JP7529338B1 - 情報処理装置、情報処理方法及び情報処理システム - Google Patents

Abstract

情報処理装置１は、身体の第１部位に装着された第１デバイスと、身体における第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、第１部位の動きを示す第１モーションデータ及び第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、第１部位の動きを示すモーションデータが入力されると、第２部位の動きを示すモーションデータを出力する推定用モデルを記憶する記憶部１２と、分析の対象となる対象者の第１部位に装着されたデバイスが取得した、対象者の第１部位の動きを示す実測モーションデータを受信する受信部１３１と、実測モーションデータを推定用モデルに入力し、対象者の第２部位の動きを示す推定モーションデータを推定用モデルから取得する推定部１３３と、推定モーションデータを出力する出力部１３４と、を有する。

Description

特許法第３０条第２項適用 １．ＫＯＮＡＭＩ ＡＣＣＥＬＥＲＡＴＯＲ ２０２３ （開催日：令和５年９月２８日） ２．ＢＲＡＶＥ ２０２３ （開催日：令和５年１２月２日） ３．ＬＥＶＥＬ ＵＰ ＳＴＡＧＥ ２０２３ （開催日：令和５年１２月１９日） ４．ＸＲ Ｆｕｔｕｒｅ Ｐｉｔｃｈ ２０２３ （開催日：令和５年１２月２０日）

本発明は、身体に装着されたデバイスが取得したモーションデータを分析する情報処理装置、情報処理方法及び情報処理システムに関する。

従来、人体の運動状態を解析する技術が知られている。特許文献１には、時系列的に収集された各種のデータに基づいて、人体の運動状態に関わる指標を推定することができる技術が開示されている。

特開２０１６－０１０５６２号公報

近年、人々は、自らの健康状態や運動状態を把握することに対して高い関心を持っている。自らの健康状態や運動状態を把握するために、上記特許文献１に記載のように、人の身体にセンサやデバイスを装着することで、身体の動きを分析するという方法がある。しかしながら、従来の技術では、動きを把握したい部位のすべてにセンサやデバイスを装着する必要があるという問題が生じていた。

そこで、本発明はこれらの点に鑑みてなされたものであり、ユーザが、自らの身体にセンサやデバイスを装着して自らの身体の動きを分析する場合において、ユーザの負担を軽減させることを目的とする。

本発明の第１の態様に係る情報処理装置は、身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを記憶する記憶部と、分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信部と、前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定部と、前記推定モーションデータを出力する出力部と、を有する。

前記記憶部は、動きの種別毎に前記推定用モデルを記憶してもよく、前記受信部は、前記動きの種別を受信してもよく、前記推定部は、受信された前記動きの種別に対応する前記推定用モデルに前記実測モーションデータを入力し、当該推定用モデルから前記推定モーションデータを取得してもよい。

前記記憶部は、動きの種別毎に前記推定用モデルを記憶してもよく、前記情報処理装置は、受信された前記実測モーションデータが示す前記動きの種別を同定する同定部を更に有してもよく、前記推定部は、同定された前記動きの種別に対応する前記推定用モデルに前記実測モーションデータを入力し、当該推定用モデルから前記推定モーションデータを取得してもよい。

前記推定用モデルは、前記第１モーションデータと前記第２モーションデータとのセットを複数有しており、入力された前記実測モーションデータと所定の閾値以上の類似度を有する前記第１モーションデータを特定し、特定した前記第１モーションデータと関連付けられた前記第２モーションデータを出力してもよい。

前記推定用モデルは、前記第１モーションデータと前記第２モーションデータとの複数のセットを教師データとして用いて機械学習した機械学習モデルであり、入力された前記実測モーションデータに対応する前記第２部位のモーションデータとして最も確からしいモーションデータを出力してもよい。

前記推定用モデルは、前記第１モーションデータ、前記第２モーションデータ、並びに前記第１モーションデータが示す動き及び前記第２モーションデータが示す動きが行われた場合における身体の状態を示す状態データに基づいて作成され、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータ及び身体の状態を推定した結果である状態推定データを出力するモデルであってもよく、前記推定部は、前記実測モーションデータを前記推定用モデルに入力し、前記推定モーションデータ及び前記状態推定データを前記推定用モデルから取得してもよく、前記出力部は、前記推定モーションデータ及び前記状態推定データを出力してもよい。

前記第１部位が身体における１箇所の部位であってもよく、前記第２部位が身体における１箇所以上の部位であってもよい。

前記第１部位が首であってもよく、前記第２部位が身体における首以外の部位であってもよい。

前記推定用モデルは、前記第１デバイスと、前記第２デバイスと、前記第１部位及び前記第２部位とは異なる第３部位に装着された第３デバイスと、が同じタイミングで取得した、前記第１モーションデータ、前記第２モーションデータ及び前記第３部位の動きを示す第３モーションデータに基づいて作成され、前記第１部位の動きを示すモーションデータ及び前記第３部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力するモデルであってもよく、前記受信部は、前記対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す第１実測モーションデータと、前記対象者の前記第３部位に装着されたデバイスが取得した、前記対象者の前記第３部位の動きを示す第３実測モーションデータと、を受信してもよく、前記推定部は、前記第１実測モーションデータ及び前記第３実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す前記推定モーションデータを前記推定用モデルから取得してもよい。

前記推定部は、前記第１実測モーションデータと前記第３実測モーションデータのうち、前記第２部位により近い部位の実測モーションデータが、前記対象者の前記第２部位の動きを示す前記推定モーションデータにより高い割合で反映されるように、前記第１実測モーションデータに基づく推定モーションデータ及び前記第３実測モーションデータに基づく推定モーションデータを加重平均したモーションデータを、前記対象者の前記第２部位の動きを示す前記推定モーションデータとして取得してもよい。

本発明の第２の態様に係る情報処理方法は、身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを記憶する記憶部を有するコンピュータが実行する、分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信ステップと、前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定ステップと、前記推定モーションデータを出力する出力ステップと、を有する。

本発明の第３の態様に係る情報処理システムは、情報処理装置と情報端末とを備え、前記情報処理装置は、身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを記憶する記憶部と、分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信部と、前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定部と、前記推定モーションデータを出力する出力部と、を有し、前記情報端末は、前記対象者の前記第１部位に装着されたデバイスに関する設定を受け付ける設定受付部と、前記推定モーションデータを受信する端末通信部と、を有する。

本発明によれば、ユーザが、自らの身体にセンサやデバイスを装着して自らの身体の動きを分析する場合において、ユーザの負担を軽減できるという効果を奏する。

情報処理システムＳの構成を示す図である。 情報処理装置１の構成を示す図である。 モーションデータセットの一例を示す図である。 機械学習データの一例を示す図である。 首の動きを示す実測モーションデータの一例を示す図である。 首の動きを示す実測モーションデータから推定用モデルを用いて推定した膝の回転角度を示す推定モーションデータの一例を示す図である。 ユーザがテニスのサーブをしている際における右前腕の伸展速度を示す実測モーションデータの一例を示す図である。 ユーザがテニスのサーブをしている際における首の動きを示す実測モーションデータから推定用モデルを用いて推定した右前腕の伸展速度を示す推定モーションデータの一例を示す図である。 ユーザが野球のバッティングをしている際における右前腕の内旋速度を示す実測モーションデータの一例を示す図である。 ユーザが野球のバッティングをしている際における首の動きを示す実測モーションデータから推定用モデルを用いて推定した右前腕の内旋速度を示す推定モーションデータの一例を示す図である。 情報端末２の構成を示す図である。 情報処理装置１が実行する処理の流れを示すフローチャートである。

［情報処理システムＳの概要］
図１を用いて、本実施形態に係る情報処理システムＳの概要を説明する。図１は、情報処理システムＳの動作の概要を示す図である。情報処理システムＳは、情報処理装置１と、情報端末２と、デバイスＤと、を備える。情報処理システムＳは、その他のサーバ、端末等の機器を含んでもよい。

情報処理システムＳは、分析の対象となる対象者の身体の第１部位（例えば、首）に装着されたデバイスＤが取得した第１部位の動きに基づいて、身体における第１部位と異なる１以上の第２部位（例えば、膝）の動きを推定するためのシステムである。第１部位は、例えば頸椎の後方の皮膚の位置である。

情報処理装置１は、この推定を行うサーバ等のコンピュータである。情報処理装置１と情報端末２とデバイスＤとは互いに通信可能である。情報処理装置１は、ユーザＵが情報端末２を使用する場所と異なる場所（例えばクラウド上）に設けられていることが想定されるが、ユーザＵが情報端末２を使用する場所に設けられていてもよい。

情報端末２は、運動するユーザＵが使用する端末である。ユーザＵは、デバイスＤの設定及び情報処理装置１からの推定結果の取得を行うために情報端末２を使用する。情報端末２は、スマートフォン、タブレット型パーソナルコンピュータのような携帯型端末であることが好ましいが、デスクトップ型パーソナルコンピュータのような据置型端末であってもよい。

デバイスＤは、身体の部位の動きを検出できるセンサであり、例えば、加速度センサ、角速度センサ又は両センサを併用したセンサ等である。デバイスＤは、運動するユーザＵに装着可能なウェアラブル端末であってもよい。一例として、デバイスＤの１つの面には、ユーザＵの肌に密着しやすくするための粘着性部材が付されている。デバイスＤは、ユーザＵの肌に直接装着されてもよいし、ユーザＵに密着する服の上から装着されてもよい。デバイスＤに粘着性部材が付されておらず、デバイスＤが金属部を有していてもよい。この場合、ユーザＵは、例えば、ユーザＵがスポーツウェアにおける首の後ろ側の襟元の位置で、スポーツウェアの内側にデバイスＤを差し込み、スポーツウェアの外側からデバイスＤを磁石で固定することで、デバイスＤをユーザＵに密着した状態で装着できる。

加速度センサは、ユーザＵの運動中の動作速度の変化の割合（加速度）を計測する。加速度センサは、例えば、互いに直交する３軸方向の各々に沿った加速度成分（加速度信号）を検出して加速度データとして出力する。角速度センサは、ユーザＵの運動中の動作方向の変化（角速度）を計測する。角速度センサは、例えば、互いに直交する３軸について、各軸に沿った回転運動の回転方向に生じる角速度成分（角速度信号）を検出して角速度データとして出力する。

近年、人々は、自らの健康状態や運動状態を把握することに対して高い関心を持っている。自らの健康状態や運動状態を把握するために、人の身体にセンサやデバイスを装着することで、身体の動きを分析するという方法があるが、従来の技術では、動きを把握したい部位のすべてにセンサやデバイスを装着する必要があるという問題が生じていた。

そこで、情報処理システムＳは、分析の対象となる対象者の身体の第１部位（例えば、首）に装着されたデバイスＤが取得した、対象者の第１部位の動きを示す実測モーションデータを推定用モデルに入力し、対象者の身体における第１部位と異なる１以上の第２部位（例えば、膝）の動きを示す推定モーションデータを推定用モデルから取得する。つまり、情報処理システムＳは、実測されたある部位の動きに基づいて、別の部位の動きを推定することができる。

推定用モデルは、上記推定の前に予め作成しておく必要がある。推定用モデルは、身体の第１部位に装着された第１デバイスと、第２部位に装着された第２デバイスと、が同じタイミングで取得した、第１部位の動きを示す第１モーションデータ及び第２部位の動きを示す第２モーションデータに基づいて作成されたモデルである。以下、図１を参照して、処理システムＳの動作の概要を説明する。

まず、ユーザＵは、運動する前に情報端末２から、デバイスＤと情報端末２を連携（ペアリング）する設定、デバイスＤを装着する部位の設定、自身のプロフィールの登録、及び、目標の設定等を行う。

ユーザＵが運動を開始すると、デバイスＤは、デバイスＤが装着された身体の第１部位（例えば、首）の動きを示す実測モーションデータを随時取得する。デバイスＤは、取得した実測モーションデータを情報処理装置１に送信する。

情報処理装置１は、受信した身体の第１部位の動きを示す実測モーションデータを推定用モデルに入力することで、第１部位と異なる第２部位（例えば、膝）の動きを示す推定モーションデータを推定用モデルから取得する。情報処理装置１は、推定用モデルとして、以下の２種類のうち少なくともいずれかを使用する。

一つ目の推定用モデルは、第１部位の動きを示す第１モーションデータ及び第２部位の動きを示す第２モーションデータとのセットを複数有するモーションデータセットを参照することにより、推定モーションデータを出力するためのプログラム又はデータである。この推定用モデルは、入力された実測モーションデータと所定の閾値以上の類似度を有する第１モーションデータを特定し、特定した第１モーションデータと関連付けられた第２モーションデータを、推定モーションデータとして出力する。

二つ目の推定用モデルは、第１部位の動きを示す第１モーションデータ及び第２部位の動きを示す第２モーションデータとの複数のセットを教師データとして用いて機械学習した機械学習モデルである。この推定用モデルは、入力された実測モーションデータに対応する第２部位のモーションデータとして最も確からしいモーションデータを、推定モーションデータとして出力する。

そして、情報処理装置１は、取得した身体の第２部位の動きを示す推定モーションデータを情報端末２に送信する。情報端末２は、受信した推定モーションデータを表示する。ユーザＵは、情報端末２に表示された推定モーションデータを参照することで、デバイスＤを装着していない第２部位（例えば、膝）がどのような動きをしていたのかを把握し、今後の運動や休養等に役立てることができる。なお、情報端末２は、ユーザＵの身体の状態（怪我のリスクや身体の疲労度等）を併せて表示してもよい。

このように、情報処理システムＳは、ユーザＵの身体の第１部位（例えば、首）に装着されたデバイスＤが取得した第１部位の動きに基づいて、身体における第１部位と異なる１以上の第２部位（例えば、膝）の動きを推定できる。これにより、ユーザＵは、従来のように動きを把握したい部位のすべてにセンサやデバイスを装着する必要がなくなる。この結果、ユーザＵの経済的、身体的及び時間的な負担が軽減される。

特に、多くのスポーツの動作において、首の頸椎の動きは人間の他の骨の動きとの連動性が高いため、第１部位として頸椎を用いることが有効であることを発明者は見出した。一例として、首の動きと膝の動きの相関度は、右腕の動きと膝の動きの相関度よりも高い。したがって、第１部位として首を用いることにより、首と異なる第２部位の動きの推定精度が高まる。
以下、情報処理装置１及び情報端末２の構成及び動作を詳細に説明する。

［情報処理装置１の構成及び動作］
情報処理装置１の構成及び動作を説明する。図２は、情報処理装置１の構成の一例を示す図である。情報処理装置１は、図２に示すように、装置通信部１１と、記憶部１２と、制御部１３と、を備える。

装置通信部１１は、インターネット等の通信ネットワークを介して情報端末２及びデバイスＤと通信を行うための通信インターフェースである。

記憶部１２は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）及びＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等を含む記憶媒体である。記憶部１２は、制御部１３が実行するプログラムを記憶している。例えば、記憶部１２は、制御部１３を、受信部１３１、同定部１３２、推定部１３３及び出力部１３４として機能させる情報処理プログラムを記憶している。記憶部１２は、推定用モデルを記憶する。

推定用モデルは、身体の第１部位に装着された第１デバイスと、身体における第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、第１部位の動きを示す第１モーションデータ及び第２部位の動きを示す第２モーションデータに基づいて作成されたモデルである。推定用モデルは、第１部位の動きを示すモーションデータが入力されると、第２部位の動きを示すモーションデータを出力する。

第１部位は、例えば身体における１箇所の部位であり、第２部位は、例えば身体における１箇所以上の部位である。具体的には、第１部位は、例えば首であり、第２部位は、例えば身体における首以外の部位（例えば、腕、膝）である。つまり、推定用モデルは、例えば、首の動きを示すモーションデータが入力されると、全身の動きを示すモーションデータを出力できる。

第１デバイス及び第２デバイスは、身体の部位の動きを検出できるセンサであり、例えば、加速度センサ、角速度センサ又は両センサを併用したセンサ等である。第１デバイス及び第２デバイスは、デバイスＤと異なる従来のデバイスでもよいし、デバイスＤでもよい。「同じタイミング」は、全く同じタイミングでもよいし、厳密には異なる所定の範囲内（例えば、数ミリ秒内）に収まるタイミングでもよい。

モーションデータは、身体の部位の動きを示すデータである。モーションデータは、例えば、横軸がフレーム数であり、縦軸が角速度（単位：ラジアン毎秒（ｒａｄ／ｓ）又は度毎秒（ｄｅｇ／ｓ））である二次元グラフを示すデータである。

推定用モデルは、第１モーションデータ、第２モーションデータ、並びに第１モーションデータが示す動き及び第２モーションデータが示す動きが行われた場合における身体の状態を示す状態データに基づいて作成されたモデルであってもよい。身体の状態は、例えば、怪我のリスク及び身体の疲労度等である。モデルを作成するために使用される学習用の状態データは、例えば、第１デバイス及び第２デバイスを装着して学習用の第１モーションデータ及び第２モーションデータが取得された人物を対象として、当該人物の身体の状態を観察した結果、身体の状態を計測した結果、又は当該人物から身体が痛い部位をヒアリングした結果の少なくともいずれかを示すデータである。

記憶部１２は、動きの種別毎に推定用モデルを記憶してもよい。動きの種別は、例えば、スポーツの種別（ジョギング、野球及びテニス等）でもよいし、同一スポーツ内における動きの種別（野球の投球の場合、オーバースロー及びアンダースロー等）でもよい。推定用モデルとしては、以下の２種類がある。

一つ目の推定用モデルは、第１部位の動きを示す第１モーションデータ及び第２部位の動きを示す第２モーションデータとのセットを複数有するモデルである。このモデルを、以下、モーションデータセットということがある。図３は、モーションデータセットの一例を示す図である。モーションデータセットにおいては、動きの種別毎に、第１モーションデータと、第２モーションデータと、身体の状態を示す状態データと、が関連付けられている。

二つ目の推定用モデルは、第１部位の動きを示す第１モーションデータ及び第２部位の動きを示す第２モーションデータとの複数のセットを教師データとして用いて機械学習した機械学習モデルである。図４は、機械学習データの一例を示す図である。機械学習データにおいては、動きの種別と、学習された機械学習モデルと、が関連付けられている。なお、機械学習は、公知の手法を用いて行うことができる。公知の手法とは、例えば、畳み込みニューラルネットワーク（ＣＮＮ）、ロジスティック回帰、サポートベクターマシン（ＳＶＭ）、決定木及びランダムフォレスト等の手法である。

制御部１３は、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。制御部１３は、記憶部１２に記憶された情報処理プログラムを実行することにより、受信部１３１、同定部１３２、推定部１３３及び出力部１３４として機能する。

受信部１３１は、分析の対象となる対象者であるユーザＵの第１部位に装着されたデバイスＤが取得した、ユーザＵの第１部位の動きを示す実測モーションデータを受信する。受信部１３１は、例えば、デバイスＤから、装置通信部１１を介して、ユーザＵの第１部位の動きを示す実測モーションデータを受信する。

受信部１３１は、デバイスＤが実測モーションデータを取得した後、直ちに、デバイスＤから実測モーションデータを受信してもよい。これにより、ユーザＵは、運動をしながらリアルタイムで、第２部位の動きを示す推定モーションデータを参照し、身体の動きの改善等をできる。

受信部１３１は、動きの種別を受信してもよい。受信部１３１は、例えば、ユーザＵが情報端末２に入力した動きの種別を、情報端末２から、装置通信部１１を介して受信してもよい。このように、ユーザＵが動きの種別を直接入力することで、誤った動きの種別を推定モーションデータの推定の際に使用することがなくなるため、推定モーションデータの推定の精度が向上する。

ただし、ユーザＵの中には、動きの種別を入力する手間を省きたいというユーザＵや、あるいは、そもそも運動中のため動きの種別を入力できないというユーザＵもいる。そこで、同定部１３２は、受信されたユーザＵの第１部位の動きを示す実測モーションデータが示す動きの種別を同定する。

同定部１３２は、例えば、受信されたユーザＵの第１部位の動きを示す実測モーションデータと、動きの種別毎の第１部位の動きを示す典型的なモーションデータと、を比較し、類似度が最も高い動きの種別を同定する。例えば、ユーザＵの首の動きを示す実測モーションデータが、人がジョギング又は野球をしている際の首の動きを示す典型的なモーションデータよりも、人がテニスをしている際の首の動きを示す典型的なモーションデータとの類似度が高い場合、同定部１３２は、動きの種別として「テニス」を同定する。このように、同定部１３２が動きの種別を同定することで、ユーザＵが動きの種別を入力する必要がなくなるため、ユーザＵの負担が軽くなる。

推定部１３３は、受信された実測モーションデータを推定用モデルに入力し、ユーザＵの第２部位の動きを示す推定モーションデータを推定用モデルから取得する。推定部１３３は、動きの種別を考慮せずに推定モーションデータを取得してもよいが、次段落で説明するように、動きの種別を考慮して推定モーションデータを取得することが好ましい。

推定部１３３は、受信部１３１において受信された又は同定部１３２において同定された動きの種別に対応する推定用モデルに実測モーションデータを入力し、当該推定用モデルから推定モーションデータを取得してもよい。これにより、推定部１３３は、より適切な推定用モデルを用いてより適切な推定モーションデータを取得できる。以下、推定用モデルが行う推定モーションデータの出力について説明する。

推定用モデルがモーションデータセットである場合、推定用モデルは、入力された実測モーションデータと所定の閾値以上の類似度を有する第１モーションデータを特定する。例えば、図３に示すモーションデータセットの推定用モデルは、受信部１３１において受信された又は同定部１３２において同定された動きの種別に対応し、かつ、入力された実測モーションデータとの類似度がＸ％以上という基準を満たす第１モーションデータを特定する。所定の閾値であるＸの値は、例えば、複数のモーションデータのうち、他のモーションデータよりも類似する確率に基づいて定められており、例えば８０％である。推定用モデルは、入力された実測モーションデータに最も類似する第１モーションデータを特定してもよい。

続いて、推定用モデルは、特定した第１モーションデータと関連付けられた第２モーションデータを出力する。例えば、図３に示すモーションデータセットの推定用モデルは、特定した第１モーションデータと同じ行に格納された第２モーションデータを出力する。

推定用モデルが機械学習モデルである場合、推定用モデルは、入力された実測モーションデータに対応する第２部位のモーションデータとして最も確からしいモーションデータを出力する。この際に使用される機械学習モデルは、例えば、図４に示す機械学習データにおいて、受信部１３１において受信された又は同定部１３２において同定された動きの種別に対応する機械学習モデルである。

推定用モデルがモーションデータセットである場合と機械学習モデルである場合のいずれの場合においても、推定用モデルは、第２部位の動きを示す推定モーションデータと共に、第２部位の理想的な動きを示す理想モーションデータを出力してもよい。これにより、ユーザＵは、推定モーションデータと理想モーションデータとの乖離を視覚的に把握し、身体の動きの改善に役立てることができる。なお、推定用モデルは、推定モーションデータのグラフと理想モーションデータのグラフを、重ねて（同期させて）表示してもよいし、あるいは、縦並びや横並びにして表示してもよい。

推定用モデルは、推定モーションデータが示す値に基づいてスコアを算出してもよい。また、推定用モデルは、推定モーションデータが示す値又は算出したスコアに基づいて、身体の状態（怪我のリスク、身体の疲労度等）、運動の状態（速度ペース、バランス、ピッチスライド、パワー、スピード、スタミナ、積極性、安定感、不足動作等）、及び、休息や運動に関する提案（ケア方法、レスト方法、練習内容、補強運動等）等を解析結果として出力してもよい。推定用モデルは、これらの解析結果を数値化して、グラフやレーダーチャートとして出力してもよい。このように解析結果を可視化すれば、ユーザＵは、運動に関して、自身に足りていないことや気を付けるべきことを容易かつ迅速に把握できる。

なお、推定用モデルは、公知の情報を参照して解析結果を数値化してもよい。推定用モデルは、例えば、モーションデータが示す値又は算出したスコアと解析結果に関する値とが関連付けられたデータを参照して、推定モーションデータが示す値又は算出したスコアに関連付けられた解析結果に関する値を出力する。一例として、推定用モデルは、推定モーションデータが示す角速度に基づいて算出したスコアの範囲（例えば〇〇点以上）と怪我のリスクの大きさを示す値（例えば〇〇％）とを関連付けて出力する。あるいは、推定用モデルは、例えば、モーションデータが示す値又は算出したスコアと解析結果に関する値とを教師データとして用いて機械学習させた機械学習モデルに、推定モーションデータが示す値又は算出したスコアを入力することにより、解析結果に関する値を出力してもよい。

ここで、実測モーションデータと推定モーションデータの具体例について説明する。図５Ａは、首の動きを示す実測モーションデータの一例を示す図である。図５Ａにおいて、横軸はフレーム数を示し、縦軸は角速度（ｒａｄ／ｓ）を示す。互いに直交する３方向をｘ方向、ｙ方向、ｚ方向とした場合に、図５Ａにおいて、「ｘ」を付したグラフはｘ方向の角速度に対応し、「ｙ」を付したグラフはｙ方向の角速度に対応し、「ｚ」を付したグラフはｚ方向の角速度に対応する。図５Ｂは、首の動きを示す実測モーションデータから推定用モデルを用いて推定した膝の回転角度を示す推定モーションデータの一例を示す図である。図５Ｂにおいて、横軸はフレーム数を示し、縦軸は角速度（ｄｅｇ／ｓ）を示す。図５は、１００ｈｚで計測した結果であるため、１フレームあたり１／１００秒となり、全体での計測時間は約６秒（（１／１００秒）×約６００フレーム）となる。

また、本実施形態に係る推定用モデルの信頼性を検証した結果について説明する。図６Ａは、ユーザがテニスのサーブをしている際における右前腕の伸展速度を示す実測モーションデータの一例を示す図である。図６Ｂは、ユーザがテニスのサーブをしている際における首の動きを示す実測モーションデータから推定用モデルを用いて推定した右前腕の伸展速度を示す推定モーションデータの一例を示す図である。図７Ａは、ユーザが野球のバッティングをしている際における右前腕の内旋速度を示す実測モーションデータの一例を示す図である。図７Ｂは、ユーザが野球のバッティングをしている際における首の動きを示す実測モーションデータから推定用モデルを用いて推定した右前腕の内旋速度を示す推定モーションデータの一例を示す図である。この４図において、横軸はフレーム数を示し、縦軸は角速度（ｒａｄ／ｓ）を示す。図６及び図７は、６０ｈｚで計測した結果であるため、１フレームあたり１／６０秒となり、全体での計測時間は、図６については約３秒（（１／６０秒）×約１８０フレーム）、図７については約０．６７秒（（１／６０秒）×約４０フレーム）となる。

図６Ａのグラフと図６Ｂのグラフの値及び形状は類似しており、また、図７Ａのグラフと図７Ｂのグラフの値及び形状も類似していた。つまり、首の動きを示す実測モーションデータから推定用モデルを用いて推定した腕の動きを示す推定モーションデータのグラフ（推定値を示すグラフ）は、首の動きを示す実測モーションデータの取得と同じタイミングで取得した腕の動き示す実測モーションデータのグラフ（実測値を示すグラフ）と、値及び形状が類似していた。このことから、本実施形態に係る推定用モデルは、信頼性の高いものであることが確認された。

ここまでの説明では、推定用モデルが推定モーションデータを出力する場合の処理を説明したが、前述のように、推定用モデルが、第１モーションデータ、第２モーションデータ並びに第１モーションデータが示す動き及び第２モーションデータが示す動きが行われた場合における身体の状態を示す状態データに基づいて作成されている場合もある。このように、推定用モデルの作成に状態データを用いている場合、推定部１３３は、第１部位の動きを示す実測モーションデータを推定用モデルに入力し、推定モーションデータ及び身体の状態を推定した結果である状態推定データを当該推定用モデルから取得する。以下、推定用モデルが行う推定モーションデータ及び状態推定データの出力について説明する。

推定用モデルは、第１部位の動きを示すモーションデータが入力されると、第２部位の動きを示すモーションデータ及び身体の状態を推定した結果である状態推定データを出力する。例えば、推定用モデルがモーションデータセットである場合、推定用モデルは、まず、入力された実測モーションデータと所定の閾値以上の類似度を有する第１モーションデータを前述の方法により特定する。続いて、推定用モデルは、特定した第１モーションデータと関連付けられた第２モーションデータを推定モーションデータとして出力すると共に、特定した第１モーションデータと関連付けられた状態データを状態推定データとして出力する。

また、例えば、推定用モデルが機械学習モデルである場合、推定用モデルは、入力された実測モーションデータに対応する第２部位のモーションデータとして最も確からしいモーションデータを推定モーションデータとして出力すると共に、入力された実測モーションデータに対応する身体の状態として最も確からしい状態データを状態推定データとして出力する。

このように、推定部１３３が推定モーションデータに加えてユーザＵの身体の状態も推定することで、ユーザＵは、自身の身体の状態に合わせて、運動の量や運動の仕方を改善することができる。この結果、ユーザＵは、長期にわたって、健康的かつ効果的な運動を行うことができる。

ここまで説明してきたように、本実施形態においては、ユーザＵは、基本的には、第１部位に１つのデバイスＤを装着すればよい。しかしながら、より精度の高い推定モーションデータを得たい場合には、ユーザＵは、第１部位及び第２部位とは異なる第３部位にデバイスＤを装着してもよい。以下、複数箇所にデバイスＤを装着する場合の処理について説明する。

この場合に推定部１３３が使用する推定用モデルは、身体の第１部位に装着された第１デバイスと、身体における第１部位と異なる第２部位に装着された第２デバイスと、第１部位及び第２部位とは異なる第３部位に装着された第３デバイスと、が同じタイミングで取得した、第１モーションデータ、第２モーションデータ及び第３部位の動きを示す第３モーションデータに基づいて作成されたモデルである。この場合、モーションデータセットにおいては、動きの種別毎に、第１モーションデータと、第２モーションデータと、第３モーションデータと、身体の状態を示す状態データと、が関連付けられることとなる。

また、推定部１３３が機械学習モデルを使用する場合、機械学習モデルとしては、第１モーションデータ、第２モーションデータ及び第３モーションデータに基づいて作成された１つのモデルが使用される。あるいは、機械学習モデルとして、第１モーションデータ及び第２モーションデータに基づいて作成された第１モデルと、第２モーションデータ及び第３モーションデータに基づいて作成された第３モデルと、の２つのモデルが使用されてもよい。

受信部１３１は、ユーザＵの第１部位に装着されたデバイスが取得した、ユーザＵの第１部位の動きを示す第１実測モーションデータと、ユーザＵの第３部位に装着されたデバイスが取得した、ユーザＵの第３部位の動きを示す第３実測モーションデータと、を受信する。

推定部１３３は、第１実測モーションデータ及び第３実測モーションデータを推定用モデルに入力し、ユーザＵの第２部位の動きを示す推定モーションデータを当該推定用モデルから取得する。以下、推定用モデルが行う推定モーションデータの出力について説明する。

推定用モデルは、第１部位の動きを示すモーションデータ及び第３部位の動きを示すモーションデータが入力されると、第２部位の動きを示すモーションデータを出力する。推定用モデルがモーションデータセットである場合、推定用モデルは、入力された第１実測モーションデータと所定の閾値以上の類似度を有する第１モーションデータ及び入力された第３実測モーションデータと所定の閾値以上の類似度を有する第３モーションデータを特定する。続いて、推定用モデルは、特定した第１モーションデータと関連付けられた第２モーションデータと、特定した第３モーションデータと関連付けられた第２モーションデータと、を推定モーションデータとして特定する。

推定用モデルが１つの機械学習モデルである場合、推定用モデルは、推定用モデルに入力された第１実測モーションデータ及び第３実測モーションデータに対応する第２部位のモーションデータとして最も確からしいモーションデータを推定モーションデータとして特定する。この場合、推定部１３３は、機械学習モデルに第１実測モーションデータ及び第３実測モーションデータを入力し、機械学習モデルから出力される第２部位の動きを示すモーションデータを推定モーションデータとする。

推定用モデルが２つの機械学習モデルである場合、推定用モデルは、第１モデルに入力された第１実測モーションデータに対応する第２部位のモーションデータとして最も確からしいモーションデータと、第３モデルに入力された第３実測モーションデータに対応する第２部位のモーションデータとして最も確からしいモーションデータと、に基づいて推定モーションデータとして特定する。

推定用モデルがモーションデータセットである場合又は推定用モデルが２つの機械学習モデルである場合、推定用モデルは、第１実測モーションデータと第３実測モーションデータのうち、第２部位により近い部位の実測モーションデータが、ユーザＵの第２部位の動きを示す推定モーションデータにより高い割合で反映されるようにする。具体的には、推定モデルは、例えば第１実測モーションデータに基づく第１推定モーションデータ及び第３実測モーションデータに基づく第３推定モーションデータを加重平均したモーションデータを、ユーザＵの第２推定モーションデータとして出力する。推定用モデルは、例えば、第１推定モーションデータが示す値に第１部位から第２部位までの距離を乗算した値と、第３推定モーションデータが示す値に第３部位から第２部位までの距離を乗算した値と、を加算した値を、第１部位から第２部位までの距離と第３部位から第２部位までの距離を加算した値で除算した値を、第２推定モーションデータとして出力してもよい。

このように、推定用モデルが、複数箇所に装着されたデバイスＤがそれぞれ取得した複数の実測モーションデータに基づいて推定モーションデータを出力することで、例えば、ある箇所に基づく推定モーションデータの値が実測値と多少乖離している場合においても、別の箇所に基づく推定モーションデータの値を用いて補正される。その結果、最終的に出力される推定モーションデータの信頼性が高まる。また、複数箇所に装着されたデバイスＤがそれぞれ取得した複数の実測モーションデータそれぞれに基づいて取得した推定モーションデータの値を、デバイスＤから第２部位までの距離に応じて加重平均すれば、最終的に出力される推定モーションデータの信頼性がより一層高まる。

出力部１３４は、第２部位の動きを示す推定モーションデータを出力する。出力部１３４は、例えば、推定モーションデータを、装置通信部１１を介して、ユーザＵが使用する情報端末２に送信することにより出力する。あるいは、出力部１３４は、推定モーションデータを印刷できるようにプリンタに出力してもよい。なお、推定部１３３が状態推定データを推定用モデルから取得している場合には、出力部１３４は、推定モーションデータ及び状態推定データを出力する。

このように、出力部１３４が第２部位の動きを示す推定モーションデータを出力することで、ユーザＵは、デバイスＤが装着されていない第２部位の動きを把握することができる。つまり、ユーザＵは、基本的には、第１部位に１つのデバイスＤを装着すれば、自身の全身の動きを把握できる。これにより、ユーザＵは、従来のように自身の動きを知りたいすべての部位にセンサやデバイスを装着する必要がなくなるため、ユーザＵの経済的、身体的及び時間的な負担が軽減される。

上述したように、首の頸椎の動きは人間の他の骨の動きとの連動性が比較的高いため、第１部位として首を用いることにより、出力される推定モーションデータの信頼性も高まる。また、デバイスＤを装着する第１部位が首であれば、衣服を装着した状態でデバイスＤの装着ができるためデバイスＤの装着が容易である。

［情報端末２の構成及び動作］
情報端末２の構成及び動作を説明する。図８は、情報端末２の構成の一例を示す図である。情報端末２は、図８に示すように、操作部２１と、端末通信部２２と、表示部２３と、記憶部２４と、制御部２５と、を備える。

操作部２１は、ユーザＵの操作を受けるデバイスであり、例えば表示部２３上に設けられたタッチパネルである。端末通信部２２は、インターネット等の通信ネットワークを介して、情報処理装置１及びデバイスＤと通信を行うための通信インターフェースである。端末通信部２２は、第２部位の動きを示す推定モーションデータを受信する。

表示部２３は、例えば、液晶ディスプレイ又は有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等により構成される。表示部２３は、表示処理部２５１の制御に応じて各種情報を表示する。表示部２３は、例えば、デバイスＤに関する各種設定を行うための画面、ユーザＵに関する情報登録を行うための画面、及び第２部位の動きを示す推定モーションデータを示す画面を表示する。

記憶部２４は、ＲＯＭ及びＲＡＭ等を含む記憶媒体である。記憶部２４は、制御部２５が実行するプログラムを記憶している。例えば、記憶部２４は、制御部２５を、表示処理部２５１及び設定受付部２５２として機能させるプログラムを記憶している。

制御部２５は、例えばＣＰＵである。制御部２５は、記憶部２４に記憶されたプログラムを実行することにより、表示処理部２５１及び設定受付部２５２として機能する。

表示処理部２５１は、各種の情報を表示部２３に表示させる。表示処理部２５１は、デバイスＤに関する各種設定を行うための画面及びユーザＵに関する情報登録を行うための画面を表示部２３に表示させる。また、表示処理部２５１は、第２部位の動きを示す推定モーションデータを、端末通信部２２を介して、情報処理装置１の出力部１３４から受信した後、受信した推定モーションデータを表示部２３に表示させる。

設定受付部２５２は、ユーザＵの第１部位に装着されたデバイスＤに関する設定を受け付ける。設定受付部２５２は、例えば、操作部２１からのユーザＵによる操作を介して、デバイスＤに関する各種設定及びユーザＵに関する情報登録の操作をユーザＵから受け付ける。設定受付部２５２は、端末通信部２２を介して、受け付けたデバイスＤに関する各種設定をデバイスＤに反映するための命令をデバイスＤに送信する。設定受付部２５２は、端末通信部２２を介して、受け付けたユーザＵに関する情報を情報処理装置１に送信する。

［情報処理装置１における処理の流れ］
図９は、情報処理装置１における処理の流れを示すフローチャートである。以下、図９を参照して、情報処理装置１における処理の流れを説明する。

受信部１３１は、ユーザＵの第１部位の動きを示す実測モーションデータを、ユーザＵに装着されたデバイスＤから受信する（Ｓ１）。続いて、受信部１３１は、ユーザＵによって、動きの種別が情報端末２に入力されているか否かを判定する（Ｓ２）。動きの種別が入力されていない場合（Ｓ２：ＮＯ）、同定部１３２は、受信された実測モーションデータが示す動きの種別を同定する（Ｓ３）。これに対して、動きの種別が入力されている場合（Ｓ２：ＹＥＳ）、Ｓ３を飛ばして以下のＳ４に進む。

推定部１３３は、推定モーションデータの取得に際して、第１モーションデータと第２モーションデータとの複数のセットを教師データとして用いて機械学習した機械学習モデルが使用されるか否かを判定する（Ｓ４）。推定部１３３が、機械学習モデルが使用されると判定した場合（Ｓ４：ＹＥＳ）、機械学習モデルが、当該モデルに入力された実測モーションデータに対応する第２部位のモーションデータとして最も確からしいモーションデータを出力する。推定部１３３は、出力されたモーションデータを、第２部位の動きを示す推定モーションデータとして取得する（Ｓ５）。

一方で、推定部１３３が、機械学習モデルが使用されないと判定した場合（Ｓ４：ＮＯ）、第１モーションデータと第２モーションデータとのセットを複数有する推定用モデルが、入力された実測モーションデータと所定の閾値以上の類似度を有する第１モーションデータを特定し、特定した第１モーションデータと関連付けられた第２モーションデータを出力する。推定部１３３は、出力されたモーションデータを、第２部位の動きを示す推定モーションデータとして取得する（Ｓ６）。

出力部１３４は、第２部位の動きを示す推定モーションデータを、ユーザＵが使用する情報端末２に送信することで、推定モーションデータを出力する（Ｓ７）。

［情報処理装置１による効果］
以上説明したように、本実施形態に係る情報処理装置１は、ユーザＵの身体の第１部位（例えば、首）に装着されたデバイスＤが取得した第１部位の動きに基づいて、身体における第１部位と異なる第２部位（例えば、膝）の動きを推定できる。これにより、ユーザＵは、従来のように自身の動きを把握したい部位のすべてにセンサやデバイスを装着する必要がなくなるため、ユーザＵの経済的、身体的及び時間的な負担が軽減される。

また、本実施形態に係る情報処理装置１は、第２部位の動きに加えて、ユーザＵの身体の状態（怪我のリスクや身体の疲労度）も推定できる。これにより、ユーザＵは、自身の身体の状態に合わせて、運動の量や運動の仕方を改善できる。この結果、ユーザＵは、長期にわたって、健康的かつ効果的な運動を行うことができる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、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。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

１ 情報処理装置
１１ 装置通信部
１２ 記憶部
１３ 制御部
１３１ 受信部
１３２ 同定部
１３３ 推定部
１３４ 出力部
２ 情報端末
２１ 操作部
２２ 端末通信部
２３ 表示部
２４ 記憶部
２５ 制御部
２５１ 表示処理部
２５２ 設定受付部
Ｕ ユーザ
Ｄ デバイス
Ｓ 情報処理システム

Claims (12)

1. 身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを動きの種別毎に記憶する記憶部と、
   分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信部と、
   受信された前記実測モーションデータが示す前記動きの種別を同定する同定部と、
   前記実測モーションデータを、同定された前記動きの種別に対応する前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定部と、
   前記推定モーションデータを出力する出力部と、
   を有する情報処理装置。
2. 身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを記憶する記憶部と、
   分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信部と、
   前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定部と、
   前記推定モーションデータを出力する出力部と、
   を有し、
   前記推定用モデルは、前記第１モーションデータと前記第２モーションデータとのセットを複数有しており、入力された前記実測モーションデータと所定の閾値以上の類似度を有する前記第１モーションデータを特定し、特定した前記第１モーションデータと関連付けられた前記第２モーションデータを出力する、
   情報処理装置。
3. 身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータ、並びに、前記第１モーションデータが示す動き及び前記第２モーションデータが示す動きが行われた場合における身体の状態を示す状態データに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータ及び身体の状態を推定した結果である状態推定データを出力する推定用モデルを記憶する記憶部と、
   分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信部と、
   前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータ及び前記状態推定データを前記推定用モデルから取得する推定部と、
   前記推定モーションデータ及び前記状態推定データを出力する出力部と、
   を有する情報処理装置。
4. 前記第１部位が身体における１箇所の部位であり、前記第２部位が身体における１箇所以上の部位である、
   請求項１から３のいずれか一項に記載の情報処理装置。
5. 前記第１部位が首であり、前記第２部位が身体における首以外の部位である、
   請求項４に記載の情報処理装置。
6. 身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、前記第１部位及び前記第２部位とは異なる第３部位に装着された第３デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ、前記第２部位の動きを示す第２モーションデータ及び前記第３部位の動きを示す第３モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータ及び前記第３部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを記憶する記憶部と、
   分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す第１実測モーションデータと、前記対象者の前記第３部位に装着されたデバイスが取得した、前記対象者の前記第３部位の動きを示す第３実測モーションデータと、を受信する受信部と、
   前記第１実測モーションデータ及び前記第３実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定部と、
   前記推定モーションデータを出力する出力部と、
   を有し、
   前記推定部は、前記第１実測モーションデータと前記第３実測モーションデータのうち、前記第２部位により近い部位の実測モーションデータが、前記対象者の前記第２部位の動きを示す前記推定モーションデータにより高い割合で反映されるように、前記第１実測モーションデータに基づく推定モーションデータ及び前記第３実測モーションデータに基づく推定モーションデータを加重平均したモーションデータを、前記対象者の前記第２部位の動きを示す前記推定モーションデータとして取得する、
   情報処理装置。
7. 身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを動きの種別毎に記憶する記憶部を有するコンピュータが実行する、
   分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信ステップと、
   受信された前記実測モーションデータが示す前記動きの種別を同定する同定ステップと、
   前記実測モーションデータを、同定された前記動きの種別に対応する前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定ステップと、
   前記推定モーションデータを出力する出力ステップと、
   を有する情報処理方法。
8. 身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを記憶する記憶部を有するコンピュータが実行する、
   分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信ステップと、
   前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定ステップと、
   前記推定モーションデータを出力する出力ステップと、
   を有し、
   前記推定用モデルは、前記第１モーションデータと前記第２モーションデータとのセットを複数有しており、入力された前記実測モーションデータと所定の閾値以上の類似度を有する前記第１モーションデータを特定し、特定した前記第１モーションデータと関連付けられた前記第２モーションデータを出力する、
   情報処理方法。
9. 身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータ、並びに、前記第１モーションデータが示す動き及び前記第２モーションデータが示す動きが行われた場合における身体の状態を示す状態データに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータ及び身体の状態を推定した結果である状態推定データを出力する推定用モデルを記憶する記憶部を有するコンピュータが実行する、
   分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信ステップと、
   前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータ及び前記状態推定データを前記推定用モデルから取得する推定ステップと、
   前記推定モーションデータ及び前記状態推定データを出力する出力ステップと、
   を有する情報処理方法。
10. 情報処理装置と情報端末とを備え、
    前記情報処理装置は、
    身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを動きの種別毎に記憶する記憶部と、
    分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信部と、
    受信された前記実測モーションデータが示す前記動きの種別を同定する同定部と、
    前記実測モーションデータを、同定された前記動きの種別に対応する前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定部と、
    前記推定モーションデータを出力する出力部と、
    を有し、
    前記情報端末は、
    前記対象者の前記第１部位に装着されたデバイスに関する設定を受け付ける設定受付部と、
    前記推定モーションデータを受信する端末通信部と、
    を有する情報処理システム。
11. 情報処理装置と情報端末とを備え、
    前記情報処理装置は、
    身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータを出力する推定用モデルを記憶する記憶部と、
    分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信部と、
    前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータを前記推定用モデルから取得する推定部と、
    前記推定モーションデータを出力する出力部と、
    を有し、
    前記推定用モデルは、前記第１モーションデータと前記第２モーションデータとのセットを複数有しており、入力された前記実測モーションデータと所定の閾値以上の類似度を有する前記第１モーションデータを特定し、特定した前記第１モーションデータと関連付けられた前記第２モーションデータを出力し、
    前記情報端末は、
    前記対象者の前記第１部位に装着されたデバイスに関する設定を受け付ける設定受付部と、
    前記推定モーションデータを受信する端末通信部と、
    を有する情報処理システム。
12. 情報処理装置と情報端末とを備え、
    前記情報処理装置は、
    身体の第１部位に装着された第１デバイスと、前記身体における前記第１部位と異なる第２部位に装着された第２デバイスと、が同じタイミングで取得した、前記第１部位の動きを示す第１モーションデータ及び前記第２部位の動きを示す第２モーションデータ、並びに、前記第１モーションデータが示す動き及び前記第２モーションデータが示す動きが行われた場合における身体の状態を示す状態データに基づいて作成された推定用モデルであって、前記第１部位の動きを示すモーションデータが入力されると、前記第２部位の動きを示すモーションデータ及び身体の状態を推定した結果である状態推定データを出力する推定用モデルを記憶する記憶部と、
    分析の対象となる対象者の前記第１部位に装着されたデバイスが取得した、前記対象者の前記第１部位の動きを示す実測モーションデータを受信する受信部と、
    前記実測モーションデータを前記推定用モデルに入力し、前記対象者の前記第２部位の動きを示す推定モーションデータ及び前記状態推定データを前記推定用モデルから取得する推定部と、
    前記推定モーションデータ及び前記状態推定データを出力する出力部と、
    を有し、
    前記情報端末は、
    前記対象者の前記第１部位に装着されたデバイスに関する設定を受け付ける設定受付部と、
    前記推定モーションデータを受信する端末通信部と、
    を有する情報処理システム。

Images