JP7169489B1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

情報処理装置は、スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、ドットのクラスターを形成する形成部と、クラスターとドットとに番号を割り当てる割当部と、割り当てられた番号を取得して、所定の座標位置に設定し、シルエットを特定する特定部と、特定されたシルエットに基づいて、３Ｄモデルを生成する生成部と、を備える。形成部は、スーツのドットパターンから六角形のクラスターを形成し、六角形のクラスターを増やしていき一意のハニカム構造を形成する。割当部は、ハニカム構造から、クラスターとドットとに番号を割り当てる。スーツの全体に、ドットとして、中実のドットと中空のドットとがプリントされている。これにより、身体サイズ測定用衣服を用いて、より高精度にユーザの体の形状の３Ｄモデルを作成する。

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

従来、ユーザの体の形状を測定するための身体サイズ測定用衣服が開示されている。

意匠登録第１６１９６６１号公報 意匠登録第１６１９７５９号公報 意匠登録第１６１９７６１号公報 意匠登録第１６１９７６２号公報

しかしながら、上記の従来技術は、技術的に開発途上のものであり、さらなる発展・改良の余地がある。身体サイズ測定用衣服は、ユーザの体の形状に伴い、体の測定値（ウエストやヒップの周囲など）を示す正確な３Ｄモデルを作成するために用いられる。そのため、身体サイズ測定用衣服を用いて、より高精度にユーザの体の形状の３Ｄモデルを作成するための技術が求められている。

本願は、上記に鑑みてなされたものであって、より高精度にユーザの体の形状の３Ｄモデルを作成することを目的とする。

本願に係る情報処理装置は、スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記ドットのクラスターを形成する形成部と、前記クラスターに基づいて、３Ｄモデルを生成する生成部と、を備えることを特徴とする。

実施形態の一態様によれば、より高精度にユーザの体の形状の３Ｄモデルを作成することができる。

図１は、実施形態に係る身体サイズ測定方法の概要を示す説明図である。 図２は、旧型ボディスーツと新型ボディスーツとの一例を示す図である。 図３は、旧型ボディスーツと新型ボディスーツとの比較表を示す図である。 図４は、実施形態に係る端末装置の構成例を示す図である。 図５は、実施形態に係る処理手順を示すフローチャートである。 図６は、実施形態に係る画像処理手順を示すフローチャートである。 図７は、実施形態に係る３Ｄフィッティング処理手順を示すフローチャートである。 図８は、ハードウェア構成の一例を示す図である。

以下に、本願に係る情報処理装置、情報処理方法及び情報処理プログラムを実施するための形態（以下、「実施形態」と記載する）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法及び情報処理プログラムが限定されるものではない。また、以下の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．身体サイズ測定方法の概要〕
まず、図１を参照し、実施形態に係る情報処理装置が行う身体サイズ測定方法の概要について説明する。図１は、実施形態に係る身体サイズ測定方法の概要を示す説明図である。なお、図１では、身体サイズ測定用衣服を着用したユーザの体の形状を測定して、ユーザの体の３Ｄモデル（３次元モデル）を作成する場合を例に挙げて説明する。

（情報処理システム１）
本実施形態に係る情報処理システム１は、身体サイズ測定用衣服であるボディスーツを着用したユーザの体の形状に伴い、体の測定値（ウエストやヒップの周囲など）を示す正確な３Ｄボディモデルを作成する。３Ｄボディモデルは、アパレルのフィッティング、ダイエット・フィットネスレジメンの効果の追跡、機械学習・ＡＩ（Artificial Intelligence）システムのトレーニングなど、様々な使用目的に適応可能である。以下の説明において、３Ｄボディモデルを３Ｄモデルと簡略に表記する場合がある。

本実施形態に係る情報処理システム１は「ハードウェア」（伸縮性のあるボディスーツ＋スマートフォン）と「ソフトウェア」（端末で起動されるアプリ、サーバソフトウェア・ウェブサイト）で構成されている。以下、これらの要素を詳細に解説する。

図１に示すように、情報処理システム１は、端末装置１０と情報提供装置１００と新型ボディスーツＺＳとを含む。端末装置１０と情報提供装置１００とは、それぞれネットワークＮを介して、有線又は無線により互いに通信可能に接続される。ネットワークＮは、例えば、ＬＡＮ（Local Area Network）や、インターネット等のＷＡＮ（Wide Area Network）である。また、端末装置１０は、ＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）等の無線通信網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）等の近距離無線通信を介してネットワークＮに接続し、情報提供装置１００と通信することができる。

また、図１に示す情報処理システム１に含まれる各装置の数は図示したものに限られない。例えば、図１では、図示の簡略化のため、端末装置１０を１台のみ示したが、これはあくまでも例示であって限定されるものではなく、２台以上であってもよい。また、以下の説明において、新型ボディスーツＺＳを「スーツ」と簡略に記載することもある。すなわち、特に記載のない場合、スーツは新型ボディスーツＺＳを指す。

（情報提供装置１００）
情報提供装置１００は、ユーザＵ（利用者）の端末装置１０と連携し、ユーザＵの端末装置１０に対して、各種アプリケーション（アプリ）等に対するＡＰＩサービス等と、各種データを提供する情報処理装置であり、サーバ装置やクラウドシステム等により実現される。本実施形態では、情報提供装置１００は、端末装置１０に対して身体サイズ測定用のアプリケーション（アプリ）を提供し、端末装置１０からアプリを用いて生成された３Ｄボディモデルを受け取る。そして、情報提供装置１００は、３Ｄボディモデルを様々な目的に使用したり、様々な端末装置やサーバ装置に提供したりする。

（端末装置１０）
端末装置１０は、ユーザＵにより使用されるスマートフォンやタブレット等のスマートデバイスであり、４Ｇ（Generation）やＬＴＥ（Long Term Evolution）等の無線通信網を介して任意のサーバ装置と通信を行うことができる携帯端末装置である。また、端末装置１０は、液晶ディスプレイ等の画面であって、タッチパネルの機能を有する画面を有し、ユーザから指やスタイラス等によりタップ操作、スライド操作、スクロール操作等、コンテンツ等の表示データに対する各種の操作を受付ける。なお、画面のうち、コンテンツが表示されている領域上で行われた操作を、コンテンツに対する操作としてもよい。また、端末装置１０は、スマートデバイスのみならず、デスクトップＰＣ（Personal Computer）やノートＰＣ等の情報処理装置であってもよい。

本実施形態では、端末装置１０として、スマートフォンを例に説明する。リーズナブルな品質のカメラ（撮像装置）を搭載している条件を除けば、スマートフォンに特別な対応要件は必要ない。すなわち、スマートフォンは、一般的な品質のカメラを備えていれば十分であり、高解像度カメラや深度センサなどを備えた最新モデルである必要はない。

ユーザＵが、身体サイズ測定用衣服である新型ボディスーツＺＳを用いて身体の３Ｄスキャンを行う場合、まず端末装置１０に身体サイズ測定用のアプリケーション（アプリ）をインストールして起動し、端末装置１０をスタンドに置いて新型ボディスーツＺＳを着用した状態で端末装置１０の前に立ち、ゆっくりと身体を回転させながら一連の画像をキャプチャする。十分な数の画像（通常は１２枚）が収集されると、アプリは画像を処理し、ユーザＵの体のサイズと形状を表す３Ｄ「メッシュ」を構築する。

（新型ボディスーツＺＳ）
新型ボディスーツＺＳは、標準的な低コストの衣服印刷技術（デジタル昇華印刷）を使用して製造された伸縮性及び密着性のあるぴったりとしたボディスーツである。新型ボディスーツＺＳは、着用者の全身（顔・頭を除く）をカバーし、レギンスとトップスの二つの部分で構成されている。新型ボディスーツＺＳには、表面のほとんどの部分を覆うドット柄のパターンがあり、密集された正六角形（ハニカム状）に配置されている。各ドットは「中実」（solid）または「中空」（hollow）のいずれかであり、疑似ランダムアルゴリズムを使用して選択されている。中空のドットはＯ字型（ドーナツ型）である。例えば、スーツ全体にほぼ同じ数の中実と中空のドットがプリントされている仕様である。新型ボディスーツＺＳの任意部位のドットのパターンを分析することにより、衣服のどの部分を見ているかを推測することができる。

ここで、図２を参照し、従来品である旧型ボディスーツＦＳと対比して、新型ボディスーツＺＳの特徴について説明する。図２は、旧型ボディスーツＦＳと新型ボディスーツＺＳとの一例を示す図である。

図２に示すように、旧型ボディスーツＦＳでは、１個当たり数ｃｍ程度の旧型マーカーＦＭ（その上に２ｍｍのドットＤＴが複数配置されている）を認識対象としていたが、新型ボディスーツＺＳでは、１個当たり６ｍｍの新型マーカーＭ１、Ｍ２を認識対象としている。新型マーカーＭ１、Ｍ２はそれぞれドットを兼ねている。すなわち、新型マーカーＭ１、Ｍ２自体がドットである。ここでは、新型マーカーＭ１は「中実」（solid）のドットであり、新型マーカーＭ２は「中空」（hollow）のドットである。これにより、認識性が向上し、スマートフォンのカメラでより多くのマーカー情報をとらえることが可能になった。なお、上記のサイズは一例に過ぎない。実際には、ドットや中空は任意のサイズであってもよい。

また、旧型ボディスーツＦＳを用いた測定では約４００個のマーカーを認識対象としていたが、新型ボディスーツＺＳを用いた測定では約２０，０００個のマーカーを認識対象とすることができる。すなわち、新型ボディスーツＺＳは、旧型ボディスーツＦＳと比べて約５０倍のマーカー数となり、計測・解析精度が大幅に向上している。これにより、詳細な体型情報の読み取りを行い、より正確な３Ｄモデルを生成することが可能になった。

（ドット柄の主なデザイン・印刷要件）
スーツのドット（新型ボディスーツＺＳの新型マーカーＭ１、Ｍ２）は可能な限り密に詰める必要があるが、斜めから見たときとカメラのレンズを通して遠くから見たときにスーツの背景色から検出してセグメント化できるよう、各ドットの周囲に十分な余白が必要である。また、「中空」ドットの場合、円の内枠部分のサイズは上記の見た目条件下で中実のドットと明確に区別できる必要がある。さらに、印刷された各ドットの前景色と背景色のコントラストについては、照明環境が悪い場合でも簡単に検出できることが重要である。

ドットの色と背景色の選定に関しては柔軟性が許容される。最も単純なケースでは、ドットは白で、スーツの背景色は黒である。しかし、色付きのスーツやドット、単一のスーツ全体に複数の背景色のバリエーションなど、幅広いカラー仕様の対応が可能である。また、スーツの背景にロゴや画像を埋め込んで、よりカスタマイズされたデザインを作成することも可能である。

また、円形のドットの代わりに、正方形や六角形を使用したり、２種類のドットや他の幾何学模様を区別するために色を使用したりすることもできる。

新型ボディスーツＺＳの生地に関しては、伸縮性がありピッタリとフィットすることが重要で、ほとんどの人が快適にかつフィットした状態で着られる生地を使うことによって、必要なサイズのバリエーション数を最小限に抑えることができる。また、生地は高度に引き延ばされた場合でも、ドットをはっきりと認識できる十分なコントラストを備えていることが重要である。

（基準マーカーＲＭ）
伸縮性のないインクでプリントされていたマーカー（旧型マーカーＦＭ）がついていた旧型ボディスーツＦＳとは異なり、新型ボディスーツＺＳのマーカー（新型マーカーＭ１、Ｍ２）は伸縮性があるため、スーツ自体の製造がより簡単である。ただし、新型ボディスーツＺＳは、スケールの参照を持つために、伸縮しない基準マーカーＲＭ（既知のサイズ）をいくつか保持している。基準マーカーＲＭは、少なくとも新型マーカーＭ１、Ｍ２よりもサイズが大きい。本実施形態では、基準マーカーＲＭは、旧型マーカーＦＭと同じサイズである。これらの基準マーカーＲＭは、ロゴが中心にある白い丸型のもので、戦略的な部位（バスト、背中、脚）につけられている。本実施形態では、新型ボディスーツＺＳは、胸部の中心に１つ、背中の肩甲骨の辺りに２つ（右側に１つ、左側に１つ）、脚の両膝の外側に２つ（右脚側に１つ、左脚側に１つ）の合計５個の基準マーカーＲＭを保持している。基準マーカーＲＭの素材には伸縮しないプラスチックを使用していて、ヒートプレスを使ってスーツに付着している。

（ボディモデル）
本実施形態では、ボディモデルとして、人体のパラメトリックモデルを想定している。例えば、ボディモデルとして、商用ライセンスされているＳＭＰＬモデル（Skinned Multi-Person Linear model）を使用する。他のパラメトリックボディモデル（独自仕様または第三者提供）も使用できる。原則として、適切なボディモデルが利用可能であれば、例えばＰＥＴ（Positron Emission Tomography：陽電子放出断層撮影）など、他のオブジェクトのスキャンも可能である。

（画像処理）
３Ｄモデルを構築するための基本的な入力データは、様々な視野角（画角も含む）から撮影された、スーツを着用したユーザＵの写真（画像）である。本実施形態では、様々な視野角から１２枚の写真を撮影する。使用アルゴリズムは、スーツを覆うドットパターンを検知して認識することにより画像内の人物を検出することができる。見えている範囲であれば、画像内の顔や目を検出することも可能である。

画像は、スーツのドット（新型ボディスーツＺＳの新型マーカーＭ１、Ｍ２）である可能性のある小さな円形／楕円型の「丸」（blob）を認識するために処理される。また、それぞれ検出されたドットが「中実」、「中空」 、「不明」に分類される。そして、各ローカル画像近傍で検出されたドットの相対的な位置を分析して、予想されるハニカム（正六角形）パターンに適合するようなドットの「クラスター」（Cluster）を形成する。

形成された各クラスターは、スーツのドットの印刷に使用された既知の疑似ランダムパターンに対して一致しているか、回転対称性を考慮した上で確認される。一部のクラスターは小さすぎて一致を取得できないため、または無効なドットが含まれていて認識できないため、この段階で拒否される。残りのクラスターについては、各ドットにスーツ上で識別するための一意の番号（数値識別子）が割り当てられる。

ドット検出と識別プロセスは、各画像に適用され、検出された各ドットのピクセル座標のセットおよび対応する数値識別子を取得する。取得データは、３Ｄボディモデルをフィッティングするために必要な基本入力データとして３Ｄフィッティングアルゴリズムに入力される。

ドットの位置に加えて、使用しているアルゴリズムは、各写真を処理して画像内の人物のシルエット（輪郭）を特定することも可能である。ただし、輪郭の特定は、スーツと背景のコントラストにもよるため、シルエットが明確に表示されているピクセルのみに対して検出できる。シルエットは、３Ｄモデルをより明確にフィッティングするための強力な入力データである。

（３Ｄフィッティング）
３Ｄフィッティングアルゴリズムでは、各画像フレームで検出されたドット、シルエットの位置に正確にフィットするボディモデルパラメーター、および相対的なカメラポーズのセットを計算する。具体的には、（i）ユーザＵの体の形状の３Ｄモデル、（ii）体の各ドットの位置、（iii）体に対するカメラの位置と向き、そして（iv）各画像に写っている体のポーズを同時に推定することを目的としている。方法としては、反復手順を使用し、すべてのパラメーターを調整しながら（最初の推測から開始）、各画像の各ドットの予測位置と観測位置の間のピクセル距離を最小化する。一つまたは複数の画像フレームでシルエットが検出された場合、それらも最小化に含まれる。フィッティングプロセスは、以下のような、いくつかの連続したステップで構成されている。

（１）最初の推測
平均的な体の形から始めて、体の各ドットの「デフォルト」の位置を想定し、フィッティングアルゴリズムが検出された画像データと一致する相対的なカメラポーズのセットを見つけようとする。収束を高速化させるために、アルゴリズムにユーザＵの性別、身長、体重、ユーザＵのポーズ（対応しているポーズから選択）などの追加情報（利用可能な場合）を入力する。

（２）ポイントクラウドフィット
最初の推測から始めて、各ドットの３Ｄ位置とカメラのポーズの推定値が繰り返し調整され、各画像フレームで検出されたドットの位置との一致が向上する。このステップは、コンピュータービジョンでは標準的であり、通常は「バンドル調整」と呼ばれる。次に、パラメトリックボディモデル（ＳＭＰＬ）のパラメーターを最適化し、各３Ｄドット位置からメッシュの表面までの距離を最小化することにより、３Ｄボディモデルの初期フィットが実行される。

（３）ボディフィッティング
続いて、パラメトリックボディモデル（ＳＭＰＬ）のパラメーターをさらに調整して、各画像の予測ドット位置と観測ドット位置の間の距離を最小化する。このステップでは、必要に応じてドットを体の表面上で移動させることができる。スーツの着用方法にばらつきが生じた場合、生地を局所的にねじったり伸ばしたりすると、体の予期しない場所にドットが表示される可能性があるためである。また、シルエットデータは、この段階でフィッティングプロセスに含まれる。フィッティングプロセスは反復的であり、「粗いものから細かいものへ」の処理戦略に従う。この戦略では、最も重要なモデルパラメーターのサブセットが最初に推定され、アルゴリズムが進むにつれて追加のパラメーターが導入される。フィッティングの最後のステップでは、モデルの「動的」な変化、つまり画像フレーム間の手足の動きが可能になる。

これらのステップの構成方法にはある程度の柔軟性がある。また、用途ごとに異なる構成を使用できる。上記３ステップは、スマートフォンで約３０秒以内にすべての処理を完了させることができる独自の高速数学アルゴリズムを使用して実装されている。

（アプリ）
ユーザＵをスキャンするための「デフォルト」モードでは、スマートフォンである端末装置１０を段ボール製のスタンドに乗せ、スタンドを平面の机の上に置いた状態で背面カメラをユーザＵに向ける。上記のスタンドは、スーツの付属品としてユーザＵに提供されてもよい。次に、ユーザＵは端末装置１０の前に立ち、写真を撮っている間、様々な角度で体を回転するように案内される。ユーザＵはスキャン全体を通して一貫した体のポーズを維持し、各写真が撮影されている間は静止する必要がある。デフォルトのスキャンポーズでは、直立の状態で、脚を肩幅に広げ、腕をまっすぐにして下向きに保持し、腰から少し離す。デフォルトポーズの他、腕を上げてスキャンするポーズなども対応している。

アプリは、スキャンを開始する前に、ユーザＵが正しくスーツを着用していることを確認し、最適な立位に誘導するためのチュートリアル、デザイン図、インタラクティブなチェック、音声案内を提供している。その他、以下のような代替スキャンモードも実装されている。

（１）他者撮影
ユーザＵが静止している際に、２人目の人物に様々な角度から写真を撮ってもらう。いわゆる「バディモード」で、スキャン手順を理解していない子供をスキャンする場合に便利である。

（２）連続回転
ユーザＵが写真を撮る際に停止する必要をなくすために、静止画のセットの代わりにビデオキャプチャを使用する。

（３）柔軟な動作対応
例えば、画像のフレーム間の大幅な手足の動きを認識する。

端末装置１０は、スキャンが完了すると、３Ｄボディモデルが作成され、画面上でユーザＵに表示する。あるいは、問題が検出されるとユーザＵにエラーを提示し、再試行できるようにする。ユーザＵの身体の測定値（ヒップ、ウエスト、脚の長さ等）も３Ｄモデルから計算され、計測結果としてユーザＵに表示される。

（サーバ送信）
端末装置１０は、スキャンが成功すると、３Ｄボディモデルをメインサーバである情報提供装置１００にアップロードする。これにより、情報提供装置１００は、アップロードされた３Ｄボディモデルを、衣服のフィッティングや時間の経過に伴う体の形状の追跡など、様々な場面で使用できるようになる。

アルゴリズムの高速な処理時間は、当該情報処理システム１の優れた機能の一つでもあり、集中処理のためにサーバに画像をアップロードする必要がなく、端末上ローカル（端末装置１０）ですべての処理を完了することができる。例えば、端末装置１０によっては約３０秒で処理が完結する。この機能のおかげで画像のアップロードが完了するのを待つ必要がなく、個人の画像をインターネット経由で保存する必要もないので、ユーザにとっても有利である。

ただし、場合によっては、サーバ上（情報提供装置１００）で処理を行うことが望ましいケースもある。例えば、非常に遅いＯＳの端末装置１０をサポートする場合や、当該情報処理システムを専用アプリではなくＷｅｂブラウザで実行する場合などである。本実施形態に係るアルゴリズムとＵＸ機能は、サーバ上（情報提供装置１００）での処理にも対応している。すなわち、上記の身体サイズ測定及び３Ｄモデルの生成に関する処理は、端末上（端末装置１０）に限らず、サーバ上（情報提供装置１００）で実行してもよい。この場合、上記のアプリは、サーバソフトウェアと読み替えてもよい

〔１－１．新旧比較〕
次に、図３を参照し、旧型ボディスーツＦＳと新型ボディスーツＺＳとの具体的な違いについて説明する。図３は、旧型ボディスーツＦＳと新型ボディスーツＺＳとの比較表を示す図である。

（マーカー）
旧型ボディスーツＦＳには、４００個から５００個の固定サイズのマーカーがスーツ全体にまばらに分布されている。一方、新型ボディスーツＺＳでは、２０，０００個から４０，０００個の伸縮性のある円形ドットがスーツの表面を密に覆っている。そのため、特に曲率の高い部位では体形をより明確に表現することが可能である。

（エンコーディング）
旧型ボディスーツＦＳの各マーカー（旧型マーカーＦＭ）には、１～５１２の識別子をエンコードする一連の小さな円形のドットＤＴが含まれている。一方、新型ボディスーツＺＳの各ドット（新型マーカーＭ１、Ｍ２）は、中実または中空の円形になっている。ドットの局所的な位置を分析し、より大きな疑似ランダムパターンで一致を見つけることによって一意に識別される。

（スケール参考基準）
旧型ボディスーツＦＳでは、すべてのマーカー（旧型マーカーＦＭ）は既知サイズの直径２０ｍｍ（±０．５ｍｍ）の固定マーカーＦＭである。一方、新型ボディスーツＺＳでは、伸縮性がある新型マーカーＭ１、Ｍ２とは別に、いくつかの既知サイズのロゴ付きの固定マーカー（基準マーカーＲＭ）が衣服の重要な位置（胸、背中、脚）につけられている。

（製造）
旧型ボディスーツＦＳでは、特殊な低伸縮性インクを使用し、カスタマイズされた高価なスクリーン印刷方法で製造している。一方、新型ボディスーツＺＳでは、標準の低コストで高速かつクリーンな製造方法（標準のスクリーン印刷やデジタル印刷など）を使用している。熱伝達を使用して手動で取り付けられるスケールマーカーも用いている。

（画像処理）
旧型ボディスーツＦＳでは、画像内の基準マーカーとなる旧型マーカーＦＭのいずれかを検出及び識別するためのアルゴリズムを用いている。一方、新型ボディスーツＺＳでは、画像内のドット（新型マーカーＭ１、Ｍ２）のクラスターを検出、分類、および識別するためのアルゴリズムを用いている。

（ボディモデル）
旧型ボディスーツＦＳでは、独自のＰＣＡボディモデル（手足の動きの基本的なサポートのみ）を使用し、体の形状を推定する。一方、新型ボディスーツＺＳでは、関節式の商用ボディモデル（ＳＭＰＬ）により、ボディ形状の推定とモデルの動的な再配置が可能である。

（計測精度）
旧型ボディスーツＦＳでは、平均表面計測誤差は７ｍｍ以下である。一方、新型ボディスーツＺＳでは、平均表面計測誤差は４ｍｍ以下である。

〔１－２．他の特徴点〕
ここで、新型ボディスーツＺＳの他の特徴点について以下に説明する。

（１）固定マーカーの設置
スーツが伸縮するため、伸縮性がある計測マーカーである新型マーカーＭ１、Ｍ２も伸縮することにより、計測時の基準スケールが取得できなくなるという課題があった。そこで、スケールサイズを特定するために伸縮しない固定マーカーである基準マーカーＲＭを所定の数だけ所定の位置に、定点設置することで解決した。

所定の位置と数は、計測精度を落とさず、全身を撮影する時の各視野角での撮影時に、必ず固定マーカーが含まれる位置（胸、背中、足）と数（４点以上）である。すなわち、所定の位置と数は、スーツの全体をどの角度から撮影しても、必ず固定マーカーが含まれる位置と数である。

固定マーカーである基準マーカーＲＭの周辺に伸縮素材エリアを設けることにより、新型ボディスーツＺＳに適した固定マーカーを実現した。

（２）ドット検知方法
端末装置１０は、ドットの相対的な位置分析をして、ハニカムパターンに適合するように、ドットのクラスターを形成する。例えば、端末装置１０は、ドットパターンから六角形のクラスターを作り、六角形のクラスターを増やしていき一意のハニカム構造を作る。そのハニカム構造から、クラスターとドットに番号を振り分ける。このとき、端末装置１０は、各クラスターのドッドのランダムパターンが、既知のランダムパターンと一致しているか確認する（パターンマッチング）。端末装置１０は、ランダムパターンを確認する際、各ドットを所定のドットに分類する。例えば、各ドットを、中実、中空、不明（特定不能）のいずれかに分類する。

端末装置１０は、割り当てられた番号を取得して、所定の座標位置に設定し、シルエット（輪郭）を特定する。そして、端末装置１０は、特定したシルエットに対し、予め設定した所定のボディパラメーター＋カメラポーズセットデータに基づき、体の３Ｄモデル形状データを生成し、生成した形状データから身体サイズの計測を可能とする。

（３）スーツサイズパターン判定
スーツは、予め複数のサイズパターン（所定のパターン数）を用意し、ユーザ側の身体に応じて、任意のサイズパターンを選択する。例えば、サイズパターンとして、Ｓサイズ（小）、Ｍサイズ（中）、Ｌサイズ（大）等のスーツを用意してもよい。計測にあたっては、サイズパターンごとの計測アルゴリズムを設け、スーツ撮影時に、上記ハニカム構造の分析に基づき、サイズパターンを判定し、サイズパターンに応じた計測アルゴズムを適用する。

〔１－３．基本動作〕
以上を踏まえて、実施形態に係る情報処理装置が行う身体サイズ測定方法の基本動作について説明する。

図１に示すように、端末装置１０は、アプリを起動し、カメラ機能により、様々な視野角（画角も含む）から、新型ボディスーツＺＳを着用したユーザＵの全身（スーツ全体）を撮影する（ステップＳ１）。本実施形態では、予め複数のサイズパターン（所定のパターン数）のスーツが用意されており、ユーザＵの身体に応じて、任意のサイズパターンが選択される。端末装置１０は、様々な視野角から１２枚の写真を撮影する。また、全身を撮影する時の各視野角での撮影時に、必ず固定マーカー（基準マーカーＲＭ）が含まれる。

続いて、端末装置１０は、撮影された画像から、スーツのドット（新型ボディスーツＺＳの新型マーカーＭ１、Ｍ２）である可能性のある小さな円形／楕円型の「丸」（blob）を検出する（ステップＳ２）。

続いて、端末装置１０は、それぞれ検出されたドットを、「中実」、「中空」 、「不明」のいずれかに分類する（ステップＳ３）。

続いて、端末装置１０は、検出されたドットの相対的な位置を分析して、予想されるハニカム（正六角形）パターンに適合するようなドットの「クラスター」（Cluster）を形成する（ステップＳ４）。例えば、端末装置１０は、ドットパターンから六角形のクラスターを作り、六角形のクラスターを増やしていき一意のハニカム構造を作る。

続いて、端末装置１０は、形成されたクラスターについて、スーツのドットの印刷に使用された既知の疑似ランダムパターンに対して一致しているか、回転対称性を考慮した上で確認する（ステップＳ５）。一部のクラスターは、小さすぎて一致を取得できないため、または無効なドットが含まれていて認識できないため、この段階で拒否される。

続いて、端末装置１０は、形成されたクラスターについて、各ドットにスーツ上で識別するための一意の番号を割り当てる（ステップＳ６）。すなわち、番号は数値識別子である。

続いて、端末装置１０は、上記ハニカム構造の分析に基づき、サイズパターンを判定し、サイズパターンごとの計測アルゴリズムの中から、判定されたサイズパターンに応じた計測アルゴズムを適用する（ステップＳ７）。

続いて、端末装置１０は、適用された計測アルゴズムに基づいて、新型ボディスーツＺＳを着用したユーザＵの体の形状のシルエットを特定する（ステップＳ８）。本実施形態では、端末装置１０は、検出された各ドットのピクセル座標のセットおよび対応する数値識別子を取得する。そして、取得データを、３Ｄボディモデルをフィッティングするために必要な基本入力データとして３Ｄフィッティングアルゴリズムに入力する。端末装置１０は、ドットの位置に加えて、使用しているアルゴリズムに基づいて、各写真を処理して画像内の人物のシルエットを特定する。

続いて、端末装置１０は、特定されたシルエットに基づいて、３Ｄモデルを生成する（ステップＳ９）。端末装置１０は、生成された３Ｄモデルを、画面上でユーザＵに表示する。また、端末装置１０は、生成された３ＤモデルからユーザＵの身体の測定値（ヒップ、ウエスト、脚の長さ等）も計算し、計測結果としてユーザＵに表示する。

なお、端末装置１０は、生成された３Ｄモデルを情報提供装置１００にアップロードしてもよい。また、上記のステップＳ２～Ｓ９の処理は、任意の段階で、情報提供装置１００が行うようにしてもよい。すなわち、上記のステップＳ２～Ｓ９の説明において、端末装置１０は情報提供装置１００と読み替えてもよい。

〔２．端末装置の構成例〕
次に、図４を用いて、端末装置１０の構成について説明する。図４は、端末装置１０の構成例を示す図である。図４に示すように、端末装置１０は、通信部１１と、表示部１２と、入力部１３と、測位部１４と、撮像部１５と、センサ部２０と、制御部３０（コントローラ）と、記憶部４０とを備える。

（通信部１１）
通信部１１は、ネットワークＮ（図３参照）と有線又は無線で接続され、ネットワークＮを介して、情報提供装置１００との間で情報の送受信を行う。例えば、通信部１１は、ＮＩＣ（Network Interface Card）やアンテナ等によって実現される。

（表示部１２）
表示部１２は、位置情報等の各種情報を表示する表示デバイスである。例えば、表示部１２は、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）や有機ＥＬディスプレイ（Organic Electro-Luminescent Display）である。また、表示部１２は、タッチパネル式のディスプレイであるが、これに限定されるものではない。

（入力部１３）
入力部１３は、ユーザＵから各種操作を受け付ける入力デバイスである。また、入力部１３は、例えば、文字や数字等を入力するためのボタン等を有する。また、表示部１２がタッチパネル式のディスプレイである場合、表示部１２の一部が入力部１３として機能する。なお、入力部１３は、ユーザＵから音声入力を受け付けるマイク等であってもよい。マイクはワイヤレスであってもよい。

（測位部１４）
測位部１４は、ＧＰＳ（Global Positioning System）の衛星から送出される信号（電波）を受信し、受信した信号に基づいて、自装置である端末装置１０の現在位置を示す位置情報（例えば、緯度及び経度）を取得する。すなわち、測位部１４は、端末装置１０の位置を測位する。なお、ＧＰＳは、ＧＮＳＳ（Global Navigation Satellite System）の一例に過ぎない。

また、測位部１４は、ＧＰＳ以外にも、種々の手法により位置を測位することができる。例えば、測位部１４は、位置補正等のための補助的な測位手段として、端末装置１０の様々な通信機能を利用して位置を測位してもよい。

（撮像部１５）
撮像部１５は、新型ボディスーツＺＳを着用したユーザＵを撮影する画像センサ（カメラ）である。例えば、撮像部１５は、ＣＭＯＳイメージセンサやＣＣＤイメージセンサ等である。なお、撮像部１５は、内蔵カメラに限らず、端末装置１０と通信可能なワイヤレスカメラや、Ｗｅｂカメラ等の外付けカメラであってもよい。

（センサ部２０）
センサ部２０は、端末装置１０に搭載又は接続される各種のセンサを含む。なお、接続は、有線接続、無線接続を問わない。例えば、センサ類は、ウェアラブルデバイスやワイヤレスデバイス等、端末装置１０以外の検知装置であってもよい。図４に示す例では、センサ部２０は、加速度センサ２１と、ジャイロセンサ２２と、気圧センサ２３と、気温センサ２４と、音センサ２５と、光センサ２６と、磁気センサ２７とを備える。

なお、上記した各センサ２１～２７は、あくまでも例示であって限定されるものではない。すなわち、センサ部２０は、各センサ２１～２７のうちの一部を備える構成であってもよいし、各センサ２１～２７に加えてあるいは代えて、湿度センサ等その他のセンサを備えてもよい。

加速度センサ２１は、例えば、３軸加速度センサであり、端末装置１０の移動方向、速度、及び、加速度等の端末装置１０の物理的な動きを検知する。ジャイロセンサ２２は、端末装置１０の角速度等に基づいて３軸方向の傾き等の端末装置１０の物理的な動きを検知する。気圧センサ２３は、例えば端末装置１０の周囲の気圧を検知する。

端末装置１０は、上記した加速度センサ２１やジャイロセンサ２２、気圧センサ２３等を備えることから、これらの各センサ２１～２３等を利用した歩行者自律航法（ＰＤＲ：Pedestrian Dead-Reckoning）等の技術を用いて端末装置１０の位置を測位することが可能になる。これにより、ＧＰＳ等の測位システムでは取得することが困難な屋内での位置情報を取得することが可能になる。

例えば、加速度センサ２１を利用した歩数計により、歩数や歩くスピード、歩いた距離を算出することができる。また、ジャイロセンサ２２を利用して、ユーザＵの進行方向や視線の方向、体の傾きを知ることができる。また、気圧センサ２３で検知した気圧から、ユーザＵの端末装置１０が存在する高度やフロアの階数を知ることもできる。

気温センサ２４は、例えば端末装置１０の周囲の気温を検知する。音センサ２５は、例えば端末装置１０の周囲の音を検知する。光センサ２６は、端末装置１０の周囲の照度を検知する。磁気センサ２７は、例えば端末装置１０の周囲の地磁気を検知する。

上記した気圧センサ２３、気温センサ２４、音センサ２５、光センサ２６及び撮像部１５は、それぞれ気圧、気温、音、照度を検知したり、周囲の画像を撮像したりすることで、端末装置１０の周囲の環境や状況等を検知することができる。また、端末装置１０の周囲の環境や状況等から、端末装置１０の位置情報の精度を向上させることが可能になる。

（制御部３０）
制御部３０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ、入出力ポート等を有するマイクロコンピュータや各種の回路を含む。また、制御部３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路等のハードウェアで構成されてもよい。

制御部３０は、表示部１２等を含め、端末装置１０全体を制御する。例えば、制御部３０は、通信部１１を介して記憶部４０に記憶された各種情報を送信することや、受信された各種情報を表示部１２へ出力して表示させることができる。また、制御部３０は、アプリを起動して、各種の機能を実現する。例えば、制御部３０は、アプリを起動して、後述する検出部３１、分類部３２、形成部３３、確認部３４、割当部３５、適用部３６、特定部３７、及び生成部３８の機能を実現する。

制御部３０は、検出部３１と、分類部３２と、形成部３３と、確認部３４と、割当部３５と、適用部３６と、特定部３７と、生成部３８とを備える。

検出部３１は、撮像部１５により新型ボディスーツＺＳを着用したユーザＵの全身が撮影された際に、撮影された画像から、新型ボディスーツＺＳとともに伸縮する計測マーカーであるドット（新型ボディスーツＺＳの新型マーカーＭ１、Ｍ２）を検出する。

なお、新型ボディスーツＺＳの全体に、ドットとして、中実のドットと中空のドットとがプリントされている。また、新型ボディスーツＺＳには、スケールサイズを特定するために、ドットとは別に、伸縮しない固定マーカー（基準マーカーＲＭ）が所定の数、所定の位置に、定点設置されている。なお、所定の位置と数は、新型ボディスーツＺＳの全体を撮影する時の各視野角での撮影時に、必ず固定マーカーが含まれる位置と数である。例えば、また、所定の位置は、新型ボディスーツＺＳの胸、背中、足に相当する位置である。そして、所定の数は、４点以上である。また、ドットとは別に、固定マーカーの周辺には伸縮素材エリアが設けられている。

分類部３２は、新型ボディスーツＺＳの各ドットを中実、中空、不明のいずれかに分類する。すなわち、分類部３２は、撮影された画像に含まれる新型ボディ新型ボディスーツＺＳＺＳの新型マーカーＭ１、Ｍ２を、中実、中空、不明のいずれかに分類する。

形成部３３は、新型ボディスーツＺＳとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、ドットのクラスターを形成する。例えば、形成部３３は、新型ボディスーツＺＳのドットパターンから六角形のクラスターを形成し、六角形のクラスターを増やしていき一意のハニカム構造を形成する。

確認部３４は、形成されたクラスターのドッドのランダムパターンが既知のランダムパターンと一致しているか確認する。

割当部３５は、ハニカム構造から、クラスターとドットとに番号を割り当てる。例えば、割当部３５は、形成されたクラスターについて、各ドットにスーツ上で識別するための一意の番号を割り当てる。

適用部３６は、形成されたクラスターに基づいて、複数のサイズパターンが用意されている新型ボディスーツＺＳのサイズパターンを判定し、サイズパターンごとに設けられた計測アルゴリズムのうち、判定されたサイズパターンに応じた計測アルゴズムを適用する。

特定部３７は、割り当てられた番号を取得して、所定の座標位置に設定し、シルエットを特定する。

生成部３８は、クラスターに基づいて、３Ｄモデルを生成する。具体的には、生成部３８は、特定されたシルエットに基づいて、３Ｄモデルを生成する。

（記憶部４０）
記憶部４０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、光ディスク等の記憶装置によって実現される。かかる記憶部４０には、各種プログラムや各種データ等が記憶される。

本実施形態では、記憶部４０は、身体サイズ測定用のアプリを記憶する。また、記憶部４０は、各ドットに割り当てられた番号を記憶する。また、記憶部４０は、ランダムパターンの確認用の既知の疑似ランダムパターンを記憶する。また、記憶部４０は、サイズパターンごとの計測アルゴリズムを記憶する。また、記憶部４０は、新型ボディスーツＺＳを着用したユーザＵの体の測定値（ウエストやヒップの周囲など）や、生成された３Ｄボディモデルを記憶する。さらに、記憶部４０は、前述のデータ以外にも、実施形態に係る処理に用いられるデータや、処理の結果として得られるデータ等を記憶する。

〔３．処理手順〕
次に、図５を用いて実施形態に係る端末装置１０による処理手順について説明する。図５は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、端末装置１０の制御部３０によって繰り返し実行される。

図５に示すように、端末装置１０の制御部３０は、撮像部１５を用いて、新型ボディスーツＺＳを着用したユーザＵの全身をスキャンする（ステップＳ１０１）。新型ボディスーツＺＳ（スーツ）は標準的な低コストの衣服印刷技術（デジタル昇華印刷）を使用して製造された伸縮性のあるぴったりとしたボディスーツである。スーツは全身（顔・頭を除く）をカバーし、レギンスとトップスの二つの部分で構成されている。本実施形態では、制御部３０は、スキャンを開始する前に、ユーザＵが正しくスーツを着用していることを確認し、最適な立位に誘導するためのチュートリアル、デザイン図、インタラクティブなチェック、音声案内を提供する。そして、制御部３０は、ユーザＵをスキャンするための「デフォルト」モードにおいて、平面の机上に置かれた段ボール製のスタンドに乗せられた端末装置１０の背面カメラの前に立ったユーザＵに対して、様々な角度で体を回転するように案内する。案内は、音声出力による音声案内である。なお、端末の画面表示や光デバイスを用いた案内であってもよい。ユーザＵはスキャン全体を通して一貫した体のポーズを維持し、各写真が撮影されている間は静止する。そして、制御部３０は、撮像部１５を用いて、様々な角度から、１２枚の写真を撮影する。

続いて、端末装置１０の制御部３０は、スキャンにより撮影されたユーザＵの全身の写真に対して、画像処理を行う（ステップＳ１０２）。本実施形態では、制御部３０は、様々な角度から撮影された、スーツを着用したユーザＵの写真（画像）を基本的な入力データとし、スーツを覆うドットパターンを検知して認識することにより画像内の人物を検出する。また、制御部３０は、撮影された画像内の顔や目を検出してもよい。スーツには、表面のほとんどの部分を覆うドット柄のパターンがあり、密集された正六角形（ハニカム状）に配置されている。すなわち、制御部３０は、スーツのドット（新型ボディスーツＺＳの新型マーカーＭ１、Ｍ２）である可能性のある小さな円形／楕円型の「丸」（blob）を認識するために画像処理を行う。各ドットは「中実」（solid）または「中空」（hollow）のいずれかであり、疑似ランダムアルゴリズムを使用して選択され、スーツ全体にほぼ同じ数の中実と中空のドットがプリントされている。そして、制御部３０は、スーツの任意部位のドットのパターンを分析することにより、スーツのどの部分を見ているかを推測する。また、制御部３０は、ドットの位置に加えて、各写真を処理して画像内の人物のシルエット（輪郭）を特定する。

続いて、端末装置１０の制御部３０は、各画像フレームで検出されたドット及びシルエットの位置に基づいて、３Ｄフィッティングを行う（ステップＳ１０３）。本実施形態では、制御部３０は、３Ｄフィッティングアルゴリズムにより、各画像フレームで検出されたドット及びシルエットの位置に正確にフィットするボディモデルパラメーター、および相対的なカメラポーズのセットを計算する。具体的には、制御部３０は、ユーザＵの体の形状の３Ｄモデル、ユーザＵの体の各ドットの位置、ユーザＵの体に対するカメラの位置と向き、そして、各画像に写っている体のポーズを同時に推定する。このとき、制御部３０は、反復手順を使用し、すべてのパラメーターを調整しながら（最初の推測から開始）、各画像の各ドットの予測位置と観測位置の間のピクセル距離を最小化する。なお、一つまたは複数の画像フレームでシルエットが検出された場合、それらも最小化する。

〔３－１．画像処理手順〕
ここで、図６を用いて実施形態に係る画像処理手順について説明する。図６は、実施形態に係る画像処理手順を示すフローチャートである。なお、以下に示す処理手順は、端末装置１０の制御部３０によって繰り返し実行される。

図６に示すように、端末装置１０の検出部３１は、撮像部１５により新型ボディスーツＺＳを着用したユーザＵの全身が撮影された際に、撮影された画像から、新型ボディスーツＺＳとともに伸縮する計測マーカーであるドット（新型ボディスーツＺＳの新型マーカーＭ１、Ｍ２）を検出する（ステップＳ２０１）。

続いて、端末装置１０の分類部３２は、新型ボディスーツＺＳの各ドットを中実、中空、不明のいずれかに分類する（ステップＳ２０２）。例えば、分類部３２は、撮影された画像に含まれる新型ボディ新型ボディスーツＺＳＺＳの新型マーカーＭ１、Ｍ２を、中実、中空、不明のいずれかに分類する。

続いて、端末装置１０の形成部３３は、新型ボディスーツＺＳとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、ドットのクラスターを形成する（ステップＳ２０３）。例えば、形成部３３は、各ローカル画像近傍で検出されたドットの相対的な位置を分析して、予想されるハニカム（正六角形）パターンに適合するようなドットのクラスターを形成する。

続いて、端末装置１０の確認部３４は、形成されたクラスターのドッドのランダムパターンが既知のランダムパターンと一致しているか確認する（ステップＳ２０４）。例えば、確認部３４は、形成された各クラスターが、スーツの印刷に使用された既知の疑似ランダムパターンに対して一致しているか、回転対称性を考慮した上で確認する。一部のクラスターは小さすぎて一致を取得できないため、または無効なドットが含まれていて認識できないため、この段階で拒否される。

続いて、端末装置１０の割当部３５は、形成されたクラスターについて、各ドットにスーツ上で識別するための一意の番号を割り当てる（ステップＳ２０５）。例えば、割当部３５は、確認部３４により拒否されなかった残りのクラスターについて、各ドットにスーツ上で識別するための一意の番号を割り当てる。

続いて、端末装置１０の適用部３６は、形成されたクラスターに基づいて、複数のサイズパターンが用意されている新型ボディスーツＺＳのサイズパターンを判定し、サイズパターンごとに設けられた計測アルゴリズムのうち、判定されたサイズパターンに応じた計測アルゴズムを適用する（ステップＳ２０６）。

続いて、端末装置１０の特定部３７は、割り当てられた番号を取得して、所定の座標位置に設定し、シルエットを特定する（ステップＳ２０７）。例えば、特定部３７は、検出された各ドットのピクセル座標のセットおよび対応する数値識別子を取得し、各ドットのピクセル座標のセットおよび対応する数値識別子に基づいてシルエットを特定する。

〔３－２．３Ｄフィッティング処理手順〕
ここで、図７を用いて実施形態に係る３Ｄフィッティング処理手順について説明する。図７は、実施形態に係る３Ｄフィッティング処理手順を示すフローチャートである。なお、以下に示す処理手順は、端末装置１０の制御部３０によって繰り返し実行される。

図７に示すように、端末装置１０の生成部３８は、３Ｄフィッティングアルゴリズムにおける第１のフィッティングプロセスとして、最初の推測を行う（ステップＳ３０１）。例えば、生成部３８は、平均的な体の形から始めて、体の各ドットの「デフォルト」の位置を想定し、フィッティングアルゴリズムが検出された画像データと一致する相対的なカメラポーズのセットを検出する。これを繰り返して収束させる。このとき、生成部３８は、収束を高速化させるために、アルゴリズムにユーザＵの性別、身長、体重、ユーザＵのポーズ（対応しているポーズから選択）などの追加情報（利用可能な場合）を入力する。

続いて、端末装置１０の生成部３８は、３Ｄフィッティングアルゴリズムにおける第２のフィッティングプロセスとして、ポイントクラウドフィットを行う（ステップＳ３０２）。例えば、生成部３８は、上記の最初の推測から始めて、各ドットの３Ｄ位置とカメラのポーズの推定値を繰り返し調整し、各画像フレームで検出されたドットの位置との一致を向上させる（バンドル調整）。次に、生成部３８は、パラメトリックボディモデル（ＳＭＰＬ）のパラメーターを最適化し、各３Ｄドット位置からメッシュの表面までの距離を最小化することにより、３Ｄボディモデルの初期フィットを実行する。

続いて、端末装置１０の生成部３８は、３Ｄフィッティングアルゴリズムにおける第３のフィッティングプロセスとして、ボディフィッティングを行う（ステップＳ３０３）。例えば、生成部３８は、パラメトリックボディモデル（ＳＭＰＬ）のパラメーターをさらに調整して、各画像の予測ドット位置と観測ドット位置の間の距離を最小化する。また、スーツの着用方法にばらつきが生じた場合、生地を局所的にねじったり伸ばしたりすると、体の予期しない場所にドットが表示される可能性があるため、必要に応じてドットを体の表面上で移動させる。また、シルエットデータは、この段階でフィッティングプロセスに含まれる。フィッティングプロセスは反復的であり、「粗いものから細かいものへ」の処理戦略に従う。この戦略では、最も重要なモデルパラメーターのサブセットが最初に推定され、アルゴリズムが進むにつれて追加のパラメーターが導入される。フィッティングの最後のステップでは、モデルの「動的」な変化、つまり画像フレーム間の手足の動きが可能になる。

〔４．変形例〕
上述した端末装置１０及び情報提供装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。

上記の実施形態において、ドット（新型ボディスーツＺＳの新型マーカーＭ１、Ｍ２）の色と背景色の選定に関しては柔軟性が許容される。例えば、円形のドットの代わりに正方形や六角形を使用したり、複数の種類のドットや他の幾何学模様を区別するために色を使用したりするなど、様々なデザインのバリエーションが許容される。ドット本体に限らず、中空の形状や色についても同様である。また、固定マーカー（基準マーカーＲＭ）の色と背景色の選定に関しても同様である。また、上記の実施形態において、１個当たり６ｍｍの新型マーカーＭ１、Ｍ２を例示しているが、実際には、ドットや中空、固定マーカーは、任意のサイズであってもよい。

また、上記の実施形態において、端末装置１０が実行している処理の一部又は全部は、実際には、情報提供装置１００が実行してもよい。例えば、サーバ上（情報提供装置１００側）で処理が完結してもよい。この場合、情報提供装置１００に、上記の実施形態における端末装置１０の機能が備わっているものとする。

〔５．効果〕
上述してきたように、本願に係る端末装置１０は、スーツ（新型ボディスーツＺＳ）とともに伸縮する計測マーカーであるドット（新型マーカーＭ１、Ｍ２）の相対的な位置分析をして、ドットのクラスターを形成する形成部３３と、クラスターに基づいて、３Ｄモデルを生成する生成部３８と、を備える。

また、本願に係る端末装置１０は、クラスターとドットとに番号を割り当てる割当部３５と、割り当てられた番号を取得して、所定の座標位置に設定し、シルエットを特定する特定部３７と、をさらに備える。そして、生成部３８は、特定されたシルエットに基づいて、３Ｄモデルを生成する。

また、形成部３３は、スーツのドットパターンから六角形のクラスターを形成し、六角形のクラスターを増やしていき一意のハニカム構造を形成する。そして、割当部３５は、ハニカム構造から、クラスターとドットとに番号を割り当てる。

また、スーツの全体に、ドットとして、中実のドットと中空のドットとがプリントされている。

また、本願に係る端末装置１０は、スーツの各ドットを中実、中空、不明のいずれかに分類する分類部３２と、形成されたクラスターのドッドのランダムパターンが既知のランダムパターンと一致しているか確認する確認部３４と、をさらに備える。

また、スーツには、スケールサイズを特定するために、ドットとは別に、伸縮しない固定マーカー（基準マーカーＲＭ）が所定の数、所定の位置に、定点設置されている。

また、所定の位置と数は、スーツの全体を撮影する時の各視野角での撮影時に、必ず固定マーカーが含まれる位置と数である。

また、所定の位置は、スーツの胸、背中、足に相当する位置である。そして、所定の数は、４点以上である。

また、ドットとは別に、固定マーカーの周辺には伸縮素材エリアが設けられている。

また、本願に係る端末装置１０は、スーツの撮影時に、クラスターに基づいて、複数のサイズパターンが用意されているスーツのサイズパターンを判定し、サイズパターンごとに設けられた計測アルゴリズムのうち、判定されたサイズパターンに応じた計測アルゴズムを適用する適用部３６と、をさらに備える。

上述した各処理のいずれかもしくは組合せにより、身体サイズ測定用衣服を用いて、より高精度にユーザの体の形状の３Ｄモデルを作成することが可能になる。

〔６．ハードウェア構成〕
また、上述した実施形態に係る端末装置１０や情報提供装置１００は、例えば図８に示すような構成のコンピュータ１０００によって実現される。以下、端末装置１０を例に挙げて説明する。図８は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力Ｉ／Ｆ（Interface）１０６０、入力Ｉ／Ｆ１０７０、ネットワークＩ／Ｆ１０８０がバス１０９０により接続された形態を有する。

演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。演算装置１０３０は、例えばＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等により実現される。

一次記憶装置１０４０は、ＲＡＭ（Random Access Memory）等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等により実現される。二次記憶装置１０５０は、内蔵ストレージであってもよいし、外付けストレージであってもよい。また、二次記憶装置１０５０は、ＵＳＢメモリやＳＤ（Secure Digital）メモリカード等の取り外し可能な記憶媒体であってもよい。また、二次記憶装置１０５０は、クラウドストレージ（オンラインストレージ）やＮＡＳ（Network Attached Storage）、ファイルサーバ等であってもよい。

出力Ｉ／Ｆ１０６０は、ディスプレイ、プロジェクタ、及びプリンタ等といった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインターフェイスであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現される。また、入力Ｉ／Ｆ１０７０は、マウス、キーボード、キーパッド、ボタン、及びスキャナ等といった各種の入力装置１０２０から情報を受信するためのインターフェイスであり、例えば、ＵＳＢ等により実現される。

また、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０はそれぞれ出力装置１０１０及び入力装置１０２０と無線で接続してもよい。すなわち、出力装置１０１０及び入力装置１０２０は、ワイヤレス機器であってもよい。

また、出力装置１０１０及び入力装置１０２０は、タッチパネルのように一体化していてもよい。この場合、出力Ｉ／Ｆ１０６０及び入力Ｉ／Ｆ１０７０も、入出力Ｉ／Ｆとして一体化していてもよい。

なお、入力装置１０２０は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、又は半導体メモリ等から情報を読み出す装置であってもよい。

ネットワークＩ／Ｆ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。

演算装置１０３０は、出力Ｉ／Ｆ１０６０や入力Ｉ／Ｆ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。

例えば、コンピュータ１０００が端末装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、制御部３０の機能を実現する。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器から取得したプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行してもよい。また、コンピュータ１０００の演算装置１０３０は、ネットワークＩ／Ｆ１０８０を介して他の機器と連携し、プログラムの機能やデータ等を他の機器の他のプログラムから呼び出して利用してもよい。

〔７．その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部又は一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部又は一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメーターを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

例えば、上述した情報提供装置１００は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットホーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。

また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 情報処理システム
１０ 端末装置
１１ 通信部
１５ 撮像部
３０ 制御部
３１ 検出部
３２ 分類部
３３ 形成部
３４ 確認部
３５ 割当部
３６ 適用部
３７ 特定部
３８ 生成部
４０ 記憶部
１００ 情報提供装置
ＺＳ 新型ボディスーツ
Ｍ１、Ｍ２ 新型マーカー
ＲＭ 基準マーカー

Claims (16)

1. スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記スーツのドットパターンから所定の多角形からなるクラスターを形成し、前記多角形からなるクラスターを増やしていくことで一意のクラスター構造を形成する形成部と、
   形成された クラスター構造に基づいて、シルエットを特定する特定部と、
   特定されたシルエットに基づいて、 ３Ｄモデルを生成する生成部と、
   を備えることを特徴とする情報処理装置。
2. スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記ドットのクラスターを形成する形成部と、
   前記クラスターに基づいて、３Ｄモデルを生成する生成部と、
   を備え、
   前記スーツには、スケールサイズを特定するために、前記ドットとは別に、伸縮しない固定マーカーが所定の数、所定の位置に、定点設置されている
   ことを特徴とする情報処理装置。
3. 前記所定の位置と数は、前記スーツの全体を撮影する時の各視野角での撮影時に、必ず前記固定マーカーが含まれる位置と数である
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記所定の位置は、前記スーツの胸、背中、足に相当する位置であり、
   前記所定の数は、４点以上である
   ことを特徴とする請求項２又は３に記載の情報処理装置。
5. 前記ドットとは別に、前記固定マーカーの周辺には伸縮素材エリアが設けられている
   ことを特徴とする請求項２～４のうちいずれか１つに記載の情報処理装置。
6. スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記ドットのクラスターを形成する形成部と、
   前記クラスターに基づいて、３Ｄモデルを生成する生成部と、
   前記スーツの撮影時に、前記クラスターの分析に基づいて、複数のサイズパターンが用意されている前記スーツのサイズパターンを判定し、サイズパターンごとに設けられた計測アルゴリズムのうち、判定されたサイズパターンに応じた計測アルゴズムを適用する適用部と、
   を備えることを特徴とする 情報処理装置。
7. 前記クラスターと前記ドットとに番号を割り当てる割当部と、
   割り当てられた番号を取得して、所定の座標位置に設定し、シルエットを特定する特定部と、
   をさらに備え、
   前記生成部は、特定されたシルエットに基づいて、前記３Ｄモデルを生成する
   ことを特徴とする請求項１～６のうちいずれか１つに記載の情報処理装置。
8. 前記形成部は、前記スーツのドットパターンから六角形のクラスターを形成し、前記六角形のクラスターを増やしていき一意のハニカム構造を形成し、
   前記割当部は、前記ハニカム構造から、前記クラスターと前記ドットとに番号を割り当てる
   ことを特徴とする請求項７に記載の情報処理装置。
9. 前記スーツの全体に、前記ドットとして、中実のドットと中空のドットとがプリントされている
   ことを特徴とする請求項１～８のうちいずれか１つに記載の情報処理装置。
10. 前記スーツの各ドットを中実、中空、不明のいずれかに分類する分類部と、
    形成されたクラスターのドッドのランダムパターンが既知のランダムパターンと一致しているか確認する確認部と、
    をさらに備えることを特徴とする請求項９に記載の情報処理装置。
11. 情報処理装置が実行する情報処理方法であって、
    スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記スーツのドットパターンから所定の多角形からなるクラスターを形成し、前記多角形からなるクラスターを増やしていくことで一意のクラスター構造を形成する形成工程と、
    形成された クラスター構造に基づいて、シルエットを特定する特定工程と、
    特定されたシルエットに基づいて、 ３Ｄモデルを生成する生成工程と、
    を含むことを特徴とする情報処理方法。
12. スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記スーツのドットパターンから所定の多角形からなるクラスターを形成し、前記多角形からなるクラスターを増やしていくことで一意のクラスター構造を形成する形成手順と、
    形成された クラスター構造に基づいて、シルエットを特定する特定手順と、
    特定されたシルエットに基づいて、 ３Ｄモデルを生成する生成手順と、
    をコンピュータに実行させるための情報処理プログラム。
13. 情報処理装置が実行する情報処理方法であって、
    スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記ドットのクラスターを形成する形成工程と、
    前記クラスターに基づいて、３Ｄモデルを生成する生成工程と、
    を含み、
    前記スーツには、スケールサイズを特定するために、前記ドットとは別に、伸縮しない固定マーカーが所定の数、所定の位置に、定点設置されている
    ことを特徴とする情報処理方法。
14. スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記ドットのクラスターを形成する形成手順と、
    前記クラスターに基づいて、３Ｄモデルを生成する生成手順と、
    をコンピュータに実行させるための情報処理プログラムであって、
    前記スーツには、スケールサイズを特定するために、前記ドットとは別に、伸縮しない固定マーカーが所定の数、所定の位置に、定点設置されている
    ことを特徴とする情報処理プログラム。
15. 情報処理装置が実行する情報処理方法であって、
    スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記ドットのクラスターを形成する形成工程と、
    前記クラスターに基づいて、３Ｄモデルを生成する生成工程と、
    前記スーツの撮影時に、前記クラスターの分析に基づいて、複数のサイズパターンが用意されている前記スーツのサイズパターンを判定し、サイズパターンごとに設けられた計測アルゴリズムのうち、判定されたサイズパターンに応じた計測アルゴズムを適用する適用工程と、
    を含むことを特徴とする情報処理方法。
16. スーツとともに伸縮する計測マーカーであるドットの相対的な位置分析をして、前記ドットのクラスターを形成する形成手順と、
    前記クラスターに基づいて、３Ｄモデルを生成する生成手順と、
    前記スーツの撮影時に、前記クラスターの分析に基づいて、複数のサイズパターンが用意されている前記スーツのサイズパターンを判定し、サイズパターンごとに設けられた計測アルゴリズムのうち、判定されたサイズパターンに応じた計測アルゴズムを適用する適用手順と、
    をコンピュータに実行させるための情報処理プログラム。

Images