試行の各々でのバット先端の加速度のピーク時刻とインパクト時刻（ボールがバットに接触した時刻）との差を求め、複数回の試行についての差の平均値と分散を求めたときに、未経験者の平均値の分布と熟練者の平均値の分布がグループ化できること、および、熟練者のほうが初心者よりも分散が小さい傾向があることが開示されている。非特許文献２では、野球のバッティング動作における腰の加速度の最大値を求めたときに、熟練者の加速度の最大値のほうが、初心者の加速度の最大値よりも大きい傾向があることが開示されている。

奥田 昭博，岡本 覚，難波 礼治：「高速度ビデオカメラを用いた野球の打撃動作の三次元解析」，第56回理論応用力学講演会（2007）． 山口 勝己，村上 剛，中山 功一：「加速度センサを用いた野球のバッティグスキル習得支援システムの開発」，教育システム情報学会２０１３年度学生研究発表会（2013）．

理想的なバッティング動作は、足を踏み込み、体を回転させることで行われる。バッティングに慣れていない人は、体をタイミングよく回転させることができず、腕運動だけでバッティングを行おうとしてしまう傾向がある。非特許文献１はバット先端の加速度に基づいて、対象者の熟練度の判別をしようとするものであるが、この場合、腕運動だけでバッティングを行っているか、きちんと体を使えているかの判別が難しく、熟練度を精度良く判別することは困難である。

非特許文献２には、体の回転動作を生み出す腰に着目し、腰の加速度の最大値の大きさと熟練度に相関があることが開示されている。しかし、腰は使えているが、ボールはバットに当たらないといったような状況においては、適切に熟練度を判別することが困難である。

以上の問題に鑑み、本発明では、熟練度を精度良く判定することができる技術を提供することを目的とする。

本発明の運動パフォーマンス評価装置は、身体の回転運動を利用した打撃運動での対象者の運動パフォーマンスを推定する。本発明の運動パフォーマンス評価装置は、運動情報取得部、パフォーマンス推定部を備える。運動情報取得部は、対象者の身体の回転運動の時系列情報（時刻と大きさに関する情報）を取得する。パフォーマンス推定部は、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、運動情報取得部が取得した回転運動の時系列情報から、対象者の運動パフォーマンスを推定する。

本発明の運動パフォーマンス評価装置によれば、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて前記対象者の運動パフォーマンスを推定するので、熟練度を精度よく判定できる。

ソフトボールのピッチャーがボールをリリースしたときを基準とした腰の角速度の変化を示す図。 インパクト時刻を基準とした腰の角速度の変化を示す図。 球種を知っている場合のインパクト時刻を基準とした腰の角速度の変化を示す図。 球種を知らない場合のインパクト時刻を基準とした腰の角速度の変化を示す図。 インパクト時刻を基準としたピーク時刻の平均値をトップ選手と若手選手、球種を知っている場合と知らない場合でグラフ化した図。 実施例１の運動パフォーマンス評価装置の構成例を示す図。 実施例１，５の運動パフォーマンス評価装置の運動情報収集の処理フロー例を示す図。 実施例１〜４の運動パフォーマンス評価装置の評価の処理フローを示す図。 実施例２の運動パフォーマンス評価装置の構成例を示す図。 実施例２，５の運動パフォーマンス評価装置の運動情報収集の処理フロー例を示す図。 実施例３の運動パフォーマンス評価装置の構成例を示す図。 実施例３，５の運動パフォーマンス評価装置の運動情報収集の処理フロー例を示す図。 実施例４の運動パフォーマンス評価装置の構成例を示す図。 実施例４，５の運動パフォーマンス評価装置の運動情報収集の処理フロー例を示す図。 実施例５の運動パフォーマンス評価装置の構成例を示す図。 実施例５の運動パフォーマンス評価装置の学習の処理フローを示す図。 実施例５の運動パフォーマンス評価装置の評価の処理フローを示す図。

以下、本発明の実施の形態について、詳細に説明する。なお、同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。

＜本発明の基礎となる分析＞
図１は、ソフトボールのピッチャーがボールをリリースしたときを基準とした腰の角速度の変化を示している。図１（Ａ）はトップ選手の場合であり、図１（Ｂ）は若手選手の場合である。球種はストレート（速球）とチェンジアップであり、選手には球種を知らせない状態で測定した。横軸は時間（秒）であり、ピッチャーがボールをリリースしたときが時刻０である。縦軸は腰の角速度（度／秒）である。実線がストレートの場合、点線がチェンジアップの場合を示しており、１つの線が１回の試行を示している。トップ選手の場合は、リリースしたときを基準とした角速度の大きさが最大となる時刻であるピーク時刻が球種ごとに異なることが分かる。一方、若手選手は球種によるピーク時刻の明確な差がないことが分かる。つまり、熟練度の高い選手は、球種に応じて腰を回転させるタイミングを調節していることが分かる。

図２は、インパクト時刻（ボールがバットに接触した時刻）を基準とした腰の角速度の変化を示している。図２は、図１の結果をインパクト時刻が０秒となるように正規化したものであり、図２（Ａ）はトップ選手の場合であり、図２（Ｂ）は若手選手の場合である。図２から、トップ選手は球種に関係なく、腰の角速度が最大となる時刻であるピーク時刻とインパクト時刻との差がある時間区間に集中する（偏る）が、若手選手はピーク時刻とインパクト時刻との差がばらつくことが分かる。

図３に球種を知っている場合のインパクト時刻を基準とした腰の角速度の変化を、図４に球種を知らない場合のインパクト時刻を基準とした腰の角速度の変化を示す。これらの図は図２と同様に、各試行における腰の角速度の変化を、インパクト時刻を０として正規化したものである。図５は、インパクト時刻を基準としたピーク時刻の平均値をトップ選手と若手選手、球種を知っている場合と知らない場合でグラフ化した図である。図３（Ａ）、図４（Ｂ）、図５（Ａ）はトップ選手の場合であり、図３（Ｂ）、図４（Ｂ）、図５（Ｂ）は若手選手の場合である。

この結果から、トップ選手は、球種を知っているか否かに関係なくピーク時刻とインパクト時刻との差がある時間区間に集中する（偏る）が、若手選手は、球種を知らない場合および球種を知っていてもチェンジアップの場合は、ピーク時刻とインパクト時刻との差のばらつきが大きくなる傾向があるといえる。

まとめると以下の通りである。
（傾向１）トップ選手の方が若手選手よりも、複数回試行したときのボールリリース時刻を基準とする腰の角速度のピーク時刻の平均値の球種（球速）毎の差が大きい
（傾向２）トップ選手の方が若手選手よりも、複数回試行したときのインパクト時刻を基準とする腰の角速度のピーク時刻の分布の偏りが小さい
（傾向３）トップ選手の方が若手選手よりも、チェンジアップに対するバッティングを行う際の、インパクト時刻を基準とする腰の角速度のピーク時刻の分布の偏りが小さい
（傾向４）若手選手はトップ選手よりも、球種を知っている場合のインパクト時刻を基準とする腰の角速度のピーク時刻の分布の偏りと、球種を知らない場合のインパクト時刻を基準とする腰の角速度のピーク時刻の分布の偏りの差が大きい
つまり、トップ選手は、インパクトに対してきちんと体の動きをあわせていくことができる。言い換えれば、ピーク時刻とインパクト時刻の差（時間幅）が球種に関係なく一定の時間幅に揃えることができる。

本発明は、以上の知見に基づいて、対象者に取り付けた慣性センサにより生体情報を取得し、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて運動パフォーマンス（熟練度）を評価するものである。あるいは、慣性センサを利用しなくても、対象の回転軸上に反射マーカー等を添付し、モーションキャプチャや映像から得られる位置情報から算出してもよいし、キネクトのような人間の動きを同定できる既存の映像情報を用いてもよい。なお、上述の分析では、飛来するボールに対するバッティングについて分析しているが、他の身体（腰、胴体など）の回転運動を利用した打撃運動にも応用できる。例えば、テニスのストローク、トスバッティング、ティーバッティング、ゴルフなどでも回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて運動パフォーマンス（熟練度）を評価できる。

＜具体的な構成＞
図６に実施例１の運動パフォーマンス評価装置の構成例を、図７に運動パフォーマンス評価装置の運動情報収集の処理フロー例を、図８に運動パフォーマンス評価装置の評価の処理フローを示す。運動パフォーマンス評価装置２００は、身体の回転運動を利用した打撃運動での対象者の運動パフォーマンスを推定する。運動パフォーマンス評価装置２００は、運動情報取得部２１０、パフォーマンス推定部２２０、特性情報取得部２３０、記録部２９０を備える。また、必要に応じて基準時刻検出部２６０も備えればよい。

運動情報取得部２１０は、対象者の身体の回転運動の時系列情報（時刻と大きさに関する情報）を取得し、身体の回転運動の大きさが最大となる時刻であるピーク時刻を記録部２９０に記録する（Ｓ２１０）。より具体的には、運動情報取得部２１０は、対象者の身体の回転運動の時系列情報を取得する（Ｓ２１１）。運動情報取得部２１０は、取得した回転運動の時系列情報を記録部２９０に記録してもよい。回転運動の大きさとは、例えば回転の速度（角速度）や加速度等である。要するに、回転運動の大きさ（または速さ）に対応する指標を取得できる情報であればよい。このような情報は、対象者に取り付けた生体センサにより取得できる。例えば、角加速度を取得する場合には慣性センサ等である。センサの取り付け位置については、上述の実験では対象者の腰にセンサを取り付けているが、腰でなくとも、身体の回転運動の大きさに対応する指標を取得できる場所であれば良く、腰に限定されるものではない。また、上述したように、対象者に生体センサを取り付けなくても、対象の回転軸上に反射マーカー等を添付し、モーションキャプチャや映像から得られる位置情報から算出してもよいし、キネクトのような人間の動きを同定できる既存の映像情報を用いてもよい。

運動情報取得部２１０はさらに、回転運動の大きさが最大となる時刻であるピーク時刻を検出し（Ｓ２１２）、ピーク時刻を記録部２９０に記録する（Ｓ２１３）。例えば、運動情報取得部２１０は、回転運動の大きさに関する情報を時間区間ごとに取得する。この場合、運動情報取得部２１０は、取得した時間区間ｔにおける回転運動の大きさに関する情報が、回転運動が所定の閾値より大きいことを示しておりかつ、時間区間ｔにおける回転運動の大きさが直前の時間区間ｔ−１の回転運動の大きさよりも小さくなったときを検出し（ＳＳ２１２）、ピーク時刻を記録部２９０に記録すればよい（Ｓ２１３）。これにより極大値が取得されるが、１試行内で複数のピーク時刻がある場合は、回転運動の大きさが最大となるピーク時刻を最終的なピーク時刻として記録部２９０に記録する（Ｓ２１３）。つまり、運動情報取得部２１０は、回転運動の大きさが最大になった時刻の近傍の時刻をピーク時刻として記録する。閾値は適宜更新すればよい。ステップＳ２１０はステップＳ２１１〜Ｓ２１３をまとめたものである。なお、ステップＳ２１２，Ｓ２１３は、後述するパフォーマンス推定部２２０が行ってもよい。この場合は、ステップＳ２１２、Ｓ２１３は運動パフォーマンス推定（Ｓ２２０）に含めて実行すればよい。

特性情報取得部２３０は、飛来物の運動特性を取得し、記録部２９０に記録する（Ｓ２３０）。特性情報取得部２３０は、例えば、対象者の各試行（上記の例では、バッティング）におけるボールの球種の情報を取得し、記録部２９０に記録する。運動特性は映像解析等により判定した結果を入力してもよいし、人手で入力してもよい。「運動特性」とは、例えばソフトボールであれば、ストレートとチェンジアップ、野球であればストレート、スライダー、カーブ等、種別を一意に特定できる特性である。単純な飛来物の速さの違いであってもよい。例えば、第１の運動特性をストレート、第２の運動特性をチェンジアップのように決め、特性情報取得部２３０は、ボールがどちらの運動特性かを示す情報を取得すればよい。

基準時刻検出部２６０は、対象者の各試行における飛来物が到達する前の所定のタイミングの時刻である基準時刻を検出し、記録部２９０に記録する（Ｓ２６０）。「所定のタイミング」とは、例えばピッチャーがボールをリリースするタイミングである。ただし、リリースするタイミングに限定するものではなく、例えばホームベースから１０ｍ離れた位置をボールが通過する時を所定のタイミングとしてもよい。より具体的には、基準時刻検出部２６０は、基準時刻用情報を取得する（Ｓ２６１）。例えば、ボールの位置とピッチャーの手の位置の映像情報を繰り返し取得する。基準時刻検出部２６０は、基準時刻となる状態を検出したかを確認する（Ｓ２６２）。例えば、ボールがピッチャーの手からリリースされたかを確認する。基準時刻となる状態を検出すると、基準時刻検出部２６０は、基準時刻を記録部２９０に記録する（Ｓ２６３）。

「ピーク時刻」を飛来物が到達する前の所定のタイミングを基準とした回転運動の大きさが最大となる時刻と定義して運動パフォーマンスを評価する場合は、運動情報取得部２１０が取得したピーク時刻から基準時刻を引いて、定義された「ピーク時刻」を求めればよい。ただし、ボールリリースのタイミングにあわせてセンサを起動して運動情報の取得を開始するように構成した場合には、開始した時刻が基準時刻になるので、運動情報取得部２１０が取得したピーク時刻をそのまま、上記の定義の「ピーク時刻」として使用できる。したがって、この場合は、基準時刻検出部２６０は必要ない。

運動パフォーマンス評価装置２００は、運動パフォーマンスの評価に必要な試行が行われたか（繰り返し条件を満たすか）を確認する（Ｓ２０５）。満たしていない場合は、試行を繰り返しを求め、満たしているときは処理を終了する。

パフォーマンス推定部２２０は、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、運動情報取得部が取得した回転運動の時系列情報から、対象者の運動パフォーマンスを推定する（Ｓ２２０）。より具体的には、パフォーマンス推定部２２０は、第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違の大きさが第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力する。そして、パフォーマンス推定部２２０は、第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違の大きさが第１値よりも大きい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する。例えば、本実施例のパフォーマンス推定部２２０の関連性では、「第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違が大きいほど、運動パフォーマンスの評価が高い」。この関連性は、「本発明の基礎となる分析」で示した傾向１に基づいた関連性である。第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違に対して、１つの閾値を定めれば２段階の評価、４つの閾値を定めれば５段階の評価が可能である。なお、「第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違が小さいほど、運動パフォーマンスの評価が低い」という関連性は上述の関連性と等価である。

パフォーマンス推定部２２０の処理についてより詳細に説明すると、まず、パフォーマンス推定部２２０は、飛来物の運動特性ごとに、回転運動のピーク時刻の平均値を算出する。なお、ステップＳ２１２，Ｓ２１３をパフォーマンス推定部２２０で行う場合は、上記の処理の前に、運動特性ごとの複数回の試行の各々について、運動情報取得部２１０で取得した時間区間ごとの身体の回転運動の大きさに関する情報から、基準時刻（例えばリリース時刻）以降で回転運動の大きさがピーク値を取る時刻（ピーク時刻）を検出することで、試行ごとのピーク時刻を得る。

次に、パフォーマンス推定部２２０は、運動特性毎のピーク時刻の平均値に基づいて、パフォーマンスの推定結果を得て出力する。２段階の評価の場合には、第１の運動特性についてのピーク時刻の平均値と第２の運動特性についてのピーク時刻の平均値との差の絶対値が所定の閾値以上であれば運動パフォーマンスが高い（熟練度が高い）ことを示す評価結果を出力し、第１の運動特性についてのピーク時刻の平均値と第２の運動特性についてのピーク時刻の平均値との差の絶対値が所定の閾値より小さい場合は運動パフォーマンスが低い（熟練度が低い）ことを示す評価結果を出力する。

運動パフォーマンス評価装置２００によれば、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて前記対象者の運動パフォーマンスを推定するので、熟練度を精度よく判定できる。ここで、第１の運動特性と第２の運動特性は、ストレートとチェンジアップ等、運動パフォーマンスの高いトップ選手においてピーク時刻に明確な差が生じる２種類の運動特性を組み合わせると、評価しやすい。

なお、上述の説明では、実環境下での打撃運動を前提に説明したが、ＶＲ環境下で行われる打撃動作から取得した運動情報を用いてもよい。例えば、対象者がヘッドマウントディスプレイを装着し、仮想的な環境下でＶＲ上の投手が投げた仮想的なボールを実際に打ち返す運動を行ったときの運動情報を取得し、この運動情報に基づいて運動パフォーマンスを評価してもよい。

また、ピーク時刻だけでなく、ピーク値に置き換えることも可能である。

［変形例１］
実施例１のパフォーマンス推定部２２０は、第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違にのみ着目しているが、運動特性ごとにピーク時刻のばらつきの程度を示す指標を計算し、飛来物の運動特性ごとの運動パフォーマンスの評価も付加してもよい。例えば、全ての試行についての差の標準偏差、尖度、「差の最大値」と「差の最小値」の差分の絶対値（差の最大値をMmax、差の最小値をMminとして、Mmax−Mmin）を「ばらつきの程度を示す指標」として計算する。「ばらつきの程度を示す指標」が「ばらつきが大きい」ことを示すときは、運動パフォーマンスが低いことを示す。これにより、ストレートの熟練度が高いが、チェンジアップの熟練度が低い（苦手）等、運動特性（球種）毎の熟練度を把握することができ、熟練度の低い運動特性（球種）を重点的に訓練すべき等の訓練メニューの作成に利用することができる。

図９に実施例２の運動パフォーマンス評価装置の構成例を、図１０に運動パフォーマンス評価装置の運動情報収集の処理フロー例を、図８に運動パフォーマンス評価装置の評価の処理フローを示す。運動パフォーマンス評価装置２０１は、身体の回転運動を利用した打撃運動での対象者の運動パフォーマンスを推定する。運動パフォーマンス評価装置２０１は、運動情報取得部２１０、パフォーマンス推定部２２１、インパクト時刻取得部２７０、記録部２９０を備える。また、必要に応じて基準時刻検出部２６０も備えればよい。

運動情報取得部２１０は、実施例１と同じである。本実施例では、ピーク時刻を所定のタイミングを基準とした前記回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とする。本実施例では、任意の時刻を所定のタイミングとして基準とし（任意の時刻を時刻０とし）、ピーク時刻とインパクト時刻を求めてもよいし、基準時刻検出部２６０も備えて、基準時刻（例えば、リリース時刻）を時刻０としてピーク時刻とインパクト時刻を求めてもよい。

インパクト時刻取得部２７０は、インパクト時刻を取得する（Ｓ２７０）。インパクト時刻は、バット等に取り付けたセンサから推定した結果を用いてもよいし、映像処理によりインパクト時刻を推定したものでもよいし、人手でインパクト時刻を与えてもよい。センサの場合は、例えば圧力センサにより圧力が最大値を取った時刻をインパクト時刻としたり、慣性センサにより取得した加速度の平方和が最大値を取った時刻をインパクト時刻としたりする方法がある。例えば、インパクト時刻取得部２７０は、インパクトを検出するための情報（映像情報など）であるインパクト情報を取得する（Ｓ２７１）。インパクト時刻取得部２７０は、インパクト情報からインパクトかを確認し（Ｓ２７２）、インパクトの場合には、そのときの時刻をインパクト時刻として記録部２９０に記録する（Ｓ２７３）。

パフォーマンス推定部２２１は、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、運動情報取得部２１０が取得した回転運動の時系列情報から、対象者の運動パフォーマンスを推定する（Ｓ２２１）。より具体的には、パフォーマンス推定部２２１は、ピーク時刻とインパクト時刻との差のばらつきが第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力する。そして、パフォーマンス推定部２２１は、ピーク時刻とインパクト時刻との差のばらつきが第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する。例えば、本実施例のパフォーマンス推定部２２１の関連性では、「ピーク時刻とインパクト時刻との差のばらつきが小さいほど、運動パフォーマンスの評価が高い」。この関連性は、「本発明の基礎となる分析」で示した傾向２に基づいた関連性である。ピーク時刻とインパクト時刻との差のばらつきの程度を示す指標（例えば、標準偏差、尖度、「差の最大値」と「差の最小値」の差分の絶対値）に対して、１つの閾値を定めれば２段階の評価、４つの閾値を定めれば５段階の評価が可能である。なお、「ピーク時刻とインパクト時刻との差のばらつきが大きいほど、運動パフォーマンスの評価が低い」という関連性は上述の関連性と等価である。

パフォーマンス推定部２２１の処理についてより詳細に説明する。パフォーマンス推定部２２１は、各試行について、インパクト時刻とピーク時刻の差を計算する。そして、全ての試行についてインパクト時刻とピーク時刻の差のばらつきの程度を示す指標を計算する。例えば、全ての試行についての差の標準偏差、尖度、「差の最大値」と「差の最小値」の差分の絶対値（差の最大値をMmax、差の最小値をMminとして、Mmax−Mmin）を「ばらつきの程度を示す指標」として計算する。なお、ステップＳ２１２，Ｓ２１３をパフォーマンス推定部２２１で行う場合は、上記の処理の前に、パフォーマンス推定部２２１は、試行ごとに、リリース時刻以降で運動の大きさがピーク値を取る時刻（ピーク時刻）を検出することで、試行ごとのピーク時刻を得る。

パフォーマンス推定部２２１は、「ばらつきの程度を示す指標」が「ばらつきが大きい」ことを示すときは運動パフォーマンスが低いと推定し、そうでない場合は運動パフォーマンスが高いと推定する。例えば、標準偏差が所定の閾値以下の場合は運動パフォーマンスが高いことを示す評価結果を出力し、標準偏差が所定の閾値より大きい場合は運動パフォーマンスが高いことを示す評価結果を出力する。あるいは、Mmax−Mminが所定の閾値以下であれば運動パフォーマンスが高いことを示す評価結果を出力し、Mmax−Mminが所定の閾値より大きい場合は運動パフォーマンスが低いことを示す評価結果を出力する。

運動パフォーマンス評価装置２０１によれば、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて前記対象者の運動パフォーマンスを推定するので、熟練度を精度よく判定できる。また、運動パフォーマンス評価装置２０１では対象物の運動特性は考慮しないので、トスバッティング、ティーバッティング、ゴルフのような打撃運動の評価もできる。さらに、飛来物の運動特性も取得・記録しておいて同じ運動特性の試行の集合に対して運動パフォーマンス評価装置２０１を利用した場合、および飛来物の運動特性を限定した試行に対して運動パフォーマンス評価装置２０１を利用した場合には、限定した飛来物の運動特性での運動パフォーマンスを評価できる。また、すべての飛来物の運動特性を対象者に知らせた上で運動パフォーマンス評価装置２０１を利用すれば、運動特性を知った上での運動パフォーマンスを評価できるし、運動特性を知らせない場合は運動特性を知らないときの運動パフォーマンスを評価できる。

なお、上述の説明では、実環境下での打撃運動を前提に説明したが、ＶＲ環境下で行われる打撃動作から取得した運動情報を用いてもよい。例えば、対象者がヘッドマウントディスプレイを装着し、仮想的な環境下でＶＲ上の投手が投げた仮想的なボールを実際に打ち返す運動を行ったときの運動情報を取得し、この運動情報に基づいて運動パフォーマンスを評価してもよい。

図１１に実施例３の運動パフォーマンス評価装置の構成例を、図１２に運動パフォーマンス評価装置の運動情報収集の処理フロー例を、図８に運動パフォーマンス評価装置の評価の処理フローを示す。運動パフォーマンス評価装置２０２は、身体の回転運動を利用した打撃運動での対象者の運動パフォーマンスを推定する。運動パフォーマンス評価装置２０２は、運動情報取得部２１０、パフォーマンス推定部２２２、特性情報取得部２３０、インパクト時刻取得部２７０、記録部２９０を備える。また、必要に応じて基準時刻検出部２６０も備えればよい。

運動情報取得部２１０と特性情報取得部２３０は実施例１と同じであり、インパクト時刻取得部２７０は実施例２と同じである。本実施例では、ピーク時刻を所定のタイミングを基準とした前記回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とする。本実施例では、任意の時刻を所定のタイミングとして基準とし（任意の時刻を時刻０とし）、ピーク時刻とインパクト時刻を求めてもよいし、基準時刻検出部２６０も備えて、基準時刻（例えば、リリース時刻）を時刻０としてピーク時刻とインパクト時刻を求めてもよい。

パフォーマンス推定部２２２は、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、運動情報取得部２１０が取得した回転運動の時系列情報から、対象者の運動パフォーマンスを推定する（Ｓ２２２）。より具体的には、パフォーマンス推定部２２２は、第１の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度と、第２の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力する。そして、パフォーマンス推定部２２２は、第１の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度と、第２の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する。例えば、本実施例のパフォーマンス推定部２２２の関連性では、「第１の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度と、第２の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度との差が小さいほど、運動パフォーマンスの評価が高い」。この関連性は、「本発明の基礎となる分析」で示した傾向３に基づいた関連性である。第１と第２の運動特性に対するピーク時刻とインパクト時刻との差のばらつきの程度を示す指標（例えば、標準偏差、尖度、「差の最大値」と「差の最小値」の差分の絶対値）の差に対して、１つの閾値を定めれば２段階の評価、４つの閾値を定めれば５段階の評価が可能である。なお、「第１の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度と、第２の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度との差が大きいほど、運動パフォーマンスの評価が低い」という関連性は上述の関連性と等価である。

パフォーマンス推定部２２２の処理についてより詳細に説明する。パフォーマンス推定部２２２は、各試行について、インパクト時刻とピーク時刻の差を計算する。そして、運動特性ごとに、インパクト時刻とピーク時刻の差のばらつきの程度を示す指標を計算する。例えば、全ての試行についての差の標準偏差、尖度、「差の最大値」と「差の最小値」の差分の絶対値（差の最大値をMmax、差の最小値をMminとして、Mmax−Mmin）を「ばらつきの程度を示す指標」として計算する。なお、ステップＳ２１２，Ｓ２１３をパフォーマンス推定部２２２で行う場合は、上記の処理の前に、パフォーマンス推定部２２２は、試行ごとに、リリース時刻以降で運動の大きさがピーク値を取る時刻（ピーク時刻）を検出することで、試行ごとのピーク時刻を得る。

パフォーマンス推定部２２２は、運動特性ごとの「ばらつきの程度を示す指標」に基づいて運動パフォーマンスを推定する。具体的には、第１の運動特性についての「ばらつきの程度を示す指標」と第２の運動特性についての「ばらつきの程度を示す指標」との差の絶対値が所定の閾値以下であれば運動パフォーマンスが高い（熟練度が高い）ことを示す評価結果を出力し、第１の運動特性についての「ばらつきの程度を示す指標」と第２の運動特性についての「ばらつきの程度を示す指標」との差の絶対値が所定の閾値より大きい場合は運動パフォーマンスが低い（熟練度が低い）ことを示す評価結果を出力する。

運動パフォーマンス評価装置２０２によれば、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて前記対象者の運動パフォーマンスを推定するので、熟練度を精度よく判定できる。

なお、上述の説明では、実環境下での打撃運動を前提に説明したが、ＶＲ環境下で行われる打撃動作から取得した運動情報を用いてもよい。例えば、対象者がヘッドマウントディスプレイを装着し、仮想的な環境下でＶＲ上の投手が投げた仮想的なボールを実際に打ち返す運動を行ったときの運動情報を取得し、この運動情報に基づいて運動パフォーマンスを評価してもよい。

図１３に実施例４の運動パフォーマンス評価装置の構成例を、図１４に運動パフォーマンス評価装置の運動情報収集の処理フロー例を、図８に運動パフォーマンス評価装置の評価の処理フローを示す。運動パフォーマンス評価装置２０３は、身体の回転運動を利用した打撃運動での対象者の運動パフォーマンスを推定する。運動パフォーマンス評価装置２０３は、運動情報取得部２１０、パフォーマンス推定部２２３、特性情報取得部２３０、特性提示情報取得部２４０、インパクト時刻取得部２７０、記録部２９０を備える。また、必要に応じて基準時刻検出部２６０も備えればよい。

運動情報取得部２１０と特性情報取得部２３０は実施例１と同じであり、インパクト時刻取得部２７０は実施例２と同じである。本実施例では、ピーク時刻を所定のタイミングを基準とした前記回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とする。本実施例では、任意の時刻を所定のタイミングとして基準とし（任意の時刻を時刻０とし）、ピーク時刻とインパクト時刻を求めてもよいし、基準時刻検出部２６０も備えて、基準時刻（例えば、リリース時刻）を時刻０としてピーク時刻とインパクト時刻を求めてもよい。

特性提示情報取得部２４０は、飛来物の運動特性を提示したか否かの情報を取得する（Ｓ２４０）。飛来物の運動特性は、運動パフォーマンス評価装置２０３が対象者に提示してもよいし、人や別装置で音や信号などで対象者に提示した上で、特性提示情報取得部２４０が提示したか否かの情報を取得してもよい。

パフォーマンス推定部２２３は、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、運動情報取得部２１０が取得した回転運動の時系列情報から、対象者の運動パフォーマンスを推定する（Ｓ２２３）。より具体的には、パフォーマンス推定部２２３は、対象者が飛来物の運動特性を知っているときのピーク時刻とインパクト時刻との差のばらつきの程度と、対象者が飛来物の運動特性を知らないときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力する。そして、パフォーマンス推定部２２３は、対象者が飛来物の運動特性を知っているときのピーク時刻とインパクト時刻との差のばらつきの程度と、対象者が飛来物の運動特性を知らないときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する。例えば、本実施例のパフォーマンス推定部２２３の関連性では、「対象者が飛来物の運動特性を知っているときのピーク時刻とインパクト時刻との差のばらつきの程度と、対象者が飛来物の運動特性を知らないときのピーク時刻とインパクト時刻との差のばらつきの程度との差が小さいほど、運動パフォーマンスの評価が高い」。この関連性は、「本発明の基礎となる分析」で示した傾向４に基づいた関連性である。飛来物の運動特性を知っているときと知らないときのピーク時刻とインパクト時刻との差のばらつきの程度を示す指標（例えば、標準偏差、尖度、「差の最大値」と「差の最小値」の差分の絶対値）の差に対して、１つの閾値を定めれば２段階の評価、４つの閾値を定めれば５段階の評価が可能である。なお、「対象者が飛来物の運動特性を知っているときのピーク時刻とインパクト時刻との差のばらつきの程度と、対象者が飛来物の運動特性を知らないときのピーク時刻とインパクト時刻との差のばらつきの程度との差が大きいほど、運動パフォーマンスの評価が低い」という関連性は上述の関連性と等価である。

パフォーマンス推定部２２３の処理についてより詳細に説明する。パフォーマンス推定部２２３は、対象者が飛来物の運動特性を知っている場合のインパクト時刻とピーク時刻の差のばらつきの程度を示す指標である第１の指標と、対象者が飛来物の運動特性を知らない場合のインパクト時刻とピーク時刻の差のばらつきの程度を示す指標である第２の指標を計算する。「ばらつきの程度を示す指標」は、実施例３と同じである。なお、ステップＳ２１２，Ｓ２１３をパフォーマンス推定部２２３で行う場合は、上記の処理の前に、パフォーマンス推定部２２３は、試行ごとに、リリース時刻以降で運動の大きさがピーク値を取る時刻（ピーク時刻）を検出することで、試行ごとのピーク時刻を得る。

パフォーマンス推定部２２３は、第１の指標と第２の指標とに基づいて運動パフォーマンスを推定する。具体的には、第１の指標と第２の指標の差の絶対値が所定の閾値以下であれば運動パフォーマンスが高い（熟練度が高い）ことを示す評価結果を出力し、第１の指標と第２の指標の差の絶対値が所定の閾値より大きい場合は運動パフォーマンスが低い（熟練度が低い）ことを示す評価結果を出力する。

運動パフォーマンス評価装置２０３によれば、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて前記対象者の運動パフォーマンスを推定するので、熟練度を精度よく判定できる。

なお、上述の説明では、実環境下での打撃運動を前提に説明したが、ＶＲ環境下で行われる打撃動作から取得した運動情報を用いてもよい。例えば、対象者がヘッドマウントディスプレイを装着し、仮想的な環境下でＶＲ上の投手が投げた仮想的なボールを実際に打ち返す運動を行ったときの運動情報を取得し、この運動情報に基づいて運動パフォーマンスを評価してもよい。

図１５に実施例５の運動パフォーマンス評価装置の構成例を、図７，１０，１２，１４に運動パフォーマンス評価装置の運動情報収集の処理フロー例を、図１６に運動パフォーマンス評価装置の学習の処理フローを、図１７に運動パフォーマンス評価装置の評価の処理フローを示す。運動パフォーマンス評価装置２０４は、身体の回転運動を利用した打撃運動での対象者の運動パフォーマンスを推定する。

＜学習＞
本実施例では、運動パフォーマンスの評価が既知の複数の人に打撃運動を行ってもらい、以下の第１〜第５の特徴量を抽出し、運動パフォーマンスと抽出した特徴量との組を学習用データとする。なお、第１〜第５の特徴量は、実施例１〜４に示した処理で取得できる。
（１）第１の特徴量
実施例１のパフォーマンス推定部２２０で計算した飛来物の運動特性ごとのピーク時刻の平均値と、運動特性を示す情報との組
（２）第２の特徴量
実施例２のパフォーマンス推定部２２１で計算した、全ての試行についてのインパクト時刻とピーク時刻との差のばらつきの程度を示す指標値
（３）第３の特徴量
実施例３のパフォーマンス推定部２２２で計算した飛来物の運動特性ごとのインパクト時刻とピーク時刻との差のばらつきの程度を示す指標値と、運動特性を示す情報との組
（４）第４の特徴量
実施例４のパフォーマンス推定部２２３で計算した、飛来物の運動特性を知っている場合のインパクト時刻とピーク時刻との差のばらつきの程度を示す指標値と、飛来物の運動特性を知っていることを示す情報との組
（５）第５の特徴量
実施例４のパフォーマンス推定部２２３で計算した、飛来物の運動特性を知らない場合のインパクト時刻とピーク時刻との差のばらつきの程度を示す指標値と、飛来物の運動特性を知らないことを示す情報との組

本実施例では、第１〜第５の特徴量から選んだ特徴量を用いればよい。５つのすべてを用いてもよいし、いずれか１つを用いてもよいし、いくつかを用いてもよい。学習の処理においては、運動パフォーマンスが既知の人から得られた特徴量とその人の評価とを組の集合である学習データを用いて学習済モデルを求め、記録部２９０に記録する（Ｓ２９０）。学習済モデルを求める技術は既存の技術を用いればよい。例えば、機械学習やニューラルネットワーク等の手法により生成することができる。ＳＶＭ（Support Vector Machine）の場合には、学習用データに含まれる運動パフォーマンスが高い場合に対応する特徴量ベクトルと、運動パフォーマンスが低い場合に対応する特徴量ベクトルとを精度よく分離する超平面を学習する。これにより、運動パフォーマンスが未知の特徴量ベクトルが与えられたときに、超平面と当該特徴量ベクトルとの位置関係から、運動パフォーマンスが高いことに対応するカテゴリと、運動パフォーマンスが低いことに対応するカテゴリのどちらに属するかを推定することで、運動パフォーマンスの推定が可能となる。

同様に、第１の特徴量から第５の特徴量のうち少なくとも１以上の特徴量からなる特徴量ベクトルを、運動パフォーマンスの高さに応じた複数のクラスに分類（識別）するようなモデルを学習する識別学習法を用いれば同様のことができる。なお、分類する運動パフォーマンスの種類は、高い／低いの２段階でなくても、高／中／低の３段階、 Ａ／Ｂ／Ｃ／Ｄ／Ｅなどの運動パフォーマンスの高さに応じた複数レベルに分類するようなモデルとしてもよい。実施例１〜４では、あらかじめ閾値を設けることで運動パフォーマンスの推定を行ったが、本実施例では運動パフォーマンスの評価が既知の人達のデータ（学習データ）で学習した学習済モデルを用いる。したがって、実施例１〜４の閾値の設定に相当する設定は、学習によって行われる。また、実施例５の場合、第１〜第５の特徴量の組合せに対しても閾値の設定に相当する設定が学習によって行われるので、複数の特徴量（特徴量ベクトル）を入力とした運動パフォーマンスの評価が可能である。

ニューラルネットワークの場合には、学習データの各特徴量ベクトルをニューラルネットワークに入力することで運動パフォーマンスの推定値を求め、この推定値が学習用データに含まれる正解の運動パフォーマンスの高さに近づくようにニューラルネットワークのパラメータを繰り返し更新することで、任意の特徴量ベクトルを入力として、運動パフォーマンスの推定値を出力するようなニューラルネットワークのモデルを学習することができる。つまり、学習済みモデルは、第１〜第５の特徴量のうち少なくとも１以上の特徴量を含む特徴量ベクトルと運動パフォーマンスの高さとの関連性を学習したものである。

＜評価＞
運動パフォーマンス評価装置２０４は、運動情報取得部２１０、パフォーマンス推定部２２４、特徴量抽出部２８０、記録部２９０を備える。また、選ばれた特徴量に応じて、特性情報取得部２３０、特性提示情報取得部２４０、基準時刻検出部２６０、インパクト時刻取得部２７０も備えればよい。なお、記録部２９０は、運動パフォーマンスの評価が既知の対象者の打撃運動から取得された身体の回転運動の時系列情報を用いて学習した学習済モデルを記録している。つまり、第１〜第５の特徴量のうちの少なくとも１以上を含む特徴量（特徴量ベクトル、以下、「学習に用いる特徴量」ともいう）を入力とし、運動パフォーマンスの推定値を出力とする学習済モデルを記録している。

運動情報収集の処理フローは、実施例１〜４と同じであり、学習に用いる特徴量に応じて、図７，１０，１２，１４に運動パフォーマンス評価装置の運動情報収集の処理フローのいずれか、またはこれらを組み合わせた処理フローを実行すればよい。運動情報収集のフローが終了したときには、評価の対象者について学習に用いる特徴量の評価に必要な試行の情報が記録部２９０に記録された状態となる。なお、学習に用いる特徴量には、第１〜第５の特徴量のうち少なくとも何れかを含むものとし、第１〜第５の特徴量以外の特徴量を追加で用いてもよい。

特徴量抽出部２８０は、記録部２９０に記録された対象者の試行の情報から、学習に用いる特徴量を求める（Ｓ２８０）。第１〜第５の特徴量の求め方は、実施例１〜４に示した方法で求めればよい。パフォーマンス推定部２２４は、学習済モデルを用いて対象者の運動パフォーマンスを推定する（Ｓ２２４）。つまり、パフォーマンス推定部２２４は、対象者の試行の情報から求めた特徴量を学習済みモデルに入力することにより、対象者の運動パフォーマンスの高さ（評価値）の推定結果を得る。

運動パフォーマンス評価装置２０４によれば、回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて前記対象者の運動パフォーマンスを推定するので、熟練度を精度よく判定できる。

なお、上述の説明では、実環境下での打撃運動を前提に説明したが、ＶＲ環境下で行われる打撃動作から取得した運動情報を用いてもよい。例えば、対象者がヘッドマウントディスプレイを装着し、仮想的な環境下でＶＲ上の投手が投げた仮想的なボールを実際に打ち返す運動を行ったときの運動情報を取得し、この運動情報に基づいて運動パフォーマンスを評価してもよい。

［プログラム、記録媒体］
上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。

また、上述の構成をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。

また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

２００，２０１，２０２，２０３，２０４ 運動パフォーマンス評価装置
２１０ 運動情報取得部
２２０，２２１，２２２，２２３，２２４ パフォーマンス推定部
２３０ 特性情報取得部 ２４０ 特性提示情報取得部
２６０ 基準時刻検出部 ２７０ インパクト時刻取得部
２８０ 特徴量抽出部 ２９０ 記録部

Claims (8)

1. 対象者の飛来物に対する打撃運動における前記対象者の運動パフォーマンスを推定する運動パフォーマンス評価装置であって、
   ピーク時刻を、飛来物が到達する前の所定のタイミングを基準とした回転運動の大きさが最大となる時刻とし、
   ヘッドマウントディスプレイを装着した前記対象者がＶＲ環境下で前記ＶＲ上の飛来物を投げる者が投げた前記ＶＲ上の飛来物に対して打撃運動を行ったときの、前記対象者の身体の回転運動の時系列情報を取得する運動情報取得部と、
   前記回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、前記運動情報取得部が取得した回転運動の時系列情報から、前記対象者の運動パフォーマンスを推定するパフォーマンス推定部と、
   飛来物の運動特性を取得する特性情報取得部を備え、
   前記パフォーマンス推定部は、第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違の大きさが第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力し、第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違の大きさが第１値よりも大きい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する
   ことを特徴とする運動パフォーマンス評価装置。
2. 対象者の飛来物に対する打撃運動における前記対象者の運動パフォーマンスを推定する運動パフォーマンス評価装置であって、
   ピーク時刻を所定のタイミングを基準とした回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とし、
   ヘッドマウントディスプレイを装着した前記対象者がＶＲ環境下で前記ＶＲ上の飛来物を投げる者が投げた前記ＶＲ上の飛来物に対して打撃運動を行ったときの、前記対象者の身体の回転運動の時系列情報を取得する運動情報取得部と、
   前記回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、前記運動情報取得部が取得した回転運動の時系列情報から、前記対象者の運動パフォーマンスを推定するパフォーマンス推定部と、
   前記インパクト時刻を取得するインパクト時刻取得部を備え、
   前記パフォーマンス推定部は、ピーク時刻とインパクト時刻との差のばらつきが第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力し、ピーク時刻とインパクト時刻との差のばらつきが第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する
   ことを特徴とする運動パフォーマンス評価装置。
3. 対象者の飛来物に対する打撃運動における前記対象者の運動パフォーマンスを推定する運動パフォーマンス評価装置であって、
   ピーク時刻を所定のタイミングを基準とした回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とし、
   ヘッドマウントディスプレイを装着した前記対象者がＶＲ環境下で前記ＶＲ上の飛来物を投げる者が投げた前記ＶＲ上の飛来物に対して打撃運動を行ったときの、前記対象者の身体の回転運動の時系列情報を取得する運動情報取得部と、
   前記回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、前記運動情報取得部が取得した回転運動の時系列情報から、前記対象者の運動パフォーマンスを推定するパフォーマンス推定部と、
   飛来物の運動特性を取得する特性情報取得部と、
   前記インパクト時刻を取得するインパクト時刻取得部を備え、
   前記パフォーマンス推定部は、第１の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度と、第２の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力し、第１の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度と、第２の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する
   ことを特徴とする運動パフォーマンス評価装置。
4. 対象者の飛来物に対する打撃運動における前記対象者の運動パフォーマンスを推定する運動パフォーマンス評価装置であって、
   ピーク時刻を所定のタイミングを基準とした回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とし、
   飛来物は第１の運動特性または第２の運動特性を有し、
   ヘッドマウントディスプレイを装着した前記対象者がＶＲ環境下で前記ＶＲ上の飛来物を投げる者が投げた前記ＶＲ上の飛来物に対して打撃運動を行ったときの、前記対象者の身体の回転運動の時系列情報を取得する運動情報取得部と、
   前記回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、前記運動情報取得部が取得した回転運動の時系列情報から、前記対象者の運動パフォーマンスを推定するパフォーマンス推定部と、
   飛来物の運動特性を取得する特性情報取得部と、
   飛来物の運動特性を提示したか否かの情報を取得する特性提示情報取得部と、
   前記インパクト時刻を取得するインパクト時刻取得部を備え、
   前記パフォーマンス推定部は、前記対象者が飛来物の運動特性を知っているときのピーク時刻とインパクト時刻との差のばらつきの程度と、前記対象者が飛来物の運動特性を知らないときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力し、前記対象者が飛来物の運動特性を知っているときのピーク時刻とインパクト時刻との差のばらつきの程度と、前記対象者が飛来物の運動特性を知らないときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する
   ことを特徴とする運動パフォーマンス評価装置。
5. 対象者の飛来物に対する打撃運動における前記対象者の運動パフォーマンスを推定する運動パフォーマンス評価方法であって、
   ピーク時刻を、飛来物が到達する前の所定のタイミングを基準とした回転運動の大きさが最大となる時刻とし、
   ヘッドマウントディスプレイを装着した前記対象者がＶＲ環境下で前記ＶＲ上の飛来物を投げる者が投げた前記ＶＲ上の飛来物に対して打撃運動を行ったときの、前記対象者の身体の回転運動の時系列情報を取得する運動情報取得ステップと、
   前記回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、前記運動情報取得ステップで取得した回転運動の時系列情報から、前記対象者の運動パフォーマンスを推定するパフォーマンス推定ステップと、
   飛来物の運動特性を取得する特性情報取得ステップを有し、
   前記パフォーマンス推定ステップは、第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違の大きさが第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力し、第１の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均と第２の運動特性を有する飛来物に対する打撃運動でのピーク時刻の平均との相違の大きさが第１値よりも大きい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する
   ことを特徴とする運動パフォーマンス評価方法。
6. 対象者の飛来物に対する打撃運動における前記対象者の運動パフォーマンスを推定する運動パフォーマンス評価方法であって、
   ピーク時刻を所定のタイミングを基準とした回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とし、
   ヘッドマウントディスプレイを装着した前記対象者がＶＲ環境下で前記ＶＲ上の飛来物を投げる者が投げた前記ＶＲ上の飛来物に対して打撃運動を行ったときの、前記対象者の身体の回転運動の時系列情報を取得する運動情報取得ステップと、
   前記回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、前記運動情報取得ステップで取得した回転運動の時系列情報から、前記対象者の運動パフォーマンスを推定するパフォーマンス推定ステップと、
   前記インパクト時刻を取得するインパクト時刻取得ステップを有し、
   前記パフォーマンス推定ステップは、ピーク時刻とインパクト時刻との差のばらつきが第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力し、ピーク時刻とインパクト時刻との差のばらつきが第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する
   ことを特徴とする運動パフォーマンス評価方法。
7. 対象者の飛来物に対する打撃運動における前記対象者の運動パフォーマンスを推定する運動パフォーマンス評価方法であって、
   ピーク時刻を所定のタイミングを基準とした回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とし、
   ヘッドマウントディスプレイを装着した前記対象者がＶＲ環境下で前記ＶＲ上の飛来物を投げる者が投げた前記ＶＲ上の飛来物に対して打撃運動を行ったときの、前記対象者の身体の回転運動の時系列情報を取得する運動情報取得ステップと、
   前記回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、前記運動情報取得ステップで取得した回転運動の時系列情報から、前記対象者の運動パフォーマンスを推定するパフォーマンス推定ステップと、
   飛来物の運動特性を取得する特性情報取得ステップと、
   前記インパクト時刻を取得するインパクト時刻取得ステップを有し、
   前記パフォーマンス推定ステップは、第１の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度と、第２の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力し、第１の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度と、第２の運動特性を有する飛来物のときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する
   ことを特徴とする運動パフォーマンス評価方法。
8. 対象者の飛来物に対する打撃運動における前記対象者の運動パフォーマンスを推定する運動パフォーマンス評価方法であって、
   ピーク時刻を所定のタイミングを基準とした回転運動の大きさが最大となる時刻、インパクト時刻を前記所定のタイミングを基準とした打撃を与えた時刻とし、
   飛来物は第１の運動特性または第２の運動特性を有し、
   ヘッドマウントディスプレイを装着した前記対象者がＶＲ環境下で前記ＶＲ上の飛来物を投げる者が投げた前記ＶＲ上の飛来物に対して打撃運動を行ったときの、前記対象者の身体の回転運動の時系列情報を取得する運動情報取得ステップと、
   前記回転運動の時系列情報と運動パフォーマンスの評価との関連性に基づいて、前記運動情報取得ステップで取得した回転運動の時系列情報から、前記対象者の運動パフォーマンスを推定するパフォーマンス推定ステップと、
   飛来物の運動特性を取得する特性情報取得ステップと、
   飛来物の運動特性を提示したか否かの情報を取得する特性提示情報取得ステップと、
   前記インパクト時刻を取得するインパクト時刻取得ステップを有し、
   前記パフォーマンス推定ステップは、前記対象者が飛来物の運動特性を知っているときのピーク時刻とインパクト時刻との差のばらつきの程度と、前記対象者が飛来物の運動特性を知らないときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値であるときに、第１の評価値を運動パフォーマンスの評価結果として出力し、前記対象者が飛来物の運動特性を知っているときのピーク時刻とインパクト時刻との差のばらつきの程度と、前記対象者が飛来物の運動特性を知らないときのピーク時刻とインパクト時刻との差のばらつきの程度との差が第１値よりも小さい第２値であるときに、第１の評価値よりも運動パフォーマンスが高いことに対応する第２の評価値を運動パフォーマンスの推定結果として出力する
   ことを特徴とする運動パフォーマンス評価方法。

Images