JP7216679B2 - 情報処理装置、および判断結果出力方法 - Google Patents
情報処理装置、および判断結果出力方法 Download PDFInfo
- Publication number
- JP7216679B2 JP7216679B2 JP2020027693A JP2020027693A JP7216679B2 JP 7216679 B2 JP7216679 B2 JP 7216679B2 JP 2020027693 A JP2020027693 A JP 2020027693A JP 2020027693 A JP2020027693 A JP 2020027693A JP 7216679 B2 JP7216679 B2 JP 7216679B2
- Authority
- JP
- Japan
- Prior art keywords
- skeleton
- unit
- user
- result
- imaging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 47
- 230000010365 information processing Effects 0.000 title claims description 22
- 238000003384 imaging method Methods 0.000 claims description 81
- 238000004364 calculation method Methods 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 20
- 230000005021 gait Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 description 56
- 238000004458 analytical method Methods 0.000 description 50
- 238000010586 diagram Methods 0.000 description 17
- 210000003423 ankle Anatomy 0.000 description 13
- 238000005314 correlation function Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 239000000284 extract Substances 0.000 description 10
- 210000000707 wrist Anatomy 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 210000002683 foot Anatomy 0.000 description 8
- 230000003137 locomotive effect Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 208000011580 syndromic disease Diseases 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 238000012951 Remeasurement Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010252 digital analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Description
本発明は、情報処理装置、および判断結果出力方法に関する。
日本人の平均寿命は、延伸を続け男女ともに80歳を超えているが、日常生活に制限のない期間を示す健康寿命は男性で72歳、女性で75歳と平均寿命との乖離がある。
これは高齢者が寝たきりなどの要介護状態になることに起因している。介護が必要となった原因でもっとも多いものは運動器障害である。運動器障害のために移動機能の低下をきたした状態はロコモティブシンドローム(以下、ロコモともいう)と呼ばれ、近年その予防に注目が集まっている。
ロコモの兆候は歩行に現れることが知られており、医師などの専門家が患者の歩行を様々な角度から見て診断している。
一方、加速度センサのウェアラブル化やカメラ画像解析の技術向上が進んできたことで、人間の動作をセンシングしてデジタル解析できるような環境が整ってきている。歩行解析に関しても、手足に加速度センサを取り付けて歩行パターンを定量化したり、カメラ画像認識により手足の挙動を追跡したりすることで、従来専門家が手間をかけて行っていた診断を効率化する試みがなされている。
例えば、特許文献1には、ゴルフスイングなどの運動を「Kinect(登録商標)」などの深度カメラを用いて骨格認識し、骨格特徴点の動きから抽出した指標を基準データと比較することでスイングの適切度を評価する手法が記載されている。
また、あらかじめ三次元の骨格座標をもとに歩行識別モデルを構築しておいて、識別時には任意の角度で撮影した二次元骨格座標を入力できるよう変換を加える手法が記載されている。
また、特許文献2には、骨格関節データといったようなキーポイントデータが二次元データとして与えられている場合であっても三次元空間における所定姿勢に関連した情報を得ることが可能なキーポイントデータに関する装置について記載されている。
ところで、近年センシングデバイスがコモディティ化する中で、コスト削減のために加速度センサやカメラは同等の機能をもつより低コストであるデバイスで柔軟にシステム構築したいというニーズが高まっている。
特許文献2は、デバイスを変えた場合にもとの条件に近くなるよう変換することでそのまま入力として使えるようにしたものであるが、入力の条件が変わった場合には本来はモデルを再構築する必要があり、特許文献2の手法では識別精度に限界がある。
すなわち、十分な精度を確保するためには、新たな入力データを分析しモデルを再構築する手間を要するので、効率的にデータ分析をすることができないという課題がある。
そこで本発明の目的は、効率的にデータ分析をすることを可能とすることにある。
本発明の代表的な実施の形態によるユーザを撮像可能なデバイスから取得した情報を処理する情報処理装置であって、ユーザの運動状態を撮像する第1デバイスにより撮像された結果である第1撮像結果を取得する第1撮像結果取得部と、ユーザの運動状態を撮像する第2デバイスにより撮像された結果である第2撮像結果を取得する第2撮像結果取得部と、第1撮像結果取得部により取得された第1撮像結果を用いてユーザの骨格位置を認識し、第2撮像結果取得部により取得された第2撮像結果を用いてユーザの骨格位置を認識する骨格認識部と、骨格認識部により認識された結果に基づいて、ユーザの所定運動期間を特定する運動期間特定部と、運動期間特定部により特定された運動期間における、骨格認識部により前記第1撮像結果を用いて認識されたユーザの骨格位置の変化と、骨格認識部により前記第2撮像結果を用いて認識されたユーザの骨格位置の変化との類似度を算出する類似度算出部と、類似度算出部により算出された類似度に基づいた判断結果を出力する判断結果出力部と、を備える。
本発明によれば、効率的にデータ分析をすることができる。
以下、本発明の実施例について図面を用いて説明する。
(実施例1)
図1は、本実施例にかかる運動解析装置101を含むシステム構成の概要を示す図である。運動解析装置101は、デバイス(例えば、深度カメラ102)から取得した情報を処理する情報処理装置であり、サーバ装置等である。運動解析装置101は、USBケーブル等により深度カメラ102(第1デバイス)と接続している。これにより、運動解析装置101は、深度カメラ102から情報を取得することができる。
図1は、本実施例にかかる運動解析装置101を含むシステム構成の概要を示す図である。運動解析装置101は、デバイス(例えば、深度カメラ102)から取得した情報を処理する情報処理装置であり、サーバ装置等である。運動解析装置101は、USBケーブル等により深度カメラ102(第1デバイス)と接続している。これにより、運動解析装置101は、深度カメラ102から情報を取得することができる。
なお、運動解析装置101は、無線・有線等のネットワークにより深度カメラ102と情報の送受信をするようにしてもよい。
深度カメラ102は、公知の深度カメラであり、撮像した結果として、撮像対象のX軸方向、Y軸方向、およびZ軸方向の情報(深度情報)を生成し、当該深度情報を記憶する。
深度カメラ102は、被験者103(ユーザ)が歩行している時の状態(例えば、深度カメラ102へ向かって歩行している状態)を撮像することができる。すなわち、深度カメラ102は、ユーザを撮像可能なデバイスであり、ユーザの運動状態を撮像することが可能なデバイスである。
この運動解析装置101は、ユーザを撮像可能なデバイス(深度カメラ102等)から情報を取得して、当該情報を処理する装置である。具体的に、運動解析装置101は、被験者103が歩行している状態を撮像した結果に基づく深度情報を取得する。運動解析装置101は、当該深度情報から被験者103の骨格位置(例えば、左ひじの骨格位置)を特定し、特定した骨格位置の変化を特定し、当該変化に基づいてロコモであるか否かを判断する。このように、運動解析装置101は、被験者103が歩く様子を計測する。
図2は、本実施例にかかる運動解析装置101の構成の一例を示した図である。運動解析装置101は、操作入力部201と、表示部202と、制御部203と、メモリ204と、データ入力部205と、骨格認識部206と、特徴量生成部207と、モデル208と、識別部209とを備え、各部が共通バス(データバス、アドレスバスを含む)により接続されて構成されている。
操作入力部201は、マウス操作やタッチパネル操作などでユーザ(例えば、運動解析装置101の管理者など)からの指示を受け付ける部分である。
表示部202は、ディスプレイなどであり、各種情報を表示出力する部分である。制御部203は、CPU(Central Processing Unit)などであり、各部を動作制御する部分である。
メモリ204は、メモリなど、各種情報を記憶する部分である。メモリ204は、例えば、制御部203での動作制御に関するデータを一時的に保持する。
データ入力部205は、被験者103の運動状態を撮像する深度カメラ102により撮像された結果である深度情報や画像データを深度カメラ102から取得する部分である。
骨格認識部206は、当該深度情報から人体(被験者103)の骨格特徴点位置を認識する部分である。すなわち、骨格認識部206は、データ入力部205により取得された深度情報を用いて被験者103の骨格位置を認識する部分である。
骨格認識部206は、上記深度情報から特定される各骨格位置の位置情報(骨格特徴点位置の情報)を抽出する。
特徴量生成部207は、骨格特徴点位置(骨格特徴点座標)の時間推移からあらかじめ設計した指標(特徴量)を抽出する部分である。すなわち、特徴量生成部207は、骨格認識部206で認識された骨格位置から当該骨格の特徴量(例えば、左歩幅等)を生成する部分である。
モデル208は、特徴量の条件から歩行タイプを識別するためにあらかじめ対応関係を学習したモデルを記憶する部分である。すなわち、モデル208は、骨格部分の動作の特徴量と、当該特徴量に対応する歩行状態とが定められたモデル情報を記憶するデータベースであり、記憶部として機能する。
識別部209は、特徴量生成部207により生成された特徴量と、モデル208で記憶しているモデルとを用いて、被験者103の歩行タイプを識別する部分である。
このように、運動解析装置101は、被験者103が歩くときの骨格の座標変化から歩幅や歩行速度などの特徴量を生成し、複数の特徴量を組み合わせて歩行タイプを識別する。
ここで、歩行タイプは、疼痛回避歩行や鶏歩など臨床的に異常歩行とされる歩行の区分けや、若年者と高齢者など年代ごとの歩行の区分けなどが該当する。
これらの歩行タイプは医師などの専門家によれば歩幅や歩行速度など歩き方の特徴を見て判断されるものである。
運動解析装置101はこれらの特徴を深度カメラ102の計測データから定量化し、機械学習等で歩行タイプとの関係性を学習させたモデルを用いて識別を行うものである。
続いて、図3を用いて、複数のデバイス(骨格計測手段)が、同一のユーザを撮影した結果により得られた深度情報を比較するシステムを説明する。
図3は、複数の骨格計測手段(デバイス)による撮影結果を比較する運動解析装置を含むシステムの概要図である。
図3に示すように、図1で説明した運動解析装置101および深度カメラ102(第1デバイス)以外に、RGBカメラ301およびRGBカメラ302(第2デバイス)をさらに備える構成となる。深度カメラ102が、第1骨格計測手段として機能し、RGBカメラ301およびRGBカメラ302が、第2骨格計測手段として機能する。
なお、運動解析装置101は、USBケーブル等によりRGBカメラ301およびRGBカメラ302と接続している。また、運動解析装置101は、無線・有線等のネットワークによりRGBカメラ301およびRGBカメラ302と情報の送受信をするようにしてもよい。
RGBカメラ301およびRGBカメラ302は、ステレオカメラであり、ユーザの運動状態を撮像することができる。
RGBカメラ301およびRGBカメラ302から構成されるステレオカメラを用いて深度を推定する方法は、異なる2方向から撮影した二次元画像の視差を利用して、対象物の深度を推定する手法であり、公知の手法である。
図3に示したシステム構成で深度カメラ102による骨格座標認識とRGBカメラ301およびRGBカメラ302による骨格座標認識とを同一被験者103の同一歩行に対して行うことで正確に比較することができる。
歩行などの運動は、被験者103によって動きが異なり、さらには同一被験者103であっても歩行のたびに骨格の動き方が、微小に異なるため、同一被験者103の同一歩行を同時計測して比較評価することが望ましい。
運動解析装置101は、深度カメラ102から深度情報を取得して、RGBカメラ301およびRGBカメラ302から画像データを取得する。運動解析装置101は、深度カメラ102から取得した深度情報に基づいて、被験者103の骨格の動作状態を特定する。
また、運動解析装置101は、RGBカメラ301およびRGBカメラ302から取得した画像データに基づいて、被験者103の骨格の動作状態(位置変化)を特定する。そして、運動解析装置101は、それぞれの骨格の動作状態が類似しているか否かを判断する。これにより、運動解析装置101は、二つの骨格座標取得手段(第1骨格計測手段および第2骨格計測手段)により撮像した結果について、同一のモデルを用いて運動状態を判断してもよいか否かを明らかにすることができる。
続いて、図4を用いて、運動解析装置101の機能詳細を説明する。図4は、本実施例にかかる運動解析装置101の構成の一例を示した図である。
図4に示すように、図2に示した運動解析装置101の構成に加えて、類似度算出部401、骨格対応テーブル402および運動期間抽出部403を備えている。
また、データ入力部205は、RGBカメラ301およびRGBカメラ302から画像データを取得する。すなわち、データ入力部205は、第2デバイスにより撮像された結果である第2撮像結果を取得する。
また、骨格認識部206は、データ入力部205により取得された第2撮像結果(RGBカメラ301およびRGBカメラ302から取得した画像データ)を用いて被験者103の骨格位置を認識する。具体的に、骨格認識部206は、上記RGBカメラ301およびRGBカメラ302から取得した画像データから特定される各骨格位置の位置情報(骨格特徴点位置の情報)を抽出する。
類似度算出部401は、深度カメラ102からの入力に対して認識された骨格特徴点と、RGBカメラ301および302からの入力に対して認識された骨格特徴点を比較して、類似度を算出する。
また、類似度算出部401は、自身が算出した類似度に基づいた判断結果を表示部202へ出力する。
ところで、第1計測手段(深度カメラ102)と第2計測手段(RGBカメラ301およびRGBカメラ302)の骨格特徴点を比較するためには、両者が認識する骨格特徴点の対応関係をあらかじめ知っておく必要がある。
この対応関係をユーザに指定させるための入力画面を図5に示す。図5は、骨格特徴点の対応関係を入力するための入力画面の一例を示す図である。画像501には、第1計測手段で取得した被験者画像に、認識された骨格特徴点の位置が黒丸で重畳表示されている。
同様に、画像502には、第2計測手段で取得した被験者画像に認識された骨格特徴点の位置が重畳されている。
なお、データ入力部205が、深度カメラ102、RGBカメラ301およびRGBカメラ302から画像データや深度データを取得して、骨格認識部206が、各骨格位置の位置情報を抽出した後に、表示部202へ図5に示す画面を出力する。
ユーザが画像501と画像502のそれぞれから骨格特徴点を一つずつ選択すると、骨格認識部206は、それぞれの骨格特徴点を対応づけて保存する。このときに「左肘」など骨格特徴点の名称503を付与するとよい。すべての骨格特徴点を対応付けて保存したものが骨格対応テーブル402となる。
このように、骨格認識部206は、データ入力部205により取得された深度カメラ102の画像データや深度情報から認識したユーザの骨格位置と、データ入力部205により取得されたRGBカメラ301およびRGBカメラ302の画像データから認識したユーザの骨格位置との対応関係を特定する。
これにより、運動解析装置101は、双方のデバイスから取得した情報から特定した骨格位置を対応付けることにより、同一または対応する骨格部分を比較することができる。
また、骨格認識部206は、図5に示したような画面に対するユーザ操作に応じて、骨格位置を認識することにより、より正確に骨格位置を認識することができる。
運動期間抽出部403は、骨格認識部206が認識した骨格特徴点を比較するデータの範囲として運動開始から終了までを抽出する。歩行の場合は、例えば右足を着地してから次に再度右足を着地するまでの歩行1周期を比較範囲とする。歩行1周期を抽出するためには、例えば右足首のY軸座標値を観測して、これが最小値をとるタイミングを着地とみなして開始終了を判定すればよい。
具体的に、運動期間抽出部403は、骨格認識部206が認識した深度カメラ102の深度情報に基づく骨格特徴点位置の変化から、右足を着地してから右足を着地するまでの歩行1周期を特定する。また、運動期間抽出部403は、骨格認識部206が認識したRGBカメラ301およびRGBカメラ302の画像データに基づく骨格特徴点位置の変化から、右足を着地してから右足を着地するまでの歩行1周期を特定する。
このように、運動期間抽出部403は、骨格認識部206により認識された結果に基づいて、ユーザの所定運動期間を特定する。また、運動期間抽出部403は、骨格認識部206により認識された結果に基づき、被験者103の歩行の周期を特定する。これにより、運動解析装置101は、同一運動の期間に絞って比較することができる。
なお、類似度算出部401は、運動期間抽出部403により特定された運動期間における、骨格認識部206により第1撮像結果を用いて認識された被験者103の骨格位置の変化と、骨格認識部206により第2撮像結果を用いて認識された被験者103の骨格位置の変化との類似度を算出する。
ここで、類似度算出部401が、骨格特徴点の類似度を算出する処理手順を図6に示すフローチャートを用いて説明する。
図6は、類似度算出部401において骨格特徴点の類似度を算出する処理手順を示すフローチャートである。
ステップS01において、類似度算出部401は、任意の骨格を選択する処理を行う。例えば、類似度算出部401は、左肩や右肩、左足首、右足首などこれから類似度を算出する対象の骨格を一つ選択する。ここでは左足首を選択したとして、以降の処理を説明する。
ステップS02において、類似度算出部401は、第1計測手段と第2計測手段のそれぞれからステップS01で選択した骨格特徴点の座標データを取得する処理である。ここでいう骨格特徴点の座標データ(第1計測手段と第2計測手段のデータ)は、骨格認識部206によって抽出・出力されたデータである。
骨格座標は三次元で認識されており、X軸、Y軸、Z軸それぞれについて特定のサンプリング間隔で取得されたデータがある。ここでは、例えば、X軸を選択したとして、以降の処理を説明する。
ステップS03は、ステップS02で取得した骨格座標データから、特定の一つの座標軸のデータを取得する処理である。具体的に、類似度算出部401は、X軸、Y軸、Z軸の中から一つを選択して、その座標軸の骨格データを第1計測手段および第2計測手段に対応する骨格認識部206によって抽出・出力されたデータから取得する。
ステップS04は、ステップS03で選択した軸について第1計測手段、第2計測手段のデータを用いて相互相関関数を計算する処理である。ここで、相互相関関数は二つの信号の類似性を確認するために用いる計算で、第1の信号に対して第2の信号を時間tだけずらしたものを乗算、積分して得られる。ずらす時間tを横軸にとり、縦軸に積分値をプロットしたものが相互相関関数となる。
ステップS05は、すべての座標軸に対して相互相関関数の算出が終了したか判定する処理である。終了していなければステップS03に戻って、新たな軸を選択する。具体的には、類似度算出部401は、先ほど相互相関関数を算出したX軸を除き、Y軸またはZ軸のいずれかを選択する。すべての軸について算出が終了した場合は、ステップS06に進む。
ステップS06は、左足首の3軸それぞれについて算出した相互相関関数を用いて、左足首の類似度を算出する処理である。類似度は、3つの相互相関関数を同じ時間軸で加算し、その最大値をとることで得られる。被験者103が深度カメラ102に向かって歩く場合、左足首のZ軸座標値は大きな範囲で変化するが、X軸およびY軸の座標値が取りうる値はZ軸に比べると小さい。これをそのまま相互相関関数を算出して加算すると、もとの値の大きさによりZ軸の影響が大きくなる。
これを防ぐため、第1計測手段で得た座標値と第2計測手段で得た座標値とを、それぞれ最小値0、最大値1になるように正規化しておくことが望ましい。
ステップS07は、ステップS06で算出した類似度を特定の閾値で判定する処理である。類似度算出部401は、類似度が特定の閾値より大きい場合は、左足首について第1計測手段と第2計測手段の特性は同じであると判断する。
類似度算出部401は、反対に閾値より小さい場合(または、閾値以下の場合)は、両者の特性は異なると判断する。この閾値は初期設定としてあらかじめ設計者が決定しておいてもよいし、ユーザが任意の値を設定できるようにしてもかまわない。
ステップS08は、すべての骨格特徴点について類似度算出が終了したか判定する処理である。類似度算出部401は、終了していなければステップS01に戻って、新たな骨格特徴点を選択する。具体的には、先ほど類似度を算出した左足首を除き、右足首等の骨格特徴点を選択する。類似度算出部401は、すべての骨格特徴点について算出が終了した場合は、ステップS09に進む。なお、必ずしもすべての骨格について類似度を算出する必要はなく、ユーザの指定により類似度を算出する骨格特徴点を選択できるようにしてもよい。
ステップS09は、各骨格特徴点について判定した類似度の結果を表示部202へ出力することによって、ユーザに当該結果を提示する処理である。
図7は、類似度をユーザに提示する画面構成の一例を示す図である。画面左側には人体の骨格位置を模式的に示した骨格モデル701(人体部分)が表示されている。
当該骨格モデル701では、一つ一つの丸(例えば、骨格部分C1や骨格部分C2)が頭、首、左肩、右肩などの骨格特徴点の位置を示している。骨格特徴点を示すそれぞれの丸は、ステップS06で算出した骨格特徴点ごとの類似度に応じて強調表示がなされる。例えば、類似度算出部401は、類似度が小さく第1計測手段と第2計測手段の特性が異なると判定した左手首(骨格部分C1)を黒丸で表示出力し、ユーザに注意を促す。
また、類似度算出部401は、類似度が大きく第1計測手段と第2計測手段の特性が同様であると判定した左手首(骨格部分C2)を黒色とは異なる表示色(例えば、灰色)で表示出力する。
このように、類似度算出部401は、類似度により、表示色を変えて出力することにより、ユーザに各骨格部分の類似度を容易に理解させることができる。
また、類似度算出部401は、類似度算出部類似度の値の大きさに応じて丸を強調する色や大きさを段階的に変えてもよい。
また、類似度算出部401は、ユーザがポインタ等を操作した結果、特定の骨格特徴点の丸(例えば、骨格部分C2)が選択指示されたことを検出すると、画面右側にその骨格特徴点の計測データを表示する。
第1計測手段の計測データプロット702、第2計測手段の計測データプロット703、および相互相関関数のプロット704において、類似度算出部401は、それぞれX軸、Y軸、Z軸の計測データを表示する。
また、類似度算出部401は、相互相関関数を加算して得られる類似度のプロット705も合わせて表示する。このように、類似度算出部401は、類似度の判断結果として、骨格モデル701と、当該骨格モデル701の骨格部分(例えば、骨格部分C2)の類似度を示す情報とを出力する。
ユーザは、この画面を見ることで、ユーザは第1計測手段と第2計測手段の特性を容易に確認することができ、モデル再構築の作業を効率化することができる。ここでは類似度を時間のずれに対するグラフとして表示したが、最大値を直接数値表示しても良い。
この結果、ユーザがグラフを読み取る必要がなくなり、より簡潔に類似度を把握することができる。
また、類似度算出部401は、図8に示すような骨格特徴点と類似度の対応を一覧にした表801を表示出力してもよい。図8は、骨格特徴点と類似度の対応を一覧にした表を示す画面例の一例を示す図である。
図8に示す表801は、歩行タイプを識別する際に寄与する割合の順位を示す「識別に寄与する順位」と、特徴量の内容を示す「特徴量名」と、当該特徴量を算出するために用いた骨格の名称を示す「骨格特徴点名」と、類似度を示す「類似度」とを含む。なお、上記の識別に寄与する順位は、第1計測手段で構築したモデルによりあらかじめ定まっている。
第1計測手段でモデルを構築した際に識別に寄与する特徴量は明らかになっており、この特徴量が第1計測手段と第2計測手段の間で特性に大きな差があるとモデルの再構築が必要になる。
それをユーザが確認しやすくなるよう、識別に寄与する順位が高いほうから特徴量名を列挙する。また、その特徴量を生成するために使用している元データの骨格特徴点名と、その類似度を表示する。
例えば、識別にもっとも寄与する右歩幅は右足首のデータから生成されており、右足首の類似度は0.9と高い。したがって、右足首のデータは再分析の必要がなく、第1計測手段で構築したモデルをそのまま使っても問題ないと判断できる。
一方、識別に2番目に寄与する左手の振り幅は左手首のデータから生成されており、左手首の類似度は0.3と低い。したがって、左手首のデータは第1計測手段で構築したモデルをそのまま使えるとは限らず、再分析を行う必要がある。以上のように、表801を提示することでユーザは再分析の必要性を容易に把握することができ、またどの骨格特徴点のデータを再分析すべきかを素早く判断することができる。
上述の実施例によれば、運動解析装置101では、データ入力部205が、第1撮像結果および第2撮像結果を取得する。また、運動解析装置101では、骨格認識部206は、データ入力部205により取得された第1撮像結果を用いて被験者103の骨格位置を認識すると共に、データ入力部205により取得された第2撮像結果を用いて被験者103の骨格位置を認識する。
運動期間抽出部403は、骨格認識部206が認識した骨格特徴点を比較するデータの範囲として運動開始から終了までを抽出する。類似度算出部401は、深度カメラ102からの入力に対して認識された骨格特徴点と、RGBカメラ301および302からの入力に対して認識された骨格特徴点を比較して、類似度を算出し、当該類似度に基づいた判断結果を出力する。
運動解析装置101は、上記のように異なるデバイスの撮像結果に基づいた、ユーザの骨格位置の変化の類似度を算出した結果を出力することで、第2デバイスに対して、第1デバイス用のモデルを適用可能か否かを判断することができ、効率的にデータ分析をすることを可能とする。
(実施例2)
実施例1では第2計測手段を初めて導入する際に、特性の違いを可視化することでモデル再構築作業を効率化する例を示したが、さらに計測を行う実環境で第2計測手段単体で計測を行い、モデルの最終調整を行ってもよい。
実施例1では第2計測手段を初めて導入する際に、特性の違いを可視化することでモデル再構築作業を効率化する例を示したが、さらに計測を行う実環境で第2計測手段単体で計測を行い、モデルの最終調整を行ってもよい。
図9は、第2実施例にかかる運動解析装置を用いて計測を行うシステムの構成を示した図である。運動解析装置101にはRGBカメラ301および302が接続され、これらに向かって被験者103が歩行するところを計測する。本実施例では、実施例1で説明した第1デバイス(深度カメラ102)から取得した撮影結果に基づいたモデルを運動解析装置101が予め保持しているものとする。
図10は、現地計測環境(RGBカメラ301およびRGBカメラ302を実際に運用する環境)でモデルの最終調整を行う運動解析装置101の内部構成を示した図である。
図2と同じ番号を付したブロックは、図2と同等の働きをする。識別結果判定部1001は、既知の歩行タイプである被験者の歩行を計測した際に、モデルを用いて識別した結果が既知の歩行タイプと一致するか否かを判定するブロックである。
既知の歩行タイプは図11に示すような画面であらかじめユーザに入力させる。図11は、歩行タイプの入力画面(歩行タイプ入力画面)を示す図である。歩行タイプ入力画面1101にはモデルが識別できる歩行タイプを候補として表示しておき、ユーザに選択させることが望ましい。
例えば、ユーザが画面で正常歩行を選択された場合は、運動解析装置101は、歩行を計測してモデルで識別した結果が正常歩行であるか否かを判定する。
すなわち、操作入力部201により、上記選択操作がなされると、データ入力部205が、歩行タイプの入力を受け付ける。また、データ入力部205は、実施例1で述べたRGBカメラ301およびRGBカメラ302から画像データとは別に、RGBカメラ301およびRGBカメラ302から検証用の撮像結果(検証用撮像結果)を取得する。
骨格認識部206は、当該検証用の撮像結果を用いて、被験者103の骨格位置を認識する。そして、特徴量生成部207は、骨格認識部206により認識された検証用撮像結果に基づいたユーザの骨格位置から特徴量を生成する。識別結果判定部1001は、特徴量生成部207により生成された特徴量と、データ入力部205により受け付けられた歩行タイプに対応するモデル情報とを用いて、データ入力部205により受け付けられた歩行タイプに対応するか否かを検証する。識別結果判定部1001は、当該検証した結果を表示部202へ表示出力する。
歩行タイプ入力画面1101には、開始ボタン1102とキャンセルボタン1103とが含まれる。
開始ボタン1102をユーザが選択すると計測を開始し、判定結果を出力する。また、キャンセルボタン1103を選択すると一つ前の画面に戻る。
続いて、図12を用いて、判定結果(検証した結果)の画面例を説明する。図12は、判定結果の画面の一例を示す図である。
識別結果(判定結果)が一致する場合は、図12(a)に示すような画面1201でユーザに計測デバイスを識別モデルが整合していることを通知する。これにより、ユーザは計測デバイスの調整やモデル再構築が不要であると判断できる。画面1201には終了ボタン1202と再計測ボタン1203が表示されている。ユーザが終了ボタン1202を選択すると本実施例の処理を終了し、再計測ボタン1203を選択すると歩行計測の処理を再度行う。
識別結果が一致しない場合は、図12(b)に示すような画面1204を提示してユーザに計測デバイスまたは識別モデルの調整が必要であることを提示する。すなわち、識別結果判定部1001による検証結果が、データ入力部205により受け付けられた歩行タイプに対応しないことを示す場合、識別結果判定部1001は、警告を示す情報を出力する。これにより、ユーザは計測デバイスの設置環境変更やモデル再構築が必要であると判断でき、再度歩行を計測して識別結果が一致するまでこの処理を繰り返す。
また、識別結果が一致しない場合は、計測デバイスから得られる骨格特徴点の座標データを補正して識別結果が一致するようにしても良い。補正の方法は、既知の歩行タイプの代表データをあらかじめ保存しておき、この骨格特徴点の座標データとの間の類似度が大きくなるように座標データが変化する範囲等をスケーリングする。補正後に識別結果が一致しない場合は、さらに補正をかけて識別結果を確認する処理を繰り返してもよい。
(実施例3)
実施例1では第1計測手段と第2計測手段で得られる骨格特徴点の対応関係をユーザに指定させたが、取得した骨格座標データから対応する骨格特徴点を推定してもよい。
実施例1では第1計測手段と第2計測手段で得られる骨格特徴点の対応関係をユーザに指定させたが、取得した骨格座標データから対応する骨格特徴点を推定してもよい。
ここで、図13に記載のフローチャートを用いて説明する。図13は、運動解析装置101が、第1計測手段と第2計測手段の骨格特徴点の対応関係を推定し、骨格対応テーブルを生成するフローチャートである。
ステップS21は、第1計測手段の深度データから骨格特徴点一つを選択する処理である。ここでは、骨格認識部206が、深度データから抽出した任意の骨格特徴点(便宜上骨格特徴点1-1ともいう)を選択したものとする。
ステップS22は、第2計測手段の複数方向から撮像された画像データから特定した骨格特徴点を選択する処理である。ここでは、骨格認識部206が、第2計測手段の複数方向から撮像された画像データから特定した任意の骨格特徴点を選択したものとする。
ステップS23は、ステップS21およびステップS22で選択した骨格特徴点の組み合わせに対して類似度を計算する処理である。類似度は、実施例1で述べたように二つの骨格特徴点についてX軸、Y軸、Z軸それぞれの相互相関関数を計算し、それらを加算して類似度関数の最大値をとることで得られる。
ステップS24は、第2計測手段のすべての骨格特徴点を用いて類似度の計算が完了したか否かを判定する処理である。完了していなければステップS22に戻って、別の骨格特徴点を選択する。完了した場合はステップS25に進む。
ステップS25は、深度データから抽出した任意の骨格特徴点に対して網羅的に算出した類似度の中から、最大となる骨格特徴点の組み合わせを抽出する。例えば骨格特徴点1-1と骨格特徴点2-1の類似度が最大であれば、この組み合わせが対応関係にあると判断して骨格対応テーブル402に保存する。
ステップS26は、第1計測手段のすべての骨格特徴点に対して対応関係にある組み合わせを見つける処理が完了したか否かを判定する。完了していなければステップS21に戻って、別の骨格特徴点1-2を選択する。完了した場合はすべての骨格特徴点について対応関係を生成できたことになり、本実施例の処理を終了する。
この手法で推定した骨格特徴点の対応関係を図5に示した画面に表示し、これを初期値としてユーザに最終確認、修正させる形態とすればユーザの入力作業が軽減され、効率化につながる。
(実施例4)
実施例1および実施例3では第1計測手段と第2計測手段で得られる骨格特徴点の種類が同一である場合について説明したが、両者の骨格特徴点が異なる場合は座標変化が似た骨格特徴点で代替してもよい。
実施例1および実施例3では第1計測手段と第2計測手段で得られる骨格特徴点の種類が同一である場合について説明したが、両者の骨格特徴点が異なる場合は座標変化が似た骨格特徴点で代替してもよい。
本実施例では、第2計測手段で得られる骨格特徴点の種類が第1計測手段よりも少ない場合に、座標変化が類似した骨格特徴点を特定してそのデータで代替する手法ついて説明する。
図14は、実施例4にかかる運動解析装置の構成を示した図である。運動解析装置101は実施例1の構成に加えて骨格特徴点補間部1401(骨格位置補間部)を備えている。骨格特徴点補間部1401は、第1計測手段で認識する骨格特徴点には存在して、第2計測手段で認識するものには存在しない骨格特徴点のデータを補間する。すなわち、骨格特徴点補間部1401は、骨格認識部206により第1撮像結果を用いて認識されたユーザの骨格が、第2撮像結果を用いて認識されたユーザの骨格に無い場合、当該第1撮像結果を用いて認識されたユーザの骨格の位置に対応する位置を特定する部分である。
図15は、第2計測手段には存在しない第1計測手段の骨格特徴点(対象特徴点)について、類似する第1計測手段の骨格特徴点を特定するフローチャートである。
ステップS31は、対象特徴点と隣接する第1計測手法の骨格特徴点を一つ選択する処理である。骨格特徴点補間部1401は、人体の特性上、隣接する骨格特徴点が似た座標変化を示すため、例えば対象特徴点が右肘の場合には隣接する骨格特徴点として右手首や右肩などがあり、この中から一つを選択する。
ステップS32は、対象特徴点とステップS31で選択した骨格特徴点を用いて類似度を計算する処理である。類似度は、実施例1で述べたように二つの骨格特徴点についてX軸、Y軸、Z軸それぞれの相互相関関数を計算し、それらを加算して類似度関数の最大値をとることで得られる。
ステップS33は、対象特徴点に隣接するすべての骨格特徴点に対して類似度の計算が完了したか否かを判定する処理である。完了していなければステップS31に戻って、別の骨格特徴点を選択する。完了した場合はステップS34に進む。
ステップS34では、骨格特徴点補間部1401は、対象特徴点に対して算出した類似度の中から、最大となる組み合わせを抽出する処理である。例えば対象特徴点が右肘の場合に右手首との類似度が最大であれば、右肘の座標変化は右手首で代替可能と判断し、第2計測手段については右肘のデータを右手首で代替する。
この手法で右肘のデータは右手首で代替可能と判断した旨をユーザに提示し、確認させれば、ユーザが意図しない代替を防止することができる。
また、隣接する一つの骨格特徴点で代替するのではなく、隣接する複数の骨格特徴点から内挿または外挿で対象特徴点のデータを生成しても良い。歩行の場合、肘は伸ばしたまま腕を振ることが多いため、右肘が対象特徴点の場合は右手首と右肩から内挿で座標変化を求めることができる。
そして、類似度算出部401は、骨格認識部206により第1撮像結果を用いて認識されたユーザの骨格が、第2撮像結果を用いて認識されたユーザの骨格に無い場合、骨格認識部206により第1撮像結果を用いて認識されたユーザの骨格の位置変化と、骨格特徴点補間部1401により特定された当該第1撮像結果を用いて認識されたユーザの骨格の位置に対応する位置の骨格の位置変化との類似度を算出する。
これにより、運動解析装置101は、第1撮像結果および第2撮像結果から同一の骨格位置の情報が無くても互いの類似度を算出することができる。
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明をわかりやすく説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備える実施形態に限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の構成を用いて追加、削除、置換することが可能である。また、上記の各構成、機能、処理部、処理手段等は、それらの一部またはすべてを例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリやハードディスク、SSD(Solid State Drive)等の記録装置、またはICカード、SDカード、DVD等の記録媒体に置くことができる。
さらには、上記した実施例は解析対象の運動として歩行を例にとったが、任意の運動に対して適用しても構わない。
本発明は、ユーザを撮像可能なデバイスから取得した情報を処理するシステムに利用可能である。
101…運動解析装置、201…操作入力部、202…表示部、203…制御部、204…メモリ、205…データ入力部、206…骨格認識部、207…特徴量生成部、208…モデル、401…類似度算出部、402…骨格対応テーブル、403…運動期間抽出部。
Claims (10)
- ユーザを撮像可能なデバイスから取得した情報を処理する情報処理装置であって、
ユーザの運動状態を撮像する第1デバイスにより撮像された結果である第1撮像結果を取得する第1撮像結果取得部と、
前記ユーザの運動状態を撮像する第2デバイスにより撮像された結果である第2撮像結果を取得する第2撮像結果取得部と、
前記第1撮像結果取得部により取得された第1撮像結果を用いてユーザの骨格位置を認識し、前記第2撮像結果取得部により取得された第2撮像結果を用いてユーザの骨格位置を認識する骨格認識部と、
前記骨格認識部により認識された結果に基づいて、ユーザの所定運動期間を特定する運動期間特定部と、
前記運動期間特定部により特定された運動期間における、前記骨格認識部により前記第1撮像結果を用いて認識されたユーザの骨格位置の変化と、前記骨格認識部により前記第2撮像結果を用いて認識されたユーザの骨格位置の変化との類似度を算出する類似度算出部と、
前記類似度算出部により算出された類似度に基づいた判断結果を出力する判断結果出力部と、を備える情報処理装置。 - 請求項1に記載の情報処理装置であって、
前記運動期間特定部は、前記骨格認識部により認識された結果に基づき、ユーザの歩行の周期を特定する、情報処理装置。 - 請求項1に記載の情報処理装置であって、
前記判断結果出力部は、前記類似度算出部により算出された類似度が、所定の閾値よりも大きい場合、前記第1デバイスおよび前記第2デバイスが類似する旨を示す情報を出力し、前記類似度算出部により算出された類似度が、所定の閾値以下である場合、前記第1デバイスおよび前記第2デバイスの特性がそれぞれ異なる旨の情報を出力する、情報処理装置。 - 請求項1に記載の情報処理装置であって、
前記判断結果出力部は、前記判断結果として、人体部分と、当該人体部分の骨格部分の類似度を示す情報とを出力する、情報処理装置。 - 請求項1に記載の情報処理装置であって、
前記骨格認識部は、ユーザにより指定された骨格位置を示す情報をさらに取得し、ユーザの骨格位置を認識する、情報処理装置。 - 請求項1に記載の情報処理装置であって、
歩行タイプ毎に、骨格部分の動作の特徴量と、当該特徴量に対応する歩行状態とが定められたモデル情報を記憶する記憶部と、
歩行タイプの入力を受け付ける受付部と、
前記第2デバイスにより検証用として撮像された結果である検証用撮像結果を取得する検証用撮像結果取得部と、
前記骨格認識部で認識された骨格位置から当該骨格の特徴量を生成する特徴量生成部と、
前記特徴量生成部により生成された特徴量と、前記受付部により受け付けられた歩行タイプに対応するモデル情報とを用いて、前記受付部により受け付けられた歩行タイプに対応するか否かを検証する検証部と、
前記検証部による検証結果を出力する検証結果出力部と、
をさらに備え、
前記骨格認識部は、前記検証用撮像結果取得部により取得された検証用撮像結果からユーザの骨格位置を認識し、
前記特徴量生成部は、前記骨格認識部により認識された前記検証用撮像結果に基づいたユーザの骨格位置から特徴量を生成する、
情報処理装置。 - 請求項6に記載の情報処理装置であって、
前記検証結果出力部は、検証部による検証結果が、前記受付部により受け付けられた歩行タイプに対応しないことを示す場合、警告を示す情報を出力する、
情報処理装置。 - 請求項1に記載の情報処理装置であって、
前記骨格認識部は、前記第1撮像結果取得部により取得された第1撮像結果から認識したユーザの骨格位置と、前記第2撮像結果取得部により取得された第2撮像結果から認識したユーザの骨格位置との対応関係を特定する、情報処理装置。 - 請求項1に記載の情報処理装置であって、
前記骨格認識部により前記第1撮像結果を用いて認識されたユーザの骨格が、前記第2撮像結果を用いて認識されたユーザの骨格に無い場合、当該第1撮像結果を用いて認識されたユーザの骨格の位置に対応する位置を特定する骨格位置補間部をさらに備え、
前記類似度算出部は、前記骨格認識部により前記第1撮像結果を用いて認識されたユーザの骨格が、前記第2撮像結果を用いて認識されたユーザの骨格に無い場合、前記骨格認識部により前記第1撮像結果を用いて認識されたユーザの骨格の位置変化と、前記骨格位置補間部により特定された当該第1撮像結果を用いて認識されたユーザの骨格の位置に対応する位置の骨格の位置変化との類似度を算出する、
情報処理装置。 - ユーザを撮像可能なデバイスから取得した情報を処理する情報処理装置で実行する判断結果出力方法であって、
ユーザの運動状態を撮像する第1デバイスにより撮像された結果である第1撮像結果を取得する第1撮像結果取得ステップと、
前記ユーザの運動状態を撮像する第2デバイスにより撮像された結果である第2撮像結果を取得する第2撮像結果取得ステップと、
前記第1撮像結果取得ステップで取得した第1撮像結果を用いてユーザの骨格位置を認識し、前記第2撮像結果取得ステップで取得した第2撮像結果を用いてユーザの骨格位置を認識する骨格認識ステップと、
前記骨格認識ステップで認識した結果に基づいて、ユーザの所定運動期間を特定する運動期間特定ステップと、
前記運動期間特定ステップで特定した運動期間における、前記骨格認識ステップで前記第1撮像結果を用いて認識したユーザの骨格位置の変化と、前記骨格認識ステップで前記第2撮像結果を用いて認識したユーザの骨格位置の変化との類似度を算出する類似度算出ステップと、
前記類似度算出ステップで算出した類似度に基づいた判断結果を出力する判断結果出力ステップと、を含む判断結果出力方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020027693A JP7216679B2 (ja) | 2020-02-21 | 2020-02-21 | 情報処理装置、および判断結果出力方法 |
PCT/JP2020/034224 WO2021166294A1 (ja) | 2020-02-21 | 2020-09-10 | 情報処理装置、および判断結果出力方法 |
EP20919513.0A EP4109399A4 (en) | 2020-02-21 | 2020-09-10 | INFORMATION PROCESSING APPARATUS AND DETERMINATION RESULT OUTPUT METHOD |
CN202080094172.3A CN115004265A (zh) | 2020-02-21 | 2020-09-10 | 信息处理装置以及判断结果输出方法 |
US17/793,993 US20230005161A1 (en) | 2020-02-21 | 2020-09-10 | Information processing apparatus and determination result output method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020027693A JP7216679B2 (ja) | 2020-02-21 | 2020-02-21 | 情報処理装置、および判断結果出力方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021131787A JP2021131787A (ja) | 2021-09-09 |
JP7216679B2 true JP7216679B2 (ja) | 2023-02-01 |
Family
ID=77390575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020027693A Active JP7216679B2 (ja) | 2020-02-21 | 2020-02-21 | 情報処理装置、および判断結果出力方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230005161A1 (ja) |
EP (1) | EP4109399A4 (ja) |
JP (1) | JP7216679B2 (ja) |
CN (1) | CN115004265A (ja) |
WO (1) | WO2021166294A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI789974B (zh) * | 2021-11-04 | 2023-01-11 | 財團法人資訊工業策進會 | 線上直播運動姿勢指導輔助系統與方法 |
WO2023119906A1 (ja) * | 2021-12-23 | 2023-06-29 | コニカミノルタ株式会社 | 情報処理システム、行動定量化プログラム、および行動定量化方法 |
KR102581933B1 (ko) * | 2023-03-21 | 2023-09-22 | 에이트스튜디오 주식회사 | 퇴행성 질환 분류 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010017447A (ja) | 2008-07-14 | 2010-01-28 | Nippon Telegr & Teleph Corp <Ntt> | 歩行動作分析装置、歩行動作分析方法、歩行動作分析プログラムおよびその記録媒体 |
JP2016140591A (ja) | 2015-02-03 | 2016-08-08 | 国立大学法人 鹿児島大学 | 動作解析評価装置、動作解析評価方法、及びプログラム |
JP2016146612A (ja) | 2015-02-09 | 2016-08-12 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160096473A (ko) * | 2015-02-05 | 2016-08-16 | 한국전자통신연구원 | 동작 평가 시스템 및 방법 |
-
2020
- 2020-02-21 JP JP2020027693A patent/JP7216679B2/ja active Active
- 2020-09-10 US US17/793,993 patent/US20230005161A1/en active Pending
- 2020-09-10 WO PCT/JP2020/034224 patent/WO2021166294A1/ja unknown
- 2020-09-10 CN CN202080094172.3A patent/CN115004265A/zh active Pending
- 2020-09-10 EP EP20919513.0A patent/EP4109399A4/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010017447A (ja) | 2008-07-14 | 2010-01-28 | Nippon Telegr & Teleph Corp <Ntt> | 歩行動作分析装置、歩行動作分析方法、歩行動作分析プログラムおよびその記録媒体 |
JP2016140591A (ja) | 2015-02-03 | 2016-08-08 | 国立大学法人 鹿児島大学 | 動作解析評価装置、動作解析評価方法、及びプログラム |
JP2016146612A (ja) | 2015-02-09 | 2016-08-12 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021131787A (ja) | 2021-09-09 |
WO2021166294A1 (ja) | 2021-08-26 |
CN115004265A (zh) | 2022-09-02 |
EP4109399A4 (en) | 2024-03-20 |
EP4109399A1 (en) | 2022-12-28 |
US20230005161A1 (en) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7216679B2 (ja) | 情報処理装置、および判断結果出力方法 | |
US20210059565A1 (en) | Gait-based assessment of neurodegeneration | |
JP4930854B2 (ja) | 関節物体位置姿勢推定装置及びその方法ならびにプログラム | |
JP5403699B2 (ja) | 手指形状推定装置、手指形状の推定方法及びプログラム | |
Dikovski et al. | Evaluation of different feature sets for gait recognition using skeletal data from Kinect | |
US11759126B2 (en) | Scoring metric for physical activity performance and tracking | |
US11547324B2 (en) | System and method for human motion detection and tracking | |
JP6951685B2 (ja) | 動作分析システム、動作分析装置、動作分析方法及び動作分析プログラム | |
CN111401340B (zh) | 目标对象的运动检测方法和装置 | |
US20180204379A1 (en) | System and Method for Providing Reconstruction of Human Surfaces from Orientation Data | |
US20220222975A1 (en) | Motion recognition method, non-transitory computer-readable recording medium and information processing apparatus | |
KR20200087027A (ko) | 근골격계 진단을 위한 동작 획득 방법 및 장치 | |
JP6643416B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
KR20210075451A (ko) | 근골격계 증상을 진단하기 위한 전자 장치, 방법, 및 시스템 | |
JP6558820B2 (ja) | 計測装置、計測方法、及びプログラム | |
KR20160035497A (ko) | 스켈레톤 추출정보를 이용한 동작분석 기반의 체형분석 시스템 | |
WO2021149629A1 (ja) | 姿勢診断システム、姿勢診断方法及び姿勢診断用データセット | |
WO2021039642A1 (ja) | 3次元再構成装置、方法及びプログラム | |
JP6958744B2 (ja) | 歩行状態判別プログラム、歩行状態判別方法および情報処理装置 | |
WO2014104357A1 (ja) | 動作情報処理システム、動作情報処理装置及び医用画像診断装置 | |
JP2009151516A (ja) | 情報処理装置および情報処理装置用操作者指示点算出プログラム | |
US20220138471A1 (en) | Load estimatation apparatus and method | |
EP4053793A1 (en) | System and method for human motion detection and tracking | |
WO2020138136A1 (ja) | 画像処理装置、画像処理方法及びプログラム | |
KR20240053841A (ko) | 동작 특징에 기반한 동작 분류 및 평가 방법과 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220404 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7216679 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |