JP7388576B2 - 骨格推定装置、骨格推定方法および体操採点支援システム - Google Patents
骨格推定装置、骨格推定方法および体操採点支援システム Download PDFInfo
- Publication number
- JP7388576B2 JP7388576B2 JP2022573819A JP2022573819A JP7388576B2 JP 7388576 B2 JP7388576 B2 JP 7388576B2 JP 2022573819 A JP2022573819 A JP 2022573819A JP 2022573819 A JP2022573819 A JP 2022573819A JP 7388576 B2 JP7388576 B2 JP 7388576B2
- Authority
- JP
- Japan
- Prior art keywords
- skeleton
- feature amount
- predetermined period
- defective
- calculating
- 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 125
- 230000002950 deficient Effects 0.000 claims description 100
- 230000033001 locomotion Effects 0.000 claims description 72
- 230000001186 cumulative effect Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 62
- 238000010586 diagram Methods 0.000 description 24
- 238000001514 detection method Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 2
- 230000037237 body shape Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 231100001055 skeletal defect Toxicity 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 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
- G06T7/251—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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- 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
- G06T2207/30221—Sports video; Sports image
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pathology (AREA)
- Dentistry (AREA)
- Optics & Photonics (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Physiology (AREA)
- Image Analysis (AREA)
Description
以下に図面を参照して、開示の骨格推定装置、骨格推定方法および体操採点支援システムの実施の形態を詳細に説明する。
(1)3Dレーザーセンサー等から選手の3次元の骨格情報を取得する。
(2)所定期間(例えば、技の開始ts~終了te)までの間の各フレームの特徴量を算出する。
ケース2:運動特徴量が予め設定した範囲内の場合、予め設定した複数の分割区間で多次元関数による近似線を算出する。そして、分割区間毎に算出した近似線と運動特徴量との相関係数のうち、最大の相関係数から尤度を算出する。
ケース3:運動特徴量が予め設定した範囲を超える場合、技の開始ts~終了teまでの特徴量から多次元関数による近似線を算出する。
ケース2,3の場合、算出した近似線と運動特徴量との相関係数から尤度を算出する。
(5)また、最大誤差フレームに基づき、不良骨格の部分のフレームに対し、再度の骨格判定を行うことができる。
図6は、実施の形態の骨格推定装置を含む体操採点支援システムの構成例を示す図である。骨格推定装置100の制御部110は、体操競技で選手が実施する技を採点する採点者に対し、採点に有用な情報として、選手が所定期間で実施する技の骨格情報(例えば姿勢)を提供する。
図7は、特徴量別の不良骨格検出の機能例を示すブロック図である。図7では、特徴量の大きさ(ひねり量)別の不良骨格の検出例を説明する。図7に示す不良骨格検出の機能は、図6に示す技認識部605に設けられる。
図8は、特徴量が範囲未満のケース1の場合の説明図である。図8の横軸は時間、縦軸は累積ひねり角度である。図8においては、技がひねりなし、例えば、跳馬の第二空中局面の累積ひねり角度を示す。体操の技定義として、最終累積ひねり角度が90°以上では1/2ひねり技となり、1回ひねり以上ではひねりあり技になる。このため、ひねりなし技は、最終累積ひねり角度が90°未満である。最大最小値算出部708は、技の開始ts~終了teまでの所定期間におけるひねりの最大最小の角度を算出する。
図9、図10は、特徴量が範囲を超えたケース3の場合の説明図である。技が1回以上ひねりの場合、例えば、跳馬の第二空中局面の累積ひねり角度の場合を示す。図9(a),(b)は、ケース3における近似線と運動特徴量との相関係数の例を示す図表である。横軸は時間、縦軸は累積ひねり角度である。近似3次曲線算出部203は、所定期間、すなわち技の開始ts~終了teまでの間における累積ひねり角度a(図中実線)から近似3次曲線b(図中点線)を算出する。相関係数算出部707は、累積ひねり角度aと近似3次曲線bの相関係数を算出する。
図11A,図11Bは、特徴量が範囲以内のケース2の場合の説明図である。技が1/2ひねり、例えば、跳馬の第二空中局面の累積ひねり角度の場合を示す。このケース2では、特徴量の検出について、基本的に上記ケース3の1回以上ひねりと同じ手法とする。但し、1/2ひねり技ではひねり数が少ないため、実施した技全体でひねらず、技を実施した区間の最初付近だけでひねるパターンや、技を実施した区間の最後付近だけでひねるパターンが存在することを考慮する。
上述した実施の形態では、体操の跳馬の競技を例とし、運動特徴量が”運動ひねり量”である場合の不良骨格の検出例について説明した。実施の形態では、体操競技に限らず、人体の関節の移動変化に基づき推定した骨格に対する不良骨格を検出できる。
前記所定期間における骨格の変化の特徴量を算出し、
算出した前記特徴量に基づいて近似線を算出し、
算出した前記特徴量と、前記近似線との相関状態を算出し、
前記相関状態に基づいて、前記所定期間の前記推定情報のうち推定が異常な前記フレーム部分を不良骨格として検出する制御部、
を備えたことを特徴とする骨格推定装置。
前記特徴量があらかじめ設定した範囲を超える場合、前記所定期間における前記特徴量から多次元関数による近似曲線を算出し、
算出した前記特徴量と、前記近似曲線との相関係数から前記所定期間における前記特徴量に対する尤度を算出し、
前記尤度が予め設定した閾値より小さい場合、前記特徴量と前記近似曲線との差分が最大の前記フレームを前記不良骨格として検出する、
ことを特徴とする付記1に記載の骨格推定装置。
前記特徴量があらかじめ設定した範囲内の場合、前記所定期間を複数に分割した各分割区間毎に前記特徴量から多次元関数による近似曲線をそれぞれ算出し、
前記分割区間のそれぞれで算出した前記特徴量と、前記近似曲線との相関係数から尤度を算出し、
前記尤度が予め設定した閾値より小さい場合、前記特徴量と前記近似曲線との差分が最大の前記フレームを前記不良骨格として検出する、
ことを特徴とする付記1に記載の骨格推定装置。
複数の前記分割区間同士の一部が時間的に重なるよう分割することを特徴とする付記3に記載の骨格推定装置。
前記特徴量があらかじめ設定した範囲未満の場合、前記所定期間における前記特徴量の最大値と最小値を算出し、
算出した前記最大値と最小値を含む前記特徴量の累積量に基づき尤度を算出し、
前記尤度に基づき前記不良骨格を検出する、
ことを特徴とする付記1に記載の骨格推定装置。
検出された前記不良骨格の前記フレーム部分に対して再度、骨格の推定を行うことを特徴とする付記1に記載の骨格推定装置。
所定期間における骨格の変化を推定した推定情報をフレーム単位で取得し、
前記所定期間における骨格の変化の特徴量を算出し、
算出した前記特徴量に基づいて近似線を算出し、
算出した前記特徴量と、前記近似線との相関状態を算出し、
前記相関状態に基づいて、前記所定期間の前記推定情報のうち推定が異常な前記フレーム部分を不良骨格として検出する、
処理を実行することを特徴とする骨格推定方法。
所定期間にわたる前記選手の骨格の変化を推定した推定情報をフレーム単位で取得し、
前記所定期間における骨格の変化の特徴量を算出し、
算出した前記特徴量に基づいて近似線を算出し、
算出した前記特徴量と、前記近似線との相関状態を算出し、
前記相関状態に基づいて、前記所定期間の前記推定情報のうち推定異常な前記フレーム部分を不良骨格として検出する制御部、
を備えたことを特徴とする体操採点システム。
前記骨格推定装置は、
前記3次元点群の画像から深度画像を生成し、前記深度画像から事前に学習した学習モデルに基づき、前記選手の3次元の骨格を認識する骨格認識部と、
前記3次元点群と前記3次元の骨格とに基づき、前記選手の骨格に適合した3次元の骨格を推定情報として出力するフィッティング部と、を有し、
前記制御部は、
前記技別の特徴量が予め設定され、前記選手による所定の技の実施に対応して前記フィッティング部が出力する前記推定情報のうち前記不良骨格を検出する、
ことを特徴とする付記9に記載の体操採点システム。
前記不良骨格の検出時には、前記不良骨格の前記フレーム部分に対して再度、骨格の推定を実施した後の前記推定情報を提示する、
ことを特徴とする付記10に記載の体操採点システム。
110 制御部
201 骨格取得部
202 特徴量算出部
203 近似3次曲線算出部
204 尤度算出部
205 不良骨格検出部
301 CPU
302 メモリ
303 ネットワークインタフェース
305 記録媒体
310 ネットワーク
601 3Dレーザーセンサー
602 骨格認識部
603 機械学習部
604 フィッティング部
605 技認識部
633 学習モデル
651 技認識テーブル
660 技データベース
703 算出方法判定部
704 算出区間記憶部
705 複数区間近似3次曲線算出部
706 複数相関係数算出部
707 相関係数算出部
708 最大最小値算出部
709 誤差算出部
F1~F11 複数フレーム
K1~K11 CGデータ
NG 不良骨格
Claims (11)
- 所定期間における骨格の変化を推定した推定情報をフレーム単位で取得し、
前記所定期間における骨格の変化の特徴量を算出し、
算出した前記特徴量に基づいて近似線を算出し、
算出した前記特徴量と、前記近似線との相関状態を算出し、
前記相関状態に基づいて、前記所定期間の前記推定情報のうち推定が異常な前記フレーム部分を不良骨格として検出する制御部、
を備えたことを特徴とする骨格推定装置。 - 前記制御部は、
前記特徴量があらかじめ設定した範囲を超える場合、前記所定期間における前記特徴量から多次元関数による近似曲線を算出し、
算出した前記特徴量と、前記近似曲線との相関係数から前記所定期間における前記特徴量に対する尤度を算出し、
前記尤度が予め設定した閾値より小さい場合、前記特徴量と前記近似曲線との差分が最大の前記フレームを前記不良骨格として検出する、
ことを特徴とする請求項1に記載の骨格推定装置。 - 前記制御部は、
前記特徴量があらかじめ設定した範囲内の場合、前記所定期間を複数に分割した各分割区間毎に前記特徴量から多次元関数による近似曲線をそれぞれ算出し、
前記分割区間のそれぞれで算出した前記特徴量と、前記近似曲線との相関係数から尤度を算出し、
前記尤度が予め設定した閾値より小さい場合、前記特徴量と前記近似曲線との差分が最大の前記フレームを前記不良骨格として検出する、
ことを特徴とする請求項1に記載の骨格推定装置。 - 前記制御部は、
複数の前記分割区間同士の一部が時間的に重なるよう分割することを特徴とする請求項3に記載の骨格推定装置。 - 前記制御部は、
前記特徴量があらかじめ設定した範囲未満の場合、前記所定期間における前記特徴量の最大値と最小値を算出し、
算出した前記最大値と最小値を含む前記特徴量の累積量に基づき尤度を算出し、
前記尤度に基づき前記不良骨格を検出する、
ことを特徴とする請求項1に記載の骨格推定装置。 - 前記制御部は、
検出された前記不良骨格の前記フレーム部分に対して再度、骨格の推定を行うことを特徴とする請求項1に記載の骨格推定装置。 - 前記特徴量は、前記所定期間において予め想定した人体の所定の運動に対応する運動特徴量であることを特徴とする請求項1~6のいずれか一つに記載の骨格推定装置。
- コンピュータが、
所定期間における骨格の変化を推定した推定情報をフレーム単位で取得し、
前記所定期間における骨格の変化の特徴量を算出し、
算出した前記特徴量に基づいて近似線を算出し、
算出した前記特徴量と、前記近似線との相関状態を算出し、
前記相関状態に基づいて、前記所定期間の前記推定情報のうち推定が異常な前記フレーム部分を不良骨格として検出する、
処理を実行することを特徴とする骨格推定方法。 - 選手が技を実施する体操競技の体操採点システムであって、
所定期間にわたる前記選手の骨格の変化を推定した推定情報をフレーム単位で取得し、
前記所定期間における骨格の変化の特徴量を算出し、
算出した前記特徴量に基づいて近似線を算出し、
算出した前記特徴量と、前記近似線との相関状態を算出し、
前記相関状態に基づいて、前記所定期間の前記推定情報のうち推定異常な前記フレーム部分を不良骨格として検出する制御部、
を備えたことを特徴とする体操採点システム。 - 前記選手を撮像し、距離情報を含む3次元点群の画像をフレーム単位で出力する3Dレーザーセンサーと、骨格推定装置と、を備え、
前記骨格推定装置は、
前記3次元点群の画像から深度画像を生成し、前記深度画像から事前に学習した学習モデルに基づき、前記選手の3次元の骨格を認識する骨格認識部と、
前記3次元点群と前記3次元の骨格とに基づき、前記選手の骨格に適合した3次元の骨格を推定情報として出力するフィッティング部と、を有し、
前記制御部は、
前記技別の特徴量が予め設定され、前記選手による所定の技の実施に対応して前記フィッティング部が出力する前記推定情報のうち前記不良骨格を検出する、
ことを特徴とする請求項9に記載の体操採点システム。 - 前記制御部は、前記推定情報を体操競技の採点者に提示し、
前記不良骨格の検出時には、前記不良骨格の前記フレーム部分に対して再度、骨格の推定を実施した後の前記推定情報を提示する、
ことを特徴とする請求項10に記載の体操採点システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/000107 WO2022149190A1 (ja) | 2021-01-05 | 2021-01-05 | 骨格推定装置、骨格推定方法および体操採点支援システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022149190A1 JPWO2022149190A1 (ja) | 2022-07-14 |
JPWO2022149190A5 JPWO2022149190A5 (ja) | 2023-05-02 |
JP7388576B2 true JP7388576B2 (ja) | 2023-11-29 |
Family
ID=82358123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022573819A Active JP7388576B2 (ja) | 2021-01-05 | 2021-01-05 | 骨格推定装置、骨格推定方法および体操採点支援システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230316543A1 (ja) |
EP (1) | EP4276739A1 (ja) |
JP (1) | JP7388576B2 (ja) |
CN (1) | CN116648190A (ja) |
WO (1) | WO2022149190A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019049216A1 (ja) | 2017-09-05 | 2019-03-14 | 富士通株式会社 | 採点方法、採点プログラムおよび採点装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2953413B2 (ja) | 1996-12-09 | 1999-09-27 | 日本電気株式会社 | 動作修正方法および動作修正装置 |
JP4148281B2 (ja) | 2006-06-19 | 2008-09-10 | ソニー株式会社 | モーションキャプチャ装置及びモーションキャプチャ方法、並びにモーションキャプチャプログラム |
JP2009015558A (ja) | 2007-07-04 | 2009-01-22 | Nippon Telegr & Teleph Corp <Ntt> | 姿勢推定装置および姿勢推定方法 |
-
2021
- 2021-01-05 JP JP2022573819A patent/JP7388576B2/ja active Active
- 2021-01-05 CN CN202180085658.5A patent/CN116648190A/zh active Pending
- 2021-01-05 EP EP21917418.2A patent/EP4276739A1/en active Pending
- 2021-01-05 WO PCT/JP2021/000107 patent/WO2022149190A1/ja active Application Filing
-
2023
- 2023-06-06 US US18/206,216 patent/US20230316543A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019049216A1 (ja) | 2017-09-05 | 2019-03-14 | 富士通株式会社 | 採点方法、採点プログラムおよび採点装置 |
Non-Patent Citations (5)
Title |
---|
世界が認めた富士通の体操判定AI 勝負分ける関節「僅か1度」の差を見極め,日経トレンディ,日経BP,2019年12月04日,第456号,pp.156-157 |
冨森英樹 ほか,3Dセンシングによる体操採点支援システム,日本ロボット学会誌,日本,一般社団法人日本ロボット学会,2020年05月15日,第38巻, 第4号,pp.339-344,ISSN 0289-1824 |
桝井昇一 ほか,3Dセンシング・技認識による体操採点支援,電子情報通信学会誌,日本,一般社団法人電子情報通信学会,2020年01月01日,第103巻, 第1号,pp.5-14,ISSN 0913-5693 |
遠藤宏之,体操採点のシステム化からスポーツ産業の発展を目指す,GIS NEXT,日本,株式会社ネクストパブリッシング,2019年01月28日,第66号,pp.12-15 |
長谷川雄大 ほか,体操競技における自動採点のための骨格推定,第82回(2020年)全国大会講演論文集(2) 人工知能と認知科学,2020年02月20日,pp.(2-539)-(2-540) |
Also Published As
Publication number | Publication date |
---|---|
US20230316543A1 (en) | 2023-10-05 |
CN116648190A (zh) | 2023-08-25 |
JPWO2022149190A1 (ja) | 2022-07-14 |
EP4276739A1 (en) | 2023-11-15 |
WO2022149190A1 (ja) | 2022-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6733738B2 (ja) | 運動認識装置、運動認識プログラムおよび運動認識方法 | |
JP7367764B2 (ja) | 骨格認識方法、骨格認識プログラムおよび情報処理装置 | |
JP6760490B2 (ja) | 認識装置、認識方法および認識プログラム | |
JP7164045B2 (ja) | 骨格認識方法、骨格認識プログラムおよび骨格認識システム | |
JP7127650B2 (ja) | 認識プログラム、認識方法および認識装置 | |
JP2007233997A (ja) | 顔特徴点検出装置及びその方法 | |
JP7235133B2 (ja) | 運動認識方法、運動認識プログラムおよび情報処理装置 | |
JP2013125402A (ja) | 姿勢推定装置および姿勢推定方法 | |
US20130268254A1 (en) | Swing simulation system, swing simulation apparatus, and swing simulation method | |
JP5072625B2 (ja) | 画像処理装置及びその方法 | |
JPWO2020084667A1 (ja) | 認識方法、認識プログラム、認識装置および学習方法 | |
US20220222975A1 (en) | Motion recognition method, non-transitory computer-readable recording medium and information processing apparatus | |
JP6783646B2 (ja) | 選択支援装置、選択支援システムおよび選択支援方法 | |
JP7388576B2 (ja) | 骨格推定装置、骨格推定方法および体操採点支援システム | |
US20220262013A1 (en) | Method for improving markerless motion analysis | |
JPWO2022149190A5 (ja) | ||
JP7124888B2 (ja) | 推定方法、推定プログラムおよび推定装置 | |
JP7272470B2 (ja) | 運動認識方法、運動認識プログラムおよび情報処理装置 | |
WO2023037401A1 (ja) | 骨格認識方法、骨格認識プログラム、及び体操競技採点支援装置 | |
JP2020017096A (ja) | 計測装置、計測方法及び計測プログラム | |
WO2023062762A1 (ja) | 推定プログラム、推定方法および情報処理装置 | |
JP7072369B2 (ja) | 動作の類似度を求める方法、システム、端末及びプログラム | |
US20220138471A1 (en) | Load estimatation apparatus and method | |
Sakai et al. | Radio Calisthenics Motion Detection and Diagnosis Using Recurrent Neural Network | |
JP2022152752A (ja) | 骨格認識方法、骨格認識プログラム及び体操競技採点支援装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230214 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230214 |
|
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: 20231017 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231030 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7388576 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |