JPWO2015098304A1 - 解析装置、記録媒体および解析方法 - Google Patents

Abstract

【課題】スポーツの一連のプレーについて得られたデータを系列または集合として解析する。【解決手段】スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、上記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、上記抽出された複数のプレーイベントを示すデータを解析する解析機能とを実現するプロセッサを備える解析装置が提供される。【選択図】図３

Description

本開示は、解析装置、記録媒体および解析方法に関する。

これまでに、センシングや解析を利用して、スポーツのプレーを支援する技術が多く開発されてきている。例えば、特許文献１には、モーションセンサの検出データを用いてスイングの動作の検出を行い、スイングの動作が検出されたデータをスイング候補データとして抽出し、スイングに関連付けられる判定条件に基づきスイング候補データから真のスイングデータを選択する技術が記載されている。これによって、例えば、ユーザがスイング動作の開始や終了のタイミングを支持する必要がなく、比較的小さい計算負荷でスイングデータの抽出を行うことができる。

特開２０１２−２５４２０５号公報

しかしながら、特許文献１に記載されたような技術では、個々のスイングを解析することはできるものの、得られたデータを系列または集合として解析していない。スポーツのプレーの上達のためには、スイングなどの個々のプレーを解析して改善点などを発見することも重要であるが、例えばゲームやセット構成する一連のプレーは相互に関係しており、個々のプレーに着目するにしてもその前後のプレーの影響は無視できない。また、いわゆる試合運びやプレーのコンビネーションといったものについては、一連のプレーについて得られたデータを系列または集合として解析しなければ把握することが困難である。

そこで、本開示では、スポーツの一連のプレーについて得られたデータを系列または集合として解析することが可能な、新規かつ改良された解析装置、記録媒体および解析方法を提案する。

本開示によれば、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、上記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、上記抽出された複数のプレーイベントを示すデータを解析する解析機能とを実現するプロセッサを備える解析装置が提供される。

また、本開示によれば、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、上記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、上記抽出された複数のプレーイベントを示すデータを解析する解析機能とをコンピュータに実現させるためのプログラムが格納された記録媒体が提供される。

また、本開示によれば、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得することと、上記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出することと、上記抽出された複数のプレーイベントを示すデータを解析することとを含む解析方法が提供される。

以上説明したように本開示によれば、スポーツの一連のプレーについて得られたデータを系列または集合として解析することができる。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態に係るシステム構成の例を示す図である。 本開示の一実施形態に係るシステムの装置構成を概略的に示すブロック図である。 本開示の一実施形態における解析処理の例について説明するための図である。 図３に示した例におけるフィルタ部の機能を概念的に示す図である。 図４の例において抽出されたプレーイベント群に対する解析の例を示す図である。 図５の例において示されたプレーイベントの特徴の分散と習熟度との関係について説明するための図である。 図４の例におけるプレーイベントの特徴に基づく解析の他の例を示す図である。 本実施形態における単一のユーザのプレーイベントの解析結果のさらなる例を示す図である。 本実施形態における単一のユーザのプレーイベントの解析結果のさらなる例を示す図である。 本開示の一実施形態における複数のユーザのプレーイベントの解析の例について説明するための図である。 本開示の一実施形態における複数のユーザのプレーイベントの解析の例についてより具体的に説明するための図である。 図１１に示した解析の結果を２次元平面において表現する情報の例を示す図である。 図１１に示した解析の結果を２次元平面において表現する情報の例を示す図である。 本実施形態における複数のユーザのプレーイベントの解析結果のさらなる例を示す図である。 本実施形態における複数のユーザのプレーイベントの解析結果のさらなる例を示す図である。 本開示の実施形態に係るセンサ装置のハードウェア構成の例を示す図である。 本開示の実施形態に係る解析装置のハードウェア構成の例を示す図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１．システム構成
２．解析処理の例
２−１．単一のユーザのプレーイベントの解析
２−２．複数のユーザのプレーイベントの解析
３．ハードウェア構成
４．補足

なお、以下の説明は、具体的なスポーツの例（テニス）を用いてなされるが、本技術の適用範囲は例示されたスポーツには限られない。例えば、スポーツをプレーするユーザのモーションに基づいてプレーイベントが定義されうる限りにおいて、本技術はどのようなスポーツにでも適用可能である。

（１．システム構成）
図１は、本開示の一実施形態に係るシステム構成の例を示す図である。図１を参照すると、システム１０は、センサ装置１００と、スマートフォン２００と、サーバ３００とを含む。

センサ装置１００は、テニスのラケットＲに装着される。センサ装置１００は、例えばモーションセンサ（例えば加速度センサ、ジャイロセンサ、地磁気センサなど）を備える。この場合、センサ装置１００が直接的に検出するのはラケットＲのモーションであるが、ラケットＲはユーザによって把持され、ユーザの意思に従って運動するため、センサ装置１００はラケットＲのモーションを介して間接的にユーザのモーションを検出しているともいえる。本明細書では、このような場合、センサ装置１００はユーザに間接的に装着されてユーザのモーションを検出しているという。

なお、他の実施形態において、センサ装置１００は、例えばユーザの衣服や靴などに装着されてもよい。この場合も、センサ装置１００が直接的に検出するのは衣服や靴のモーションであるが、衣服や靴はユーザとともに運動するため、センサ装置は間接的にユーザのモーションを検出しているといえる。あるいは、センサ装置１００は、例えばバンドで腕に巻き付けられるなどして、ユーザに直接的に装着されていてもよい。この場合、センサ装置１００は直接的にユーザのモーションを検出しうる。センサ装置１００がユーザのモーションを直接的に検出する場合だけでなく、間接的に検出する場合であっても、検出されるモーションにユーザのモーションが反映されていれば、センサ装置１００が提供する検出結果に基づいて、スポーツをプレーするユーザのモーションに対応するプレーイベントを定義することが可能である。

さらに、センサ装置１００は、振動センサを備えてもよい。振動センサによって検出されるデータによって、例えば、プレーイベントに対応する区間（例えばボールのインパクトの前後の区間）の特定が容易になりうる。また、振動センサによって検出されるデータも、モーションセンサによって検出されるデータと同様にプレーイベントの解析に用いられてもよい。また、センサ装置１００は、気温や湿度、明るさ、位置など、スポーツをプレーするユーザの環境情報を取得するためのセンサをさらに備えてもよい。センサ装置１００が備える各種のセンサによって検出されたデータは、必要に応じて前処理された上で、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によってスマートフォン２００に送信される。

スマートフォン２００は、例えばスポーツをプレーしているユーザの近傍に配置される。この場合、スマートフォン２００は、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によってセンサ装置１００から送信されたデータを受信し、必要に応じて一時的に蓄積したり処理したりした上で、ネットワーク通信によってデータをサーバ３００に送信する。また、スマートフォン２００は、送信されたデータに基づいてサーバ３００が実行した解析の結果を受信し、ディスプレイやスピーカなどを介してユーザに向けて出力してもよい。なお、解析結果の出力時において、ユーザはスポーツをプレーしていなくてもよい。また、解析結果の出力は、スマートフォン２００とは別の、ユーザによって使用される情報処理端末、例えば各種のパーソナルコンピュータやタブレット端末、ゲーム機、テレビなどによって実行されてもよい。
また、スマートフォン２００は、必ずしも、スポーツをプレーしているユーザの近傍に配置されていなくてもよい。この場合、センサ装置１００は、検出されたデータを内部の記憶領域（メモリまたは外部記憶装置）に蓄積しておく。例えば、スポーツのプレー後、センサ装置１００とスマートフォン２００とが接近したときに、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によって、データがセンサ装置１００からスマートフォン２００に送信されてもよい。あるいは、スポーツのプレー後、センサ装置１００とスマートフォン２００とがＵＳＢなどで有線接続されたときにデータが送信されてもよい。また、センサ装置１００からスマートフォン２００へのデータの受け渡しには、リムーバブル記録媒体が用いられてもよい。

サーバ３００は、スマートフォン２００とネットワークを介して通信し、センサ装置１００が備える各種のセンサによって検出されたデータを受信する。サーバ３００は、受信されたデータを用いた解析処理を実行し、スポーツのプレーに関するさまざまな情報を生成する。例えば、サーバ３００は、モーションセンサによって取得された、スポーツをプレーするユーザのモーションを直接的または間接的に示すデータに基づいて、プレーイベントを定義する。プレーイベントは、例えばラケットＲを用いた１回のショットに対応する。プレーイベントを定義することによって、例えば、モーションデータによって表されるユーザのプレーを、｛サーブ、ストローク、ボレー、…｝といったような意味をもったプレーの連なりとして把握することができる。

さらに、サーバ３００は、プレーイベントの解析処理によって、プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出し、抽出された複数のプレーイベントを示すデータを解析してもよい。サーバ３００の解析処理によって生成された情報は、例えばスマートフォン２００に送信され、スマートフォン２００のディスプレイやスピーカを介してユーザに向けて出力される。あるいは、サーバ３００は、スマートフォン２００以外の情報処理端末に情報を送信し、ユーザに向けて出力させてもよい。また、サーバ３００は、複数のユーザについてそれぞれ受信されたデータに基づいて解析処理を実行し、各ユーザについて生成されたプレーパターンなどを比較した結果に基づく情報を生成し、各ユーザの情報処理端末に送信してもよい。

図２は、本開示の一実施形態に係るシステムの装置構成を概略的に示すブロック図である。図２を参照すると、センサ装置１００は、センサ１１０と、処理部１２０と、送信部１３０とを含む。スマートフォン２００は、受信部２１０と、処理部２２０と、記憶部２３０と、送信部２４０と、撮像部２５０と、入力部２６０と、出力部２７０とを含む。サーバ３００は、受信部３１０と、処理部３２０と、記憶部３３０と、送信部３４０とを含む。なお、それぞれの装置を実現するためのハードウェア構成例（センサ装置および解析装置のハードウェア構成例）については後述する。

センサ装置１００では、センサ１１０が取得したデータを処理部１２０が処理し、処理されたデータを送信部１３０がスマートフォン２００に送信する。センサ１１０は、上述の通り、例えばモーションセンサを含み、スポーツをプレーするユーザのモーションを直接的または間接的に検出する。また、センサ１１０は、振動センサやユーザの環境情報を取得するためのセンサなどをさらに含んでもよい。処理部１２０は、プログラムに従って動作するプロセッサによって実現され、センサ１１０によって取得されたデータを必要に応じて前処理する。前処理は、例えばサンプリングやノイズ除去などを含みうる。前処理は必ずしも実行されなくてもよい。送信部１３０は、通信装置によって実現され、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信を利用してデータをスマートフォン２００に送信する。また、図２には示していないが、センサ装置１００は、データを一時的に蓄積するための記憶部を備えてもよい。

スマートフォン２００では、受信部２１０がセンサ装置１００によって送信されたデータを受信し、送信部２４０がデータをサーバ３００に送信する。受信部２１０および送信部２４０は、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信、および有線または無線のネットワーク通信を実行する通信装置によって実現される。受信されたデータは、例えば処理部２２０によって記憶部２３０に一時的に格納されてから送信される。また、受信されたデータについて、処理部２２０が前処理を実行してもよい。処理部２２０はプログラムに従って動作するプロセッサによって実現され、記憶部２３０はメモリまたはストレージによって実現される。受信部２１０は、さらに、サーバ３００から送信された情報を受信してもよい。受信された情報は、例えば処理部２２０の制御に従って出力部２７０からユーザに向けて出力される。出力部２７０は、例えばディスプレイやスピーカを含む。

さらに、スマートフォン２００では、撮像部２５０によって画像が取得される。撮像部２５０は、例えば撮像素子にレンズなどの光学系を組み合わせたカメラモジュールによって実現される。画像は、スポーツをプレーするユーザを被写体として含んでもよい。撮像部２５０によって取得された画像は、例えば受信部２１０によって受信されたデータとともに送信部２４０からサーバ３００に送信される。画像は、サーバ３００において、例えばセンサ装置１００によって取得されたデータとともに解析処理に用いられてもよいし、解析処理によって生成された情報に組み込まれてもよい。入力部２６０は、例えばタッチパネルやハードウェアボタン、および／または音声入力やジェスチャ入力を受け付けるためのマイクロフォンやカメラを含む。処理部２２０は、入力部２６０を介して取得されたユーザ操作に従って、送信部２４０を介してサーバ３００に情報をリクエストしてもよい。

サーバ３００は、受信部３１０と、処理部３２０と、記憶部３３０と、送信部３４０とを備える。受信部３１０は、通信装置によって実現され、スマートフォン２００からインターネットなどのネットワーク通信を利用して送信されたデータを受信する。処理部３２０は、例えばＣＰＵなどのプロセッサによって実現され、受信されたデータを処理する。例えば、処理部３２０は、受信されたデータの処理の解析処理を実行し、解析後のデータをさらに記憶部３３０に蓄積したり、送信部３４０を介して出力したりしてもよい。あるいは、処理部３２０は、スマートフォン２００などにおいて既に解析されたデータの蓄積および出力の制御を実行するだけであってもよい。

以上、本開示の一実施形態に係るシステムの構成について説明した。なお、上記で説明された構成は一例であり、他の実施形態ではさまざまな変形が可能である。例えば、上記の例では、センサ装置１００によって取得されたデータを用いた解析処理がサーバ３００の処理部３２０で実行されたが、解析処理はスマートフォン２００の処理部２２０で実行されてもよいし、センサ装置１００の処理部１２０で実行されてもよい。システム１０は、センサ装置１００と、スマートフォン２００と、サーバ３００とを含むものとして説明されているが、例えばスマートフォン２００の処理部２２０で解析処理が実行される場合には、システム１０にサーバ３００が含まれなくてもよい。あるいは、この場合、サーバ３００は、解析処理によって得られた情報を保存し、ユーザ間で共有するサービスを提供してもよい。また、例えばセンサ装置１００の処理部１２０で解析処理が実行される場合には、システム１０にスマートフォン２００およびサーバ３００が含まれなくてもよい。センサ装置１００は、例えばユーザまたは用具に装着される専用のセンサ装置であってもよいし、携帯可能な情報処理端末に搭載されたセンサモジュールがセンサ装置１００として機能してもよい。従って、センサ装置１００は、スマートフォン２００と同一の装置でありうる。

（２．解析処理の例）
図３は、本開示の一実施形態における解析処理の例について説明するための図である。図３を参照すると、解析処理を実行するプロセッサは、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すモーションデータ４０１とメタデータ４０３とを入力として取得する。次に、プロセッサは、フィルタ部４０５の機能によって、データによって示されるプレーイベントの中から、同じ種類に分類される複数のプレーイベントを抽出する。さらに、プロセッサは、特徴抽出部４０７の機能によって、抽出された複数のプレーイベントに対応するデータによって示されるモーションの特徴を抽出し、判定部４０９の機能によって特徴に基づく判定を実施する。

ここで、モーションデータ４０１は、センサ装置１００が備えるセンサ１１０に含まれるモーションセンサによって取得されたデータであり、スポーツをプレーするユーザのモーションを示す。メタデータ４０３は、このモーションに基づいて定義されたプレーイベントを示すデータである。図示された例において、モーションデータ４０１とメタデータ４０３とは対応している。メタデータ４０３は、対応するモーションデータ４０１によって表されるプレーイベントの種類や属性などを定義する。例えばテニスの場合、プレーイベントの種類は、サーブ、フォアハンドストローク、バックハンドストローク、フォアハンドボレーなどといったショットの種類を含みうる。また、この場合、プレーイベントの属性は、発生時刻（例えばラケットとボールとのインパクトが発生した時刻）、スイング速度などといった情報を含みうる。

なお、モーションデータ４０１およびメタデータ４０３は、プレーイベントを示すデータの一例であり、他にもさまざまな形式で、プレーイベントを示すデータが取得されうる。例えば、個々のプレーイベントが、モーションデータとメタデータとが組み合わされた単一のデータによって示されてもよいし、連続して発生した複数のプレーイベントを示すモーションデータが１つに統合されており、複数のメタデータによって当該モーションデータの異なる区間が参照されてもよい。

フィルタ部４０５は、上記の通り、モーションデータ４０１およびメタデータ４０３によって示されるプレーイベントの中から、同じ種類に分類される複数のプレーイベントを抽出する。上記のように、例えばテニスの場合、プレーイベントの種類は、サーブ、フォアハンドストローク、バックハンドストローク、フォアハンドボレーなどといったショットの種類を含みうる。そこで、フィルタ部４０５は、いずれかのショットの種類のプレーイベントを抽出する。なお、抽出されるプレーイベントは単一であってもよい。ただし、その場合、抽出されたプレーイベントに対して実行される解析処理は、後述する特徴抽出部４０７および判定部４０９における処理とは異なりうる。

特徴抽出部４０７は、フィルタ部４０５によって抽出された複数のプレーイベントを示すデータ、つまり、モーションデータ４０１およびメタデータ４０３のうち、フィルタ部４０５によって抽出された複数のプレーイベントに対応するデータについて、特徴を抽出する解析処理を実行する。特徴抽出部４０７がプレーイベントのデータからどのような特徴を抽出するかは、例えば後続する判定部４０９での解析処理に応じて異なってもよい。また、抽出される特徴は、フィルタ部４０５が抽出するプレーイベントの種類に応じて異なってもよい。特徴の抽出方法としては、例えばｋ−ｍｅａｎｓコーディングや、オートエンコーダなどを利用することができる。これらの方法については既によく知られているため、ここでは詳細な説明を省略する。

判定部４０９は、フィルタ部４０５によって抽出された複数のプレーイベントについて、特徴抽出部４０７によって抽出された特徴に基づいて何らかの判定を実施する。例えば、抽出された複数のプレーイベントが単一のユーザのプレーイベントである場合、判定部４０９は、これらのプレーイベントによって示されるプレーの習熟度を判定してもよい。より具体的には、判定部４０９は、抽出された特徴に基づいてプレーの安定度を評価し、安定度に基づいて習熟度を判定してもよい。あるいは、判定部４０９は、プレーイベントの種類（例えばスイングの種類）ごとに予め収集された、習熟度（上級・中級・初級）ごとの教師データに基づいて学習される習熟度判定器を用いて習熟度を判定してもよい。

また、例えば、抽出された複数のプレーイベントが複数のユーザのプレーイベントを含む場合、判定部４０９は、これらのプレーイベントによって示される各ユーザのプレーの類似度を判定してもよい。より具体的には、判定部４０９は、抽出された特徴に基づいて各ユーザのプレーの特徴空間における距離を算出し（上記の安定度の評価と類似している）、距離に基づいて類似度を判定してもよい。

解析処理を実行するプロセッサは、さらに、解析によって生成された情報をディスプレイ（例えばスマートフォン２００の出力部２７０に含まれる）に表示させる機能を実現してもよい。この場合、例えば、特徴抽出部４０７によって抽出された特徴を示す情報がディスプレイに表示されてもよい。このような表示のいくつかの例については後述する。

なお、上記の例において特徴抽出部４０７および判定部４０９によって実行される解析処理は、他の方法による解析処理、例えば特徴の抽出によらない解析処理によって代替されてもよい。例えば、モーションデータ４０１によってある種類のプレーイベントにおけるユーザのモーションが加速度などの波形として示される場合、所定の数のサンプル区間のそれぞれおける波形間の距離に基づいて、上記の安定度や類似度を判定してもよい。また、解析処理では、例えばユーザのプレーの癖が検出されてもよい。

図４は、図３に示した例におけるフィルタ部の機能を概念的に示す図である。図４には、３種類のプレーイベント１１０１からなる時系列から、同じ種類のプレーイベント群１１０３が抽出される例が示されている。より具体的には、プレーイベント１１０１は、フォアハンドストローク（ＦＨＳＴ）のプレーイベント１１０１ａと、バックハンドストローク（ＢＨＳＴ）のプレーイベント１１０１ｂと、サーブ（ＳＲＶ）のプレーイベント１１０１ｃとを含む。プレーイベント群１１０３は、フォアハンドストロークのプレーイベント群１１０３ａと、バックハンドストロークのプレーイベント群１１０３ｂと、サーブのプレーイベント群１１０３ｃとを含む。

例えば、フィルタ部４０５は、プレーイベント１１０１の時系列から、プレーイベント群１１０３ａ〜１１０３ｃを抽出する。プレーイベント群１１０３ａ〜１１０３ｃは、同時並行的に抽出されて、それぞれのプレーイベント群についての解析処理が特徴抽出部４０７および判定部４０９で実行され、複数のプレーイベント種類についての解析結果が同時に出力されてもよい。あるいは、プレーイベント群１１０３ａ〜１１０３ｃは、そのうちの一部だけが抽出されて、抽出されたプレーイベント群についての解析処理が特徴抽出部４０７および判定部４０９で実行されてもよい。

なお、図示された例では、単一のユーザのプレーイベント１１０１からプレーイベント群１１０３が抽出されているが、複数のユーザのプレーイベントからプレーイベント群を抽出する場合についても同様である。この場合、プレーイベント群に含まれるプレーイベントのデータには、例えばどのユーザのプレーイベントであるかを示すユーザＩＤなどのメタデータが付加されてもよい。続く図５〜図７を参照した説明では、単一のユーザのプレーイベントからプレーイベント群が抽出された場合の例について説明する。複数のユーザのプレーイベントからプレーイベント群が抽出された場合の例については、さらに後で説明する。

（２−１．単一のユーザのプレーイベントの解析）
図５は、図４の例において抽出されたプレーイベント群に対する解析の例を示す図である。図５を参照すると、フィルタ部４０５によって抽出されたプレーイベント群１１０３ａ〜１１０３ｃのそれぞれについて、特徴抽出部４０７が各プレーイベントの特徴を抽出し、判定部４０９が各プレーイベントの特徴の分散（Distribution）に基づいて安定度（Stability）を評価する。

ここで、各プレーイベントの特徴は、例えば多次元の特徴ベクトルとして表現される。図では、このような特徴ベクトルの分散が、２次元平面において表現されている。例えば、解析処理を実行するプロセッサによって解析によって生成された情報をディスプレイに表示させる機能が実現される場合、このような、各プレーイベントの特徴空間での分散を２次元平面において示す情報が表示されてもよい。なお、多次元の特徴ベクトルを２次元平面や３次元空間において可視化する技術については、既によく知られているため、ここでは詳細な説明を省略する。

図示された例では、各プレーイベントの特徴の分散が、プレーイベント群１１０３ごとに大きく異なっている。従って、分散に基づいて評価される安定度も、プレーイベント群１１０３ごとに大きく異なる。次の図を参照して説明するように、安定度は、プレーの習熟度を示す指標として用いることができる場合がある。従って、図示された例では、プレーの習熟度を、プレーイベント群１１０３ごと、すなわちプレーイベントの種類ごとに判定できることになる。安定度が高いほど習熟度が高いとした場合、図示された例のユーザは、フォアハンドストロークについては習熟度が比較的高く、バックハンドストロークについては習熟度が比較的低く、サーブについては習熟度が中程度であることが推定される。このように、習熟度などの情報がプレーイベントの種類、テニスの例であればショットの種類ごとに生成される点は、本実施形態の利点の１つである。

図６は、図５の例において示されたプレーイベントの特徴の分散と習熟度との関係について説明するための図である。図６を参照すると、フォアハンドストロークについての２つのプレーイベント群１１０３ａ１，１１０３ａ２について、分散（Distribution）に基づいて安定度（Stability）が評価されている。ここで、プレーイベント群１１０３ａ１はテニス上級者のフォアハンドストロークのプレーイベント群であり、プレーイベント群１１０３ａ２はテニス初級者のフォアハンドストロークのプレーイベント群である。

本発明者らが立てた仮説によると、同じ種類のショットのプレーイベント群に含まれるプレーイベントの特徴の分散は、習熟度が高いほど小さくなる。従って、上級者のプレーイベント群１１０３ａ１に含まれる各プレーイベントの特徴空間での分散は、初級者のプレーイベント群１１０３ａ２に含まれる各プレーイベントの特徴空間での分散よりも小さい。これは、習熟度が高い上級者ほどスイングのモーションのばらつきが小さく、多くのケースで同じようなスイングができるためと考えられる。

ここで、例えばプレーイベントがテニスのショットについて定義されるような場合、ショット時のユーザのモーションに基づいて定義されるプレーイベントの特徴は、ショットの種類によって異なる。従って、プレーイベントの特徴分散を、異なる種類のプレーイベント（ショット）が混在した状態で算出しても、図６に示したような分散と安定度、および習熟度の関係は成り立たない。従って、上記のような特徴に基づく安定度の評価、および安定度に基づく習熟度の判定が可能になるのも、プレーイベントが同じ種類に分類されるプレーイベント群ごとに解析される本実施形態の利点の１つであるといえる。

図７は、図４の例におけるプレーイベントの特徴に基づく解析の他の例を示す図である。図７を参照すると、特徴空間において、さまざまな習熟度のプレーヤ（ユーザ）のプレーイベントの特徴が分布する領域Ａ１〜Ａ３が定義されている。領域Ａ１は初級のプレーヤの特徴が分布する領域であり、領域Ａ２は中級のプレーヤの特徴が分布する領域であり、領域Ａ３は上級のプレーヤの特徴が分布する領域である。

図示された例は、判定部４０９が、プレーイベントの種類（例えばスイングの種類）ごとに予め収集された、習熟度（上級・中級・初級）ごとの教師データに基づいて学習される習熟度判定器を用いて習熟度を判定するケースに対応する。図示された例において、習熟度判定器は、それぞれの習熟度のプレーヤのプレーイベントの特徴の分布を教師データとする学習によって形成される。例えば図７に示したような２次元平面での領域の表現も、例えば解析処理を実行するプロセッサによって解析によって生成された情報をディスプレイに表示させる機能が実現される場合に利用されてもよい。

さらに、図示された例では、特徴空間において、あるユーザの特徴分布の時系列遷移を示す点Ｐが示されている。この例では、サービス利用開始当初は初級の領域Ａ１の点Ｐ１にあったユーザの特徴分布の中心が、上達に従って中級の領域Ａ２の点Ｐ２まで遷移し、さらに現在は上級の領域Ａ３に向かって移動して点Ｐ３（まだ中級の領域Ａ２）にあることが示されている。このような時系列遷移の表現も、解析によって生成された情報の表示に利用されてもよい。

図８および図９は、本実施形態における単一のユーザのプレーイベントの解析結果のさらなる例を示す図である。これらの例のような解析結果の表現も、解析によって生成された情報の表示に利用されてもよい。

図８に示す例では、上記で図５および図６を参照して説明されたプレーイベントの特徴の安定度（Stability）の、１日の中での時間的な変化が検出されている。図示された例では、ユーザがほぼ１日中（だいたい10:00から17:00まで）プレーしていたある日について、１時間ごとのプレーイベントの特徴の安定度が時間を横軸として、始点Ｐｓから終点Ｐｅまでの折れ線によって表現されている。このような表現によって、例えば、１日の中でのプレーの安定度の変化から、「ウォーミングアップに必要な時間」や、「疲れてプレーに影響が出るまでの時間」といった情報を得ることができる。

なお、例えば図８に示すように、ユーザのプレー全体に関する情報を得る場合には、プレーイベントの種類ごとに算出された特徴の安定度が、各種類のプレーイベントについて平均されて出力されてもよい。上述の通り、意味のある安定度を算出するためにはプレーイベントの種類ごとに解析処理を実行することが有効であるが、安定度が算出された後はプレーイベントの種類を超えた平均などの処理を実行してもよい。

図９に示す例では、上記で図５および図６を参照して説明されたプレーイベントの特徴の安定度（Stability）が、数カ月にわたる比較的長い期間での時間的な変化が検出されている。図示された例では、１月から７月までの期間について、１カ月ごとのプレーイベントの特徴の安定度が時間を横軸として表現されている。例えば、期間を通じたプレーの安定度の変化から、過去数カ月でプレーがどの程度上達したかを知ることができる。図示された例のように、安定度をプレーイベント（ショット）の種類ごとに表現すれば、それぞれの種類のプレーイベントに対応するプレーの上達具合を比較することもできる。また、同様の表現を、同じ種類のプレーイベントについての異なるユーザの間での安定度の比較に利用してもよい。

（２−２．複数のユーザのプレーイベントの解析）
図１０は、本開示の一実施形態における複数のユーザのプレーイベントの解析の例について説明するための図である。図１０を参照すると、解析処理を実行するプロセッサは、複数のユーザのプレーイベントから特徴抽出部４０７によって抽出された特徴データ４１１に基づいて、比較処理４１３を実行し、解析結果４１５を得る。解析結果４１５は、例えば、以下で説明する各プレーヤのプレーの特徴マップや、類似プレーヤマップなどを含みうる。

また、比較処理４１３では、さらに、特徴データ４１１にプレーイベントの特徴データが含まれる第１のユーザに提供するための付帯情報４１７が用いられてもよい。この場合、比較処理４１３の結果によってプレーが第１のユーザと類似していることが示される第２のユーザ（同じく、特徴データ４１１にプレーイベントの特徴データが含まれる）に、第１のユーザのための付帯情報４１７が提供されてもよい。付帯情報４１７は、例えば、ユーザの特定の種類のプレー（テニスの場合、例えばフォアハンドストローク）へのアドバイスや、ユーザの過去の対戦相手とその感想、などを含みうる。特徴データ４１１によってプレーが第１のユーザに類似していることが示される第２のユーザに対しては、第１のユーザと同じ付帯情報４１７が有効である可能性が高い。

図１１は、本開示の一実施形態における複数のユーザのプレーイベントの解析の例についてより具体的に説明するための図である。図１１を参照すると、解析処理を実行するプロセッサは、クエリ４１９を発行して、モーションデータ４２１からのデータの抽出処理４２３を実行する。抽出されたデータからは、解析処理４２５によって解析結果４２７が得られる。さらに、解析結果４２７に基づく表示処理４２９によって、解析結果の表示４３１が実現される。

クエリ４１９では、例えば、抽出するプレーイベントの種類（例えばテニスであれば、ショットの種類、フォアハンドストロークやバックハンドストローク、サーブなど）と、抽出対象のユーザとが指定される。例えば、サーバ３００の記憶部３３０のデータベースには、多くのユーザのモーションデータ４２１が格納されているが、本実施形態におけるプレーイベントの解析、例えばプレーの類似度の判定が有効に実行できるユーザの数は限られているため、対象のユーザが限定されてもよい。また、モーションデータも個人情報の一種であるため、公開対象（友人まで、など）が限定されていることによって、抽出対象のユーザが限定されてもよい。

解析処理４２５では、上述した特徴抽出部４０７および判定部４０９の処理が実行される。つまり、抽出されたモーションデータ（クエリ４１９によって、特定の種類のプレーイベントに限定されている）からプレーイベントの特徴を抽出し、抽出した特徴に基づいて類似度などの判定が実施される。例えば、解析処理４２５において複数のプレーヤ（ユーザ）のプレーの特徴空間での距離を算出する場合、以下に示すようなプログラムによって処理が実行されうる。

for i=1,...,N
for j=i+1,...,N
（プレーヤｉとプレーヤｊの特徴間の平均距離を算出）
（算出された距離をＣ（ｉ，ｊ）に代入）
end
end

上記の場合、各プレーヤのプレーの特徴空間での距離を示す解析結果４２７は、行列Ｃを含みうる。上記のプログラムに示されるように、行列Ｃでは、要素Ｃ（ｉ，ｊ）が、ｉ番目のプレーヤのプレーとｊ番目のプレーヤのプレーとの特徴空間での距離を示す。さらに、この場合、表示処理４２９では、以下の式１に示すような最適化問題を解く処理によって、行列Ｃで表現された各ユーザのプレーの特徴空間での距離が２次元平面において表現される。

図１２および図１３は、図１１に示した解析の結果を２次元平面において表現する情報の例を示す図である。図示された例では、実際に複数のユーザがテニスをプレーしたときに、ラケットに装着したセンサ装置１００を用いて３軸の加速度および角速度のデータ（モーションデータ）を取得し、それぞれのユーザのモーションデータから抽出された特徴の特徴空間での位置関係を２次元平面において表現した。図１２は種類（スイング種類）がフォアハンドストロークのプレーイベントについての特徴を示し、図１３は種類がサーブのプレーイベントについての特徴を示す。例えばこれらの図に示したような２次元平面での領域の表現も、例えば解析処理を実行するプロセッサによって解析によって生成された情報をディスプレイに表示させる機能が実現される場合に利用されてもよい。

上記の例では、図１２、図１３とも、女性のプレーヤ（ユーザ）の特徴が、２次元平面における領域Ａｗに集中して分布する傾向が見られた。この傾向が具体的に何を表しているかについてはさまざまな推測が可能である。この結果から、プレーイベントの種類ごとに特徴の解析を実施したことによって、解析結果において何らかの傾向が現れやすくなっていると推定される。

図１４および図１５は、本実施形態における複数のユーザのプレーイベントの解析結果のさらなる例を示す図である。これらの例のような解析結果の表現も、解析によって生成された情報の表示に利用されてもよい。

図１４に示す例では、あるユーザのサーブについてのプレーイベント群１１０３ｃ１によって示されるプレー（サーブ）が、比較対象となる他のユーザ（例えばプロのプレーヤであってもよい）のうち誰のプレーに似ているかが判定される。この場合、ユーザのプレーイベント群１１０３ｃ１に含まれるプレーイベントの特徴が、他のユーザのプレーイベント群１１０３ｃ２〜１１０３ｃ４のそれぞれに含まれるプレーイベントの特徴と比較され、プレーイベント群１１０３ｃ２〜１１０３ｃ４のそれぞれについて類似度が算出される。図示された例では、プレーイベント群１１０３ｃ３との類似度が最も高かったため、ユーザがプレーイベント群１１０３ｃ３のユーザと共通するタイプであることを示す解析結果１１０５が出力されている。

図１５に示す例では、サーブについてのプレーイベント群１１０３ｃによって示されるプレー（サーブ）について、各ユーザのプレーイベントの特徴を２次元平面にマッピングし、各ユーザを示すアイコンとともに表示する解析結果１１０７が出力されている。解析結果１１０７は、例えば図１２および図１３を参照して説明したマップと類似しているが、例えばアイコンとともに表示することで、各ユーザのプレーの類似度マップであることがよりわかりやすくなる。
（３．ハードウェア構成）
次に、図１６および図１７を参照して、本開示の実施形態に係るセンサ装置および解析装置（上述した例ではセンサ装置、スマートフォンまたはサーバ）を実現するためのハードウェア構成の例について説明する。

（センサ装置）
図１６は、本開示の実施形態に係るセンサ装置のハードウェア構成の例を示す図である。図１６を参照すると、センサ装置１００は、センサ１０１と、ＣＰＵ（Central Processing Unit）１０３と、ＲＯＭ（Read Only Memory）１０５と、ＲＡＭ（Random Access Memory）１０７と、ユーザインターフェース１０９と、外部記憶装置１１１と、通信装置１１３と、出力装置１１５とを含みうる。これらの要素は、例えばバスによって相互に接続される。

センサ１０１は、例えば加速度センサ、角速度センサ、振動センサ、地磁気センサ、温度センサ、圧力センサ（押下スイッチを含む）、またはＧＰＳ（Global Positioning System）受信機などを含む。センサ１０１は、カメラ（イメージセンサ）やマイクロフォン（音センサ）を含んでもよい。

ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７は、例えば外部記憶装置１１１に記録されたプログラム命令を読み込んで実行することによって、様々な機能をソフトウェア的に実現する。本開示の実施形態では、ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７によって、例えば、センサ装置１００全体の制御などの機能が実現されうる。

ユーザインターフェース１０９は、センサ装置１００へのユーザ操作を受け付ける、例えばボタンやタッチパネルなどの入力装置である。ユーザの操作は、例えば、センサ装置からのセンサ情報の送信の開始や終了を指示するものでありうる。

外部記憶装置１１１は、センサ装置１００に関する各種の情報を記憶する。外部記憶装置１１１には、例えば、ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７にソフトウェア的に機能を実現させるためのプログラム命令が格納されてもよく、またセンサ１０１によって取得されたデータが一時的にキャッシュされてもよい。センサ装置１００が打具などに装着されることを考慮すると、外部記憶装置１１１としては、例えば半導体メモリなどの衝撃に強いものを使用することが望ましい。
なお、上述した、スマートフォン２００がスポーツをプレーしているユーザの近傍に配置されない場合における、センサ装置１００において検出されたデータを蓄積する内部の記憶領域（メモリまたは外部記憶装置）に対応する構成は、ＲＯＭ１０５、ＲＡＭ１０７、および／または外部記憶装置１１１である。

通信装置１１３は、有線または無線の各種通信方式によって後述する解析装置６００と通信する。また、通信装置１１３は、機器間通信によって直接的に解析装置６００と通信してもよいし、インターネットなどのネットワークを介して解析装置６００と通信してもよい。

出力装置１１５は、情報を光、音声または画像として出力することが可能な装置で構成される。出力装置１１５は、例えばセンサ装置１００における時刻やプレーイベントの検出を通知する情報を出力してもよいし、解析装置６００から受信された解析結果、またはセンサ装置１００において算出された解析結果に基づいて、ユーザに対する視覚的または聴覚的な通知を出力してもよい。出力装置１１５は、例えば、例えばＬＥＤなどのランプ、ＬＣＤなどのディスプレイ、スピーカ、またはバイブレータなどを含む。

（解析装置）
図１７は、本開示の実施形態に係る解析装置のハードウェア構成の例を示す図である。解析装置６００は、本開示の実施形態に係る解析装置、例えば上記で説明したスマートフォン２００またはサーバ３００を実現しうる。なお、上述のように、解析装置は、センサ装置１００によって実現されてもよい。

解析装置６００は、ＣＰＵ６０１と、ＲＯＭ６０３と、ＲＡＭ６０５と、ユーザインターフェース６０９と、外部記憶装置６１１と、通信装置６１３と、出力装置６１５とを含みうる。これらの要素は、例えばバスによって相互に接続される。

ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５は、例えば外部記憶装置６１１に記録されたプログラム命令を読み込んで実行することによって、様々な機能をソフトウェア的に実現する。本開示の実施形態では、ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５によって、例えば、解析装置６００全体の制御や、上記の機能構成における処理部の機能などが実現されうる。

ユーザインターフェース６０９は、解析装置６００へのユーザ操作を受け付ける、例えばボタンやタッチパネルなどの入力装置である。

外部記憶装置６１１は、解析装置６００に関する各種の情報を記憶する。外部記憶装置６１１には、例えば、ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５にソフトウェア的に機能を実現させるためのプログラム命令が格納されてもよく、また通信装置６１３が受信したセンサ情報が一時的にキャッシュされてもよい。また、外部記憶装置６１１には、解析結果のログが蓄積されてもよい。

出力装置６１５は、情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置６１５は、例えば、ＬＣＤ（Liquid Crystal Display）などの表示装置、またはスピーカやヘッドホンなどの音声出力装置などでありうる。出力装置６１５は、解析装置６００の処理により得られた結果を、テキストまたは画像などの映像として出力したり、音声または音響などの音声として出力したりする。

以上、センサ装置１００および解析装置６００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。

（４．補足）
本開示の実施形態は、例えば、上記で説明したような解析装置（スマートフォンなどの情報処理端末、サーバ、またはセンサ装置）、システム、解析装置またはシステムで実行される情報処理方法、解析装置を機能させるためのプログラム、およびプログラムが記録された一時的でない有形の媒体を含みうる。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、
前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、
前記抽出された複数のプレーイベントを示すデータを解析する解析機能と
を実現するプロセッサを備える解析装置。
（２）前記解析機能は、前記抽出された複数のプレーイベントに対応する前記モーションの特徴を解析する、前記（１）に記載の解析装置。
（３）前記抽出された複数のプレーイベントは、単一のユーザのプレーイベントであり、
前記解析機能は、前記抽出された複数のプレーイベントによって示される前記単一のユーザのプレーを前記特徴に基づいて評価する、前記（２）に記載の解析装置。
（４）前記解析機能は、前記単一のユーザのプレーの安定度を前記特徴に基づいて評価する、前記（３）に記載の解析装置。
（５）前記解析機能は、前記単一のユーザのプレーの習熟度を前記安定度に基づいて判定する、前記（４）に記載の解析装置。
（６）前記解析機能は、前記特徴の時間的な変化を検出する、前記（３）〜（５）のいずれか１項）に記載の解析装置。
（７）前記抽出された複数のプレーイベントは、複数のユーザのプレーイベントを含み、
前記解析機能は、前記抽出された複数のプレーイベントのそれぞれによって示される前記複数のユーザのプレーを前記特徴に基づいて比較する、前記（２）に記載の解析装置。
（８）前記複数のユーザは、第１のユーザおよび第２のユーザを含み、
前記解析機能は、前記プレーに関して第１のユーザに提供される情報を、前記比較の結果によって前記プレーが前記第１のユーザと類似していることが示される前記第２のユーザにも提供する、前記（７）に記載の解析装置。
（９）前記プロセッサは、前記解析によって生成された情報をディスプレイに表示させる表示制御機能をさらに実現する、前記（１）〜（８）のいずれか１項）に記載の解析装置。
（１０）前記解析機能は、前記抽出された複数のプレーイベントに対応する前記モーションの特徴を解析し、
前記表示制御機能は、前記特徴を示す情報を表示させる、前記（９）に記載の解析装置。
（１１）前記抽出された複数のプレーイベントは、複数のユーザのプレーイベントを含み、
前記表示制御機能は、前記複数のユーザの前記特徴を２次元平面において示す情報を表示させる、前記（１０）に記載の解析装置。
（１２）スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、
前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、
前記抽出された複数のプレーイベントを示すデータを解析する解析機能と
をコンピュータに実現させるためのプログラムが格納された記録媒体。
（１３）スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得することと、
前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出することと、
前記抽出された複数のプレーイベントを示すデータを解析することと
を含む解析方法。

１０ システム
１００ センサ装置
１１０ センサ
１２０ 処理部
２００ スマートフォン
２１０ 受信部
２２０ 処理部
３００ サーバ
３１０ 受信部
３２０ 処理部
４０１ メタデータ
４０３ モーションデータ
４０５ フィルタ部
４０７ 特徴抽出部
４０９ 判定部

Claims (13)

1. スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、
   前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、
   前記抽出された複数のプレーイベントを示すデータを解析する解析機能と
   を実現するプロセッサを備える解析装置。
2. 前記解析機能は、前記抽出された複数のプレーイベントに対応する前記モーションの特徴を解析する、請求項１に記載の解析装置。
3. 前記抽出された複数のプレーイベントは、単一のユーザのプレーイベントであり、
   前記解析機能は、前記抽出された複数のプレーイベントによって示される前記単一のユーザのプレーを前記特徴に基づいて評価する、請求項２に記載の解析装置。
4. 前記解析機能は、前記単一のユーザのプレーの安定度を前記特徴に基づいて評価する、請求項３に記載の解析装置。
5. 前記解析機能は、前記単一のユーザのプレーの習熟度を前記安定度に基づいて判定する、請求項４に記載の解析装置。
6. 前記解析機能は、前記特徴の時間的な変化を検出する、請求項３に記載の解析装置。
7. 前記抽出された複数のプレーイベントは、複数のユーザのプレーイベントを含み、
   前記解析機能は、前記抽出された複数のプレーイベントのそれぞれによって示される前記複数のユーザのプレーを前記特徴に基づいて比較する、請求項２に記載の解析装置。
8. 前記複数のユーザは、第１のユーザおよび第２のユーザを含み、
   前記解析機能は、前記プレーに関して第１のユーザに提供される情報を、前記比較の結果によって前記プレーが前記第１のユーザと類似していることが示される前記第２のユーザにも提供する、請求項７に記載の解析装置。
9. 前記プロセッサは、前記解析によって生成された情報をディスプレイに表示させる表示制御機能をさらに実現する、請求項１に記載の解析装置。
10. 前記解析機能は、前記抽出された複数のプレーイベントに対応する前記モーションの特徴を解析し、
    前記表示制御機能は、前記特徴を示す情報を表示させる、請求項９に記載の解析装置。
11. 前記抽出された複数のプレーイベントは、複数のユーザのプレーイベントを含み、
    前記表示制御機能は、前記複数のユーザの前記特徴を２次元平面において示す情報を表示させる、請求項１０に記載の解析装置。
12. スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、
    前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、
    前記抽出された複数のプレーイベントを示すデータを解析する解析機能と
    をコンピュータに実現させるためのプログラムが格納された記録媒体。
13. スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得することと、
    前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出することと、
    前記抽出された複数のプレーイベントを示すデータを解析することと
    を含む解析方法。
    

Images