JPWO2016111069A1 - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

ユーザまたは上記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得するセンサデータ取得部と、上記センサデータに基づいて上記ユーザのアクションを検出し、上記アクションはターンを含むアクション検出部と、上記ターンに関する情報を生成する情報生成部とを備える情報処理装置が提供される。【選択図】図１

Description

本開示は、情報処理装置、情報処理方法、およびプログラムに関する。

例えばユーザに装着されたセンサによって提供されるセンサデータに基づいて、ユーザのさまざまな行動を検出する技術が種々提案されている。例えば、特許文献１には、センサデータの閾値処理によって認識されたユーザの行動のうち特定の行動に特化した複数の行動判定部を有し、それぞれの行動判定部における判定結果に基づいて行動情報を生成する情報処理装置が記載されている。

特開２０１０−１９８５９５号公報

しかしながら、ユーザの生活の中ではさまざまな種類の行動（アクション）が発生するため、例えば特許文献１に記載されたような技術では、必ずしもユーザのあらゆるアクションを検出し、検出されたアクションに関する情報を提供できるわけではない。

そこで、本開示では、ユーザのより多様なアクションに関する情報を提供することを可能にする、新規かつ改良された情報処理装置、情報処理方法、およびプログラムを提案する。

本開示によれば、ユーザまたは上記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得するセンサデータ取得部と、上記センサデータに基づいて上記ユーザのアクションを検出し、上記アクションはターンを含むアクション検出部と、上記ターンに関する情報を生成する情報生成部とを備える情報処理装置が提供される。

また、本開示によれば、ユーザまたは上記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得することと、プロセッサが、上記センサデータに基づいて上記ユーザのアクションを検出し、上記アクションはターンを含むことと、上記ターンに関する情報を生成することとを含む情報処理方法が提供される。

また、本開示によれば、ユーザまたは上記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得する機能と、上記センサデータに基づいて上記ユーザのアクションを検出し、上記アクションはターンを含む機能と、上記ターンに関する情報を生成する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提供される。

以上説明したように本開示によれば、ユーザのより多様なアクションに関する情報を提供することができる。

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情報処理装置の概略的な機能構成を示すブロック図である。 本開示の一実施形態において、ユーザのアクションに含まれるジャンプを検出するための処理の第１の例を示すフローチャートである。 図２に示したハイインパクト検出処理の例を示すフローチャートである。 図２に示した自由落下検出処理の第１の例を示すフローチャートである。 図２に示した自由落下検出処理の第２の例を示すフローチャートである。 本開示の一実施形態において、ユーザのアクションに含まれるジャンプを検出するための処理の第２の例を示すフローチャートである。 図６に示した候補区間検出処理の例を示すフローチャートである。 図７に示した鉛直方向加速度算出処理の例を示すフローチャートである。 図７に示した水平方向加速度算出処理の例を示すフローチャートである。 本開示の一実施形態において、ユーザのアクションに含まれるターン区間を検出するための処理の例を示すフローチャートである。 図１０に示した回転区間検出処理の例を示すフローチャートである。 図１０に示した首振り検出処理の例を示すフローチャートである。 図１０に示したターン検出処理の例を示すチャートである。 本開示の一実施形態において、センサ装着状態を推定するための処理の例を示すブロック図である。 本開示の一実施形態に含まれる情報生成の第１の例における処理を示すフローチャートである。 本開示の一実施形態に含まれる情報生成の第１の例における画面表示を示す図である。 本開示の一実施形態に含まれる情報生成の第２の例における処理を示すフローチャートである。 本開示の一実施形態に含まれる情報生成の第２の例における画面表示を示す図である。 本開示の一実施形態に含まれる情報生成の第２の例における画面表示を示す図である。 本開示の一実施形態に含まれる情報生成の第３の例を概念的に説明するための図である。 本開示の一実施形態に含まれる情報生成の第３の例における処理を示すフローチャートである。 図２１に例に示した処理における映像の加工について説明するための図である。 図２１に示した処理における映像のダウンロードのためのユーザインターフェース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含まれる情報生成の第４の例における処理を示すフローチャートである。 本開示の一実施形態に含まれる情報生成の第４の例における画面表示を示す図である。 本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。 本開示の一実施形態におけるコンテンツ制御のための時系列スコアの算出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時系列スコアを利用したコンテンツ制御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いてアクションに関連して定義されるタイミング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いてアクションに関連して定義されるタイミングで提供されるエフェクトの第１の例を示す図である。 本開示の一実施形態においてアクションに関連して定義されるタイミングで提供されるエフェクトの第２の例を示す図である。 本開示の一実施形態においてアクションに関連して定義されるタイミングで提供されるエフェクトの第３の例を示す図である。 本開示の一実施形態においてアクションに関連して定義されるタイミングで提供されるエフェクトの第４の例を示す図である。 本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。

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．情報処理装置の機能構成
２．アクション検出処理の例
２−１．ジャンプの検出−１
２−２．ジャンプの検出−２
２−３．ターンの検出
３．付加的な処理の例
３−１．アクションスコアの算出
３−２．クラスタリング処理
３−３．センサ装着状態の推定
４．情報生成の例
４−１．第１の例
４−２．第２の例
４−３．第３の例
４−４．第４の例
４−５．ユーザのプロファイルについて
５．ハードウェア構成
６．補足
７．コンテンツ制御の例
７−１．時系列スコアによる制御
７−２．アクションに関連して定義されるタイミングによる制御
７−３．ユーザのプロファイルについて
８．ハードウェア構成
９．補足

（１．情報処理装置の機能構成）
図１は、本開示の一実施形態に係る情報処理装置の概略的な機能構成を示すブロック図である。図１を参照すると、情報処理装置１００は、送信部１０１と、受信部１０２と、センサデバイス制御部１０３と、センサデータ解析部１０４と、解析結果処理部１０７と、検出区間情報保持部１１０と、付加的情報保持部１１１と、サービス制御部１１２とを含む。

情報処理装置１００は、例えば後述するいくつかの具体的な例において示されるように、ネットワーク上のサーバを構成する単一の装置、または装置の集合体でありうる。また、情報処理装置１００は、ネットワークを介してサーバと通信する端末装置、または単独で動作する端末装置であってもよい。あるいは、情報処理装置１００の機能は、ネットワークを介して互いに通信するサーバと端末装置とに分散して実現されてもよい。情報処理装置１００、または情報処理装置１００の機能を実現する複数の装置のそれぞれのハードウェア構成については後述する。

送信部１０１および受信部１０２は、例えば有線または無線の各種通信方式によってセンサデバイスと通信する通信装置によって実現される。センサデバイスは、ユーザまたはユーザによって使用される器具に装着された少なくとも１つのセンサを含む。送信部１０１は、センサデバイス制御部１０３が出力する制御信号をセンサデバイスに送信する。受信部１０２は、センサデバイスからセンサデータおよび時刻情報（タイムスタンプ）を受信し、これらをセンサデバイス制御部１０３に入力する。図示された例において、受信部１０２は、ユーザまたはユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを受信するセンサデータ受信部を実現する。なお、例えば情報処理装置１００が、少なくとも１つのセンサを備える端末装置、より具体的にはモバイルデバイスやウェアラブルデバイスであるような場合には、センサからセンサデータを受信するドライバプログラムを実行するＣＰＵ（Central Processing Unit）などのプロセッサによってセンサデータ受信部が実現されてもよい。また、本実施形態に係る情報処理装置は、例えば、センサを備える外部の装置からセンサデータを取得する取得部を備えていてもよい。ここで、取得部は、例えば、“送信部１０１および受信部１０２を実現する上記通信装置などを介して、センサを備える外部の装置からセンサデータを受信するドライバプログラム”を実行するＣＰＵなどのプロセッサによって、実現される。なお、取得部を備える場合、本実施形態に係る情報処理装置は、センサデータ受信部を備えない構成をとることも可能である

センサデバイス制御部１０３は、例えばＣＰＵなどのプロセッサが、メモリに格納されたプログラムに従って動作することによって実現される。センサデバイス制御部１０３は、受信部１０２からセンサデータおよび時刻情報を取得する。センサデバイス制御部１０３は、これらのデータをセンサデータ解析部１０４および解析結果処理部１０７に提供する。センサデバイス制御部１０３は、必要に応じて、データの前処理を実施してもよい。また、センサデバイス制御部１０３は、センサデバイスの制御信号を送信部１０１に出力する。いくつかの実施形態において、センサデバイス制御部１０３は、センサデータ解析部１０４または解析結果処理部１０７における処理の結果のフィードバックに基づいて、制御信号を出力してもよい。

センサデータ解析部１０４は、例えばＣＰＵなどのプロセッサが、メモリに格納されたプログラムに従って動作することによって実現される。センサデータ解析部１０４は、センサデバイス制御部１０３から提供されたセンサデータを用いた種々の解析を実行する。図示された例において、センサデータ解析部１０４は、特徴量抽出部１０５と、アクション検出部１０６とを含む。特徴量抽出部１０５は、センサデータから各種の特徴量を抽出する。アクション検出部１０６は、特徴量抽出部１０５によってセンサデータから抽出された特徴量に基づいて、ユーザのアクションを検出する。本実施形態において、アクション検出部１０６が検出するユーザのアクションには、ユーザのターンおよび／またはジャンプが含まれる。さらに、アクション検出部１０６は、歩く、走る、静止する、乗り物で移動するなどといった、その他のユーザのアクションを検出してもよい。ユーザのアクションは、それが発生した区間（アクション区間）を示す時刻情報（タイムスタンプ）に関連付けて検出されうる。センサデータ解析部１０４は、解析結果、より具体的には例えばアクション検出部１０６によって検出されたユーザのアクション区間を含む情報を、検出区間情報保持部１１０に格納する。また、センサデータ解析部１０４は、解析結果を、解析結果処理部１０７に提供する。

解析結果処理部１０７は、例えばＣＰＵなどのプロセッサが、メモリに格納されたプログラムに従って動作することによって実現される。解析結果処理部１０７は、センサデータ解析部１０４の解析結果、より具体的にはアクション検出部１０６によって検出されたユーザのアクションの情報に基づいて、後段のサービス制御部１１２によって利用される各種の付加的な情報を生成する。図示された例において、解析結果処理部１０７は、クラスタリング処理部１０８と、スコアリング処理部１０９とを含む。例えば、検出されたユーザのアクションが同じ種類の複数のアクションを含む場合、クラスタリング処理部１０８が、これらのアクションをその特徴量（特徴量抽出部１０５によって抽出された特徴量であってもよいし、アクション検出部１０６によって算出された中間的な特徴量であってもよい）に基づいてクラスタリングしてもよい。また、同じ場合、スコアリング処理部１０９が、特徴量に基づいてアクションの評価を示すスコアを算出してもよい。また、クラスタリング処理部１０８および／またはスコアリング処理部１０９は、センサデバイス制御部１０３から提供されたセンサデータに基づいて、新たに特徴量を算出してもよい。解析結果処理部１０７は、処理結果、より具体的にはクラスタリング処理部１０８によるクラスタリングの結果や、スコアリング処理部１０９によって算出されたスコアの情報を、時刻情報（タイムスタンプ）とともに付加的情報保持部１１１に格納する。

検出区間情報保持部１１０および付加的情報保持部１１１は、例えば各種のメモリまたはストレージ装置によって実現される。検出区間情報保持部１１０および付加的情報保持部１１１は、上記のようにセンサデータ解析部１０４および解析結果処理部１０７から提供された情報を、一時的または永続的に格納する。検出区間情報保持部１１０に格納された情報と、付加的情報保持部１１１に格納された情報とは、例えば時刻情報（タイムスタンプ）によって互いに対応付けることが可能でありうる。また、検出区間情報保持部１１０および付加的情報保持部１１１には、複数のユーザのそれぞれに関する情報が格納されてもよい。

サービス制御部１１２は、例えばＣＰＵなどのプロセッサが、メモリに格納されたプログラムに従って動作することによって実現される。サービス制御部１１２は、検出区間情報保持部１１０および／または付加的情報保持部１１１に格納された情報を利用して、サービス１１３を制御する。より具体的には、例えば、サービス制御部１１２は、検出区間情報保持部１１０および／または付加的情報保持部１１１から読み出した情報に基づいて、サービス１１３においてユーザに提供される情報を生成する。ここで、上記の通り、検出区間情報保持部１１０および／または付加的情報保持部１１１に格納されている情報には、センサデータ解析部１０４に含まれるアクション検出部１０６によって検出されたユーザのアクションに関する情報が含まれる。つまり、図示された例において、サービス制御部１１２は、アクション検出部によって検出されたユーザのアクションに関する情報を出力する情報生成部を実現する。なお、例えば情報処理装置１００がサーバであるような場合、サービス制御部１１２によって出力された情報は、通信装置を介して端末装置に送信されうる。また、例えば情報処理装置１００が端末装置であるような場合、サービス制御部１１２によって出力された情報は、端末装置が備えるディスプレイ、スピーカ、またはバイブレータなどの出力装置に提供されうる。

（２．アクション検出処理の例）
以下では、本開示の一実施形態において実行されるアクション検出処理の例について説明する。これらの例では、ユーザがスノーボードをしている場合に発生するジャンプおよびターンが検出される。例えば、スノーボードの場合、加速度センサおよび角速度センサなどを含むセンサデバイスは、ウェアに埋め込まれたり、ウェアラブル端末装置やモバイル端末装置に組み込まれたりすることによって、ユーザに直接的に装着されてもよい。あるいは、センサデバイスは、スノーボードの用具、例えばボードに装着されてもよい。

なお、本実施形態で実行されるアクション検出処理はスノーボードで発生するジャンプやターンには限られず、例えばスノーボード以外のスポーツで発生するジャンプやターンについてアクション検出処理が実行されてもよい。ジャンプやターンは、さまざまなスポーツで共通して発生しうるアクションであるため、例えば以下で説明するような検出処理によって、スポーツの種類に関わらずジャンプやターンを検出することが可能でありうる。また、本実施形態で実行されるアクション検出処理では、ジャンプやターン以外のアクションが検出されてもよい。そのようなアクション検出処理には、例えば特開２０１０−１９８５９５号公報などに記載された行動認識の技術において利用されている様々な技術を応用することが可能である。

（２−１．ジャンプの検出−１）
図２は、本開示の一実施形態において、ユーザのアクションに含まれるジャンプを検出するための処理の第１の例を示すフローチャートである。図示された処理は、例えば上記の情報処理装置１００に含まれるセンサデータ解析部１０４において実行される。

まず、センサデータ解析部１０４は、所定のタイムフレームごとに、ハイインパクト検出処理（Ｓ１１０）と、自由落下検出処理（Ｓ１２０）とを実行する。なお、これらの処理の詳細については後述する。これらの処理の結果を受けて、センサデータ解析部１０４に含まれるアクション検出部１０６は、２つのハイインパクト区間（踏み切りおよび着地と推定される）に挟まれた区間が発生したか否かを判定する（Ｓ１０１）。そのような区間が発生した場合、アクション検出部１０６は、区間の持続時間（duration）が２つの閾値（ＴＨ１，ＴＨ２）の間にあるか否かを判定する（Ｓ１０２）。これらの閾値は、例えば、ジャンプとしては長すぎる区間や短すぎると判断される区間を除外する目的で設定される。

Ｓ１０２の判定において持続時間が２つの閾値の間にあった場合、さらに、アクション検出部１０６は、当該区間における自由落下区間の比率が閾値（ＴＨ）を超えるか否かを判定する（Ｓ１０３）。自由落下区間の比率が閾値を超える場合、当該区間（２つのハイインパクト区間に挟まれた区間）がジャンプ区間であることが検出される（Ｓ１０４）。

図３は、図２に示したハイインパクト検出処理（Ｓ１１０）の例を示すフローチャートである。図３を参照すると、ハイインパクト検出処理では、センサデータに含まれる加速度（Ｄ１１１）が利用される。まず、センサデータ解析部１０４に含まれる特徴量抽出部１０５が、加速度のノルムを算出し（Ｓ１１２）、さらにノルムをＬＰＦ（Low Pass Filter）によってスムージングする（Ｓ１１３）。続いて、特徴量抽出部１０５は、スムージングされた加速度のノルムについて、所定のタイムフレームで振幅のパワーを算出する（Ｓ１１４）。アクション検出部１０６は、パワーが閾値（ＴＨ）を上回るか否かを判定し（Ｓ１１５）、パワーが閾値を上回る場合、当該タイムフレームがハイインパクト区間であることを検出する（Ｓ１１６）。

なお、本明細書および図面において、ＴＨ、ＴＨ１またはＴＨ２などとして表記される閾値には、それぞれの処理において適切な値が設定される。つまり、これらの閾値がいずれもＴＨなどとして表記されていることは、これらの閾値が同じ値であることを示すものではない。

図４は、図２に示した自由落下検出処理（Ｓ１２０）の第１の例を示すフローチャートである。図４を参照すると、第１の例に係る自由落下検出処理では、センサデータに含まれる加速度（Ｄ１２１）および角速度（Ｄ１２５）が利用される。まず、特徴量抽出部１０５が加速度のノルムを算出し（Ｓ１２２）、アクション検出部１０６が各区間におけるノルムが閾値（ＴＨ）を下回るか否かを判定する（Ｓ１２３）。アクション検出部１０６は、加速度のノルムが閾値を下回った区間について、当該区間が自由落下区間であることを検出する（Ｓ１２４）。

一方、特徴量抽出部１０５は、角速度についてもノルムを算出し（Ｓ１２６）、さらに所定のタイムフレームにおけるノルムの分散を算出する（Ｓ１２７）。アクション検出部１０６は、角速度のノルムの分散が閾値（ＴＨ）を下回るか否かを判定し（Ｓ１２８）、分散が閾値を下回る場合、Ｓ１２４において検出された自由落下区間をマスクする（つまり、自由落下区間としての判定を取り消す）（Ｓ１２９）。このような角速度に基づくマスク処理は、ユーザがジャンプした場合には角速度の変化が発生するため、角速度の変化（分散）が小さい自由落下区間はジャンプ以外の原因で発生している、という知見に基づく。

なお、上記の処理において、Ｓ１２６〜Ｓ１２９におけるマスクの処理は、必ずしもＳ１２１〜Ｓ１２４における自由落下区間の判定処理の後に実行されなくてもよい。例えば、アクション検出部１０６は、マスクの処理を先行して実行し、マスクする区間として特定された区間については自由落下区間の判定処理を実行しなくてもよい。あるいは、マスクの処理は、図２に示したジャンプ区間の検出処理（Ｓ１０４）の後に実行され、一旦ジャンプ区間として検出された区間がマスクされてもよい。さらにいえば、図４などに示す自由落下処理（Ｓ１２０）は、必ずしも図２に示した区間の発生判定（Ｓ１０１）の前に実行される必要はなく、区間の発生判定の後、例えば自由落下区間の比率に関する判定（Ｓ１０３）の前に、当該区間について自由落下検出処理が実行されてもよい。

図５は、図２に示した自由落下検出処理（Ｓ１２０）の第２の例を示すフローチャートである。図５を参照すると、第２の例に係る自由落下検出処理では、ユーザまたはユーザによって使用される器具に装着された加速度センサによって提供されるセンサデータに含まれる加速度（Ｄ１２１）が利用される。Ｓ１２２〜Ｓ１２４では、特徴量抽出部１０５およびアクション検出部１０６が上記の第１の例と同様の処理を実行し、自由落下区間を検出する。

一方、本例において、特徴量抽出部１０５は、加速度のＸ軸成分およびＹ軸成分を抽出し（Ｓ１３２）、さらに加速度のＸ軸成分とＹ軸成分との間での共分散を算出する（Ｓ１３３）。より具体的には、例えば、特徴量抽出部１０５は、ユーザが基準面（水平面には限らず、傾斜面であってもよい）上を歩いたり走ったりしている場合に、加速度センサの座標軸のうちユーザの進行方向に最も近い軸をＸ軸、基準面の法線方向に最も近い軸をＹ軸とし、これらの軸方向の加速度成分（Ｘ軸成分、Ｙ軸成分）の共分散を算出する。アクション検出部１０６は、共分散が閾値（ＴＨ）を下回るか否かを判定し（Ｓ１３４）、共分散が閾値を下回る場合、Ｓ１２４において検出された自由落下区間をマスクする（Ｓ１２９）。このような加速度の共分散に基づくマスク処理は、例えば、検出したいジャンプが専ら基準面の法線方向の変位を伴ういわゆる垂直跳びではなく、ユーザの進行方向への変位を伴うジャンプである場合に有効である。

（２−２．ジャンプの検出−２）
図６は、本開示の一実施形態において、ユーザのアクションに含まれるジャンプを検出するための処理の第２の例を示すフローチャートである。図示された処理は、上記の第１の例と同様に、例えば情報処理装置１００に含まれるセンサデータ解析部１０４において実行される。

まず、センサデータ解析部１０４は、候補セクション検出処理（Ｓ１４０）を実行する。なお、この処理の詳細については後述する。処理の結果を受けて、センサデータ解析部１０４に含まれるアクション検出部１０６は、候補区間が発生したか否かを判定する（Ｓ１０５）。候補区間が発生した場合、アクション検出部１０６は、上記の第１の例と同様に、区間の持続時間（duration）が２つの閾値（ＴＨ１，ＴＨ２）の間にあるか否かを判定する（Ｓ１０２）。持続時間が２つの閾値の間にあった場合、さらに、アクション検出部１０６は、区間における鉛直方向および水平方向の加速度の平均値（mean）がそれぞれの閾値（ＴＨｓ）を超えるか否かを判定する（Ｓ１０６）。加速度の平均値がそれぞれの閾値を超える場合、当該候補区間がジャンプ区間であることが検出される（Ｓ１０４）。

図７は、図６に示した候補区間検出処理（Ｓ１４０）の例を示すフローチャートである。図７を参照すると、候補区間検出処理では、まず、上記で図３を参照して説明したハイインパクト検出処理（Ｓ１１０）と、鉛直方向加速度算出処理（Ｓ１４１）と、水平方向加速度算出処理（Ｓ１４２）とが実行される。さらに、センサデータ解析部１０４に含まれる特徴量抽出部１０５は、各区間について、Ｓ１４１，Ｓ１４２で算出された鉛直方向加速度と水平方向加速度との差分を算出する（Ｓ１４３）。その上で、アクション検出部１０６が、２つのハイインパクト区間（踏み切りおよび着地と推定される）に挟まれた区間が発生したか否かを判定する（Ｓ１４４）。そのような区間が発生した場合、アクション検出部１０６は、Ｓ１４３で算出された鉛直方向加速度と水平方向加速度との差分が、当該区間において閾値（ＴＨ）を超えるか否かを判定する（Ｓ１４５）。差分が閾値を超える場合、当該区間（２つのハイインパクト区間に挟まれた区間）がジャンプ区間の候補区間であることが検出される（Ｓ１４６）。

図８は、図７に示した鉛直方向加速度算出処理（Ｓ１４１）の例を示すフローチャートである。図８を参照すると、鉛直方向加速度算出処理では、センサデータに含まれる加速度（Ｄ１５１）が利用される。まず、センサデータ解析部１０４に含まれる特徴量抽出部１０５が、加速度の平均値（mean）を算出する（Ｓ１５２）。ここで算出される平均値は、例えば移動平均でありうる。Ｓ１５２で算出された加速度の平均値に基づいて、特徴量抽出部１０５は重力成分加速度算出処理を実行する（Ｓ１５３）。さらに、特徴量抽出部１０５は、算出された重力成分加速度のノルムを算出する（Ｓ１５４）。なお、重力成分加速度は、移動平均などの平均値に基づいて算出されてもよいし、ＬＰＦなどのフィルタを用いて算出されてもよい。

一方、特徴量抽出部１０５は、上記のＳ１５２〜Ｓ１５４の処理とは別に、加速度（Ｄ１５１）をＢＰＦ（Band Pass Filter）で処理する（Ｓ１５５）。図示された例において、ＢＰＦは、低周波領域のフィルタによって加速度に含まれるＤＣ成分（つまり、重力成分）を除去し、さらに高周波領域のフィルタによって加速度をスムージングすることを目的として用いられる。なお、Ｓ１５５のＢＰＦは、例えばＬＰＦやＨＰＦ（High Pass Filter）など、他の種類のフィルタの組み合わせによって代替されてもよい。特徴量抽出部１０５は、ＢＰＦによって処理された加速度について、Ｓ１５３で算出された重力成分加速度との内積を算出する（Ｓ１５６）。

さらに、特徴量抽出部１０５は、Ｓ１５６で算出された内積を、Ｓ１５４で算出された重力成分加速度のノルムで割る（Ｓ１５７）。これによって、鉛直方向加速度（Ｖ１５８）が得られる。図示された例において、鉛直方向加速度は、ＢＰＦ（Ｓ１５５）によって重力成分を除去した加速度を、重力成分加速度の方向に射影することによって算出されている。

図９は、図７に示した水平方向加速度算出処理（Ｓ１４２）の例を示すフローチャートである。図９を参照すると、水平方向加速度算出処理でも、センサデータに含まれる加速度（Ｄ１５１）が利用される。また、水平方向加速度算出処理では、上記で図８を参照して説明した鉛直方向加速度算出処理（Ｓ１４１）において算出された鉛直方向加速度が利用される。より具体的には、センサデータ解析部１０４に含まれる特徴量抽出部１０５は、鉛直方向加速度を２乗して利用する（Ｓ１６１）。

その一方で、特徴量抽出部加速度（Ｄ１５１）をＢＰＦで処理し（Ｓ１６２）、加速度に含まれるＤＣ成分を除去するとともに加速度をスムージングする。なお、Ｓ１６２のＢＰＦも、例えばＬＰＦやＨＰＦなど、他の種類のフィルタの組み合わせによって代替されてもよい。特徴量抽出部１０５は、ＢＰＦによって処理された加速度のノルムを算出し（Ｓ１６３）、これを２乗する（Ｓ１６４）。さらに、特徴量抽出部１０５は、Ｓ１６１で算出された鉛直方向加速度の２乗と、Ｓ１６４で算出された水平方向加速度の２乗との差分を算出し（Ｓ１６５）、差分の平方根（Ｓ１６６）によって水平方向加速度（Ｖ１６７）を得る。

以上で説明したような、本開示の一実施形態におけるジャンプ検出では、ジャンプ検出の第１の例（図２）で自由落下検出処理に第１の例（図４）を採用する場合と、同じくジャンプ検出の第１の例（図２）で自由落下検出処理に第２の例（図５）を採用する場合と、ジャンプ検出の第２の例（図６）の場合とで、合計３種類のジャンプ検出処理が可能である。アクション検出部１０６を含むセンサデータ解析部１０４は、これらの３種類のジャンプ検出処理をそれぞれ実行した上で、それらの結果に基づいて最終的なジャンプ区間を検出してもよい。より具体的には、例えば、アクション検出部１０６は、３種類のジャンプ検出処理のうちの少なくとも１つでジャンプ区間が検出された場合に、当該区間を最終的なジャンプ区間として検出してもよい。あるいは、アクション検出部１０６は、３種類のジャンプ検出処理のうちの２つ以上、または３種類すべてでジャンプ区間が検出された場合に、当該区間を最終的なジャンプ区間として検出してもよい。

（２−３．ターンの検出）
図１０は、本開示の一実施形態において、ユーザのアクションに含まれるターン区間を検出するための処理の例を示すフローチャートである。図示された処理は、例えば上記の情報処理装置１００に含まれるセンサデータ解析部１０４において実行される。以下の処理では、センサデータ解析部１０４が、ユーザのアクションに含まれる回転を検出し（Ｓ２１０）、さらにその回転に含まれる非ターン性の回転を検出し（Ｓ２３０）、回転から非ターン性の回転を除いたものの中からターンを検出する（Ｓ２５０）。
ここで、非ターン性の回転は、例えば、センサがユーザの頭部、またはユーザの頭部に装着される器具に装着されるセンサを含む場合に、ユーザの首振りによって発生する回転を含む。非ターン性の回転は、他にも、ユーザの体動によって発生する回転、より具体的には、センサがユーザの腕部、またはユーザの腕部に装着される器具に装着されるセンサを含む場合に、ユーザの腕振りや腕回しによって発生する回転などを含みうる。
本実施形態では、センサデータ解析部１０４が、このような非ターン性の回転を除いた上でターン区間を検出することで、より精度の高いターン区間の検出が可能になる。そのような意味で、非ターン性の回転は、検出対象であるターンに対するノイズであるともいえ、本実施形態において、センサデータ解析部１０４は、ユーザのアクションに含まれる回転を検出し、さらにその回転に含まれるノイズを検出し、回転からノイズを除いたものの中からターンを検出するともいえる。

まず、センサデータ解析部１０４は、回転区間検出処理（Ｓ２１０）を実行する。本実施形態において、回転区間は、水平面方向の角速度が閾値を超える区間として定義される。センサデータ解析部１０４は、回転区間が発生したか否かを判定する（Ｓ２０１）。回転区間が発生した場合、まず、センサデータ解析部１０４は、首振り（HEAD SHAKE）検出処理（Ｓ２３０）を実行する。さらに、センサデータ解析部１０４は、首振りが検出されたか否かを判定し（Ｓ２０３）、首振りが検出されなかった場合に、さらにターン検出処理（Ｓ２５０）を実行する。このような処理によって、回転区間からユーザの首振り（例えば、センサが頭部装着型のウェアラブル端末装置に搭載されている場合などに発生する）によって生じた区間が除かれ、さらに回転半径や角速度、持続時間などが所望の条件を満たすターン区間を抽出することができる。

図１１は、図１０に示した回転区間検出処理（Ｓ２１０）の例を示すフローチャートである。図１１を参照すると、回転区間検出処理では、センサデータに含まれる加速度（Ｄ２１１）および角速度（Ｄ２１４）が利用される。まず、センサデータ解析部１０４に含まれる特徴量抽出部１０５が、加速度の平均値（mean）を算出する（Ｓ２１２）。ここで算出される平均値は、例えば移動平均でありうる。Ｓ２１２で算出された加速度の平均値に基づいて、特徴量抽出部１０５は重力成分加速度算出処理を実行する（Ｓ２１３）。さらに、特徴量抽出部１０５は、Ｓ２１３で算出された重力成分加速度と、角速度（Ｄ２１４）との内積を算出する（Ｓ２１５）。これによって、重力成分加速度の方向への角速度の射影、つまり水平面方向（鉛直軸回り）の角速度（Ｖ２１６）が得られる。

ここで、特徴量抽出部１０５は、算出された角速度を一旦積分して（Ｓ２１７）、水平面方向の角変位（Ｖ２１８）を算出する。特徴量抽出部１０５は、角変位をＬＰＦで処理する（Ｓ２１９）。さらに、特徴量抽出部１０５は、角変位を微分して（Ｓ２２０）、水平面方向の角速度（Ｖ２２１）にする。Ｖ２２１の角速度は、Ｖ２１８の角速度と比較して、Ｓ２１７で一旦積分され、さらに積分後の角変位がＳ２１９でＬＰＦによって処理されたことによってスムージングされ、波形からノイズが除去されている。センサデータ解析部１０４に含まれるアクション検出部１０６は、水平面方向の角速度（Ｖ２２１）が閾値を上回るか否かを判定し（Ｓ２２２）、角速度が閾値を上回る区間を回転区間として検出する（Ｓ２２３）。

図１２は、図１０に示した首振り検出処理（Ｓ２３０）の例を示すフローチャートである。図１２を参照すると、首振り検出処理では、図１１に示した回転区間検出処理で算出された、スムージング後の水平面方向の角速度（Ｖ２２１）を利用する。特徴量抽出部１０５は、角速度の符号を取得する（Ｓ２３１）。回転の向きに対する符号の定義はどのようなものでもよいが、図示された例において、角速度（Ｖ２２１）の符号として、時計回りの回転（Ｖ２３２）と、反時計回りの回転（Ｖ２３３）とを定義する。さらに、特徴量抽出部１０５は、逆向きの回転が発生した時間間隔を算出する（Ｓ２３４）。つまり、図示された例において、特徴量抽出部１０５は、時計回りの回転（Ｖ２３２）が発生してから反時計回りの回転（Ｖ２３３）が発生するまでの時間間隔、および反時計回りの回転（Ｖ２３３）が発生してから時計回りの回転（Ｖ２３２）が発生するまでの時間間隔を算出する。アクション検出部１０６は、Ｓ２３４で算出された時間間隔が閾値（ＴＨ）を下回るか否かを判定し（Ｓ２３５）、時間間隔が閾値を下回る場合に、首振りが発生していることを検出する（Ｓ２３６）。

図１３は、図１０に示したターン検出処理（Ｓ２５０）の例を示すチャートである。ターン検出処理では、特徴量抽出部１０５によって複数の特徴量が算出され、それぞれの特徴量に基づいてアクション検出部１０６が閾値による判定を実施する。図１３には、特徴量抽出部１０５がそれぞれの特徴量を算出するための処理が示されている。なお、以下の説明ではそれぞれの特徴量の算出の処理を順を追って説明するが、特徴量抽出部１０５による処理は必ずしも説明の順序に実行されなくてもよく、前提になる量が取得または算出されていれば、任意の順序で処理が実行されうる。

まず、特徴量抽出部１０５は、センサデータに含まれる加速度（Ｄ２５１）のノルムを算出し（Ｓ２５２）、さらに所定のタイムフレームにおけるノルムの平均値を算出する（Ｓ２５３）。このようにして算出された加速度ノルム平均（Ｖ２５４）は、ターン検出のための特徴量の１つとして利用される。

一方、特徴量抽出部１０５は、加速度（Ｄ２５１）を第１のＬＰＦで処理し（Ｓ２７３）、重力成分加速度（Ｖ２７４）を算出する。さらに、特徴量抽出部１０５は、センサデータに含まれる角速度（Ｄ２５５）と重力成分加速度との内積を算出する（Ｓ２５６）。これによって、重力成分加速度の方向への角速度の射影、つまり水平面方向（鉛直軸回り）の角速度（Ｖ２５７）が得られる。特徴量抽出部１０５は、算出された角速度を積分して（Ｓ２５８）、水平面方向の角変位（Ｖ２５９）を算出する。角変位（Ｖ２５９）も、ターン検出のための特徴量の１つとして利用される。

さらに、特徴量抽出部１０５は、角変位（Ｖ２５９）と、処理の対象になっている回転区間の持続時間（duration）（Ｖ２６０）とに基づいて、角速度（Ｖ２６１）を算出する。Ｖ２６１の角速度は、例えばＤ２５５の角速度と比べて、より長いタイムフレーム（例えば回転区間全体でスムージングされたものでありうる。回転区間の持続時間（Ｖ２６０）および角変化率（Ｖ２６１）も、ターン検出のための特徴量の１つとして利用される。

また、特徴量抽出部１０５は、角変位（Ｖ２５９）を所定のタイムフレームについて解析する（Ｓ２６２）ことによって、いくつかの特徴量を算出する。より具体的には、特徴量抽出部１０５は、タイムフレーム内での角速度の最大値（Ｓ２６３，Ｖ２６８）、平均値（Ｓ２６４，Ｖ２６９）、分散（Ｓ２６５，Ｖ２７０）、尖度（Ｓ２６６，Ｖ２７１）、および歪度（Ｓ２６７，Ｖ２７２）を算出する。これらの特徴量も、ターン検出のための特徴量として利用される。

一方で、特徴量抽出部１０５は、加速度（Ｄ２５１）を第２のＬＰＦで処理する（Ｓ２７５）。図示された例では、第１のＬＰＦ（Ｓ２７３）が、加速度に含まれるＤＣ成分である重力成分加速度（Ｖ２７４）を抽出するために用いられたのに対して、第２のＬＰＦ（Ｓ２７５）は、高周波領域をフィルタすることによって加速度をスムージングするために用いられる。従って、これらのＬＰＦの通過帯域設定は異なりうる。

特徴量抽出部１０５は、第２のＬＰＦ（Ｓ２７５）によってスムージングされた加速度と、第１のＬＰＦ（Ｓ２７３）によって抽出された重力成分加速度（Ｖ２７４）との内積を算出する（Ｓ２７６）。これによって、鉛直方向加速度（Ｖ２７７）が得られる。さらに、特徴量抽出部１０５は、重力成分加速度（Ｖ２７４）と鉛直方向加速度（Ｖ２７７）とを合成した加速度ベクトルの、第２のＬＰＦ（Ｓ２７５）によってスムージングされた加速度との差分を算出する（Ｓ２７８）。これによって、水平方向加速度（Ｖ２７９）が得られる。特徴量抽出部１０５は、水平方向加速度の平均値を算出する（Ｓ２８０）．このようにして算出された水平方向加速度の平均値（Ｖ２８１）も、ターン検出のための特徴量として利用される。

アクション検出部１０６は、例えば上記のようにしてセンサデータから抽出された特徴量に基づいて、ターンが発生したか否かの判定を実施する。図示された例において、アクション検出部１０６は、回転区間の持続時間（Ｖ２６０）、水平面方向の角変位（Ｖ２５９）、スムージングされた角速度（Ｖ２６１）、加速度ノルム平均（Ｖ２５４）、水平方向加速度の平均値（Ｖ２８１）、タイムフレーム内での角速度の最大値（Ｖ２６８）、平均値（Ｖ２６９）、分散（Ｖ２７０）、尖度（Ｖ２７１）、および歪度（Ｖ２７２）に基づいて判定を実施する。

なお、判定に用いられる特徴量は上記の例には限られず、例えば上記の例以外の特徴量が用いられてもよいし、上記の例の特徴量の一部が用いられなくてもよい。例えば、センサデータから抽出可能な様々な種類の特徴量の中から、実際にターンが発生したときのセンサデータに基づく主成分分析によって、ターン検出に使用する特徴量の種類が決定されてもよい。あるいは、実際にターンが発生したときに現れるセンサデータの傾向に基づいて、判定に用いられる特徴量が決定されてもよい。例えば、上記の例のうち、加速度ノルム平均（Ｖ２５４）および水平方向加速度の平均値（Ｖ２８１）は、ターンの回転半径に関係する特徴量である。

また、アクション検出部１０６による判定において適用される各特徴量の閾値は、例えば、実際にターンが発生した時のセンサデータに基づく機械学習の結果に従って決定される。このとき、実際にターンが発生したか否かは、例えば、センサデータと同時に取得されたアクションの映像を参照してマニュアルで決定されてもよい。また、単にターンが発生したか否かだけではなく、どのようなターンかを示すラベルが与えられてもよい。より具体的には、例えば、映像を参照した結果、サービス提供者側で、ターンとして検出したい、ターンとして検出したくない、またはどちらでもよいと判定されたアクションについて、それぞれの属性を示すラベルが与えられてもよい。
以上、本開示の一実施形態において実行されるアクション検出処理のいくつかの例について説明した。既に説明した通り、本実施形態で実行されるアクション検出処理はスノーボードで発生するジャンプやターンには限られず、例えばスノーボード以外のスポーツ、またはスポーツ以外のシーンで発生するジャンプやターンについてアクション検出処理が実行されてもよい。また、本実施形態で実行されるアクション検出処理では、ジャンプやターン以外のアクションが検出されてもよい。一例として、アクション検出部１０６は、スノーボードなどで発生する転倒を検出してもよい。この場合、特徴量抽出部１０５が上述したジャンプやターンの検出と同様にして加速度のノルムを算出し、アクション検出部１０６が、加速度のノルムが閾値（例えば、通常の滑走では発生しない程度の大きな値でありうる）を上回った場合に、転倒の発生を検出してもよい。

（３．付加的な処理の例）
（３−１．アクションスコアの算出）
例えば、解析結果処理部１０７に含まれるスコアリング処理部１０９は、上記で図２〜図１３を参照して説明したような処理によって検出されるジャンプ区間および／またはターン区間を含むアクション区間について、発生したアクションを評価するスコア（アクションスコア）を算出する。アクションスコアは、例えばアクション区間におけるセンサデータから、アクションの良し悪しや特徴を表す物理量（特徴量）を抽出し、それらを重みづけ加算することによって算出されうる。サービス制御部１１２は、このようにして算出されたスコアに基づいて、アクション（例えばジャンプまたはターン）に関する情報を生成する。

例えば、ジャンプ区間の場合、区間の持続時間（duration）、区間におけるＸ軸／Ｙ軸／Ｚ軸回りの角変位）、自由落下区間の割合、踏切時／着地時の衝撃の大きさなどが、スコアを算出するための特徴量として抽出されうる。また、例えば、ターン区間の場合、区間の持続時間、変位角、各速度の平均値、最大値、および標準偏差、角加速度の最大値および標準偏差などが、スコアを算出するための特徴量として抽出されうる。

なお、重みづけ加算の係数は、例えば、情報処理装置１００によって提供されるサービス１１３において重視されるアクションの性質に応じて設定されうる。また、特徴量からアクションのスコアを算出するための方法は重みづけ加算には限られず、他の計算方法が用いられてもよい。例えば、線形回帰モデルなど、機械学習のアルゴリズムを適用することによってアクションスコアを算出してもよい。

（３−２．クラスタリング処理）
また、例えば、解析結果処理部１０７に含まれるクラスタリング処理部１０８は、上記で図２〜図１３を参照して説明したような処理によって検出されるジャンプ区間および／またはターン区間を含むアクション区間について、スコアリングのために抽出した特徴量などを利用してｋ−ｍｅａｎｓ法などのクラスタリングアルゴリズムを適用し、検出されたアクションをクラスタに分類する。ジャンプ区間やターン区間の場合、例えば、区間の持続時間の長短や、回転の大小によってアクションがクラスタに分類されてもよい。クラスタリングの結果は、例えば、サービスとしてダイジェスト動画を提供するような場合に、様々な種類のジャンプやターンなどのアクションが動画に含まれるようにアクション区間を抽出するために利用される。また、良かったアクションとそうでなかったアクションとを別々のクラスタに分類することによって、ユーザ自身がアクションを振り返ったり、アクションの改善のためのコーチングに役立てたりしてもよい。

なお、解析結果処理部１０７は、クラスタリングと同様の処理として、特徴量の相関係数に基づいてアクション区間同士の類似度を算出してもよい（類似度が高いアクション区間は、同じクラスタに分類されたアクション区間と同様に扱うことができる）。また、例えば、解析結果処理部１０７は、典型的なタイプのアクションの特徴量パターンを予め用意しておき、ｋ−ＮＮ法などによって、新たに発生したアクションがどのタイプに該当するかを判定してもよい。

（３−３．センサ装着状態の推定）
図１４は、本開示の一実施形態において、センサ装着状態を推定するための処理の例を示すブロック図である。より具体的には、図示された構成によって、センサデータを提供するセンサがユーザの身体に直接的に装着されているか、ユーザによって使用される器具に装着されているかが判定される。図示された処理は、例えば上記の情報処理装置１００に含まれるセンサデータ解析部１０４において実行される。なお、図示された例では、フィルタの遮断周波数（Ｆｃ）やタイムフレームの長さが具体的に説明されているが、これらの数値は一例であり、実際のセンサの特性などに応じて適宜変更されうる。

図示された例において、情報処理装置１００の受信部１０２は、３軸（ｕ，ｖ，ｗ）の加速度センサ１２１によって提供されるセンサデータを受信する。センサデータ解析部１０４は、センサデバイス制御部１０３を介してこのセンサデータを取得する。センサデータ解析部１０４は、まず、センサデータに含まれる加速度を１段のＨＰＦ１２２（Ｆｃ＝０．５Ｈｚ）で処理し、その後ノルム算出１２３を実行する。さらに、センサデータ解析部１０４は、ノルムを２段のＬＰＦ１２４（Ｆｃ＝２Ｈｚ）および２段のＨＰＦ（Ｆｃ＝７Ｈｚ）でそれぞれ処理した結果について、タイムフレーム２ｓｅｃでの振幅（最大値と最小値の差）を算出する（１２５，１２７）。これらの結果（ＡおよびＢ）について、Ａ／Ｂを演算する（１２８）。その結果を１段のＨＰＦ１２９（Ｆｃ＝０．２５Ｈｚ）で処理し、閾値判定１３０を実施する。

上記のような判定の処理は、センサがユーザの身体に直接的に装着されている場合、身体がＬＰＦとして機能することによって加速度の高周波成分が減衰することに基づいている。上記の例におけるＡ（ＬＰＦ１２４を通過した低周波成分の振幅）／Ｂ（ＨＰＦを通過した高周波成分の振幅）は、元の加速度において高周波成分が減衰しているほど大きな値になる。従って、閾値判定１３０では、Ａ／ＢをＨＰＦ１２９で処理した値が閾値よりも大きい場合にはセンサがユーザの身体に直接的に装着されていると判定し、そうでない場合にはセンサが器具に装着されていると判定することができる。

上記のような推定の結果は、例えば、センサデータ解析部１０４の内部で利用されてもよい。この場合、センサデータ解析部１０４は、上述したようなユーザのアクションの検出の処理において、閾値やフィルタの設定値などを、センサが身体に装着されているか器具に装着されているかによって変更してもよい。あるいは、上記のような推定の結果は、センサデバイス制御部１０３にフィードバックされ、センサデバイスの測定に関するパラメータなどの設定や、センサデバイス制御部１０３によるセンサデータの前処理方法などを決定するために利用されてもよい。

本実施形態では、例えば上記のセンサ装着状態の推定のように、センサデータの提供側の状態に関する推定に基づいて、センサデータの処理に関する適応的な制御が実施されてもよい。他の例として、センサデータ解析部１０４は、加速度センサなどによって検出された衝撃の強さや動きのパターンなどから、機械学習などのアルゴリズムを用いてアクションが発生しているスポーツの種類を推定してもよい。スポーツは、一般的に認識されている種目ごとに推定されてもよいし、ボードスポーツ、水上スポーツ、自転車競技、モータースポーツなどの系統ごとに推定されてもよい。また、例えば、センサデータ解析部１０４は、センサが器具に装着されている場合に、器具の種類（例えばスキーの場合、スキー板に装着されているか、ストックに装着されているか、など）を推定してもよい。推定の結果は、上記のセンサ装着状態の推定結果と同様に、例えばアクションの検出などにおける閾値やフィルタの設定値の制御に利用されてもよいし、センサデバイス制御部１０３にフィードバックされて、センサデバイスの制御やセンサデータの前処理方法の決定に利用されてもよい。

（４．情報生成の例）
以下、本開示の一実施形態に含まれる情報生成のいくつかの例について説明する。

（４−１．第１の例）
図１５は、本開示の一実施形態に含まれる情報生成の第１の例における処理を示すフローチャートである。

図示された例では、まず、センサデータ解析部１０４に含まれるアクション検出部１０６が、アクション区間を検出する（Ｓ３０１）。アクション区間は、例えば、上記で図２〜図１３を参照して説明したような処理によって検出されるジャンプ区間および／またはターン区間を含んでもよい。また、アクション区間は、歩く、走る、静止する、乗り物で移動するなどといった、センサデータに基づいて検出されるその他のユーザのアクションが発生した区間を含んでもよい。

次に、解析結果処理部１０７に含まれるスコアリング処理部１０９が、Ｓ３０１で検出されたアクション区間についてアクションスコアを算出する（Ｓ３０２）。さらに、アクション区間やアクションスコアに関するアクション情報と、ユーザＩＤ、位置情報、別途取得されたアクションの映像データなどを含むデータがアップロードされる（Ｓ３０３）。Ｓ３０３におけるアップロードは、例えば、センサデータ解析部１０４や解析結果処理部１０７の機能を実現するサーバから、サービス制御部１１２を実現するサーバへのアップロードであってもよい。あるいは、Ｓ３０３におけるアップロードは、センサデータ解析部１０４や解析結果処理部１０７の機能を実現する端末装置から、サービス制御部１１２を実現するサーバへのアップロードであってもよい。これらのサーバまたは端末装置が同じものである場合、アップロードは、例えば内部的なデータベースへの登録と読み替えられる。

Ｓ３０３において、例えば個々のユーザに関して検出されたアクション区間およびアクションスコアのアップロードを受け付けたサービス制御部１１２は、当該ユーザのスキルレベルを算出する（Ｓ３０４）。スキルレベルは、後述するように、例えば各ユーザについて算出されたアクションスコアの履歴に基づいて算出される。従って、図示された例において、サービス制御部１１２を実現するサーバでは、ユーザのアクションスコアの履歴を保持するデータベースが利用可能である。また、このサーバでは、ユーザのスキルレベルを保持するデータベースが利用可能であってもよく、Ｓ３０４でスキルレベルを算出したサービス制御部１１２は、スキルレベルのデータベースを更新してもよい。

Ｓ３０４で算出されたスキルレベルを利用して、サービス制御部１１２は、いくつかの処理を実行可能である。例えば、サービス制御部１１２は、入力されたユーザＩＤによって当該ユーザのスキルレベルを検索し（Ｓ３０５）、スキルレベルに関する情報を提供してもよい（Ｓ３０６）。また、サービス制御部１１２は、対象になるユーザのスキルレベルに基づいてランキング情報を計算し（Ｓ３０７）、これを提供してもよい（Ｓ３０８）。あるいは、サービス制御部１１２は、ランキング情報に基づいてアクション映像を共有するユーザを決定し（Ｓ３０９）、共有対象のユーザの映像データを取得してもよい（Ｓ３１０）。なお、ランキング情報の計算や、計算されたランキング情報を利用した処理の詳細については後述する。

また、サービス制御部１１２は、Ｓ３０３でアップロードされたデータに含まれる位置情報から、アクションが検出された施設のＩＤを検索し（Ｓ３１１）、当該施設において検出されたアクションのアクションスコアと、それぞれのアクションを実行したユーザのスキルレベルとの分布に基づいて施設レベルを算出し（Ｓ３１２）、施設レベルの情報を含む施設データを提供する（Ｓ３１３）。なお、施設レベルの算出処理の詳細についても後述する。サービス制御部１１２は、上述したいくつかの情報を提供するにあたり、ソーシャルメディアやＷｅｂ上であるユーザがリクエストした情報を他のユーザとの間で共有してもよい（Ｓ３１４）。

以下、上記で図１５に示した例で算出されたそれぞれの情報について、さらに具体的に説明する。なお、これらの情報は、必ずしもすべてが算出されなくてもよく、一部だけが算出されてもよい。また、これらの情報に加えて、またはこれに代えて、他の種類の情報が算出されてもよい。

（スキルレベルの算出）
上記の図１５の例では、各ユーザについて算出されたアクションスコアの履歴に基づいてスキルレベルが算出される（Ｓ３０４）。具体的な例として、スキルレベルは、以下の変数を含む式によって算出されるポイントの累計値に応じて決定されてもよい。
・アクションスコアの合計値
・アクションスコアの最大値
・アクションスコアの分布
・アクション種類のバリエーション（上述したクラスタリングの結果が利用できる）
・アクションが検出された施設のレベル
・アクションが検出された施設のバリエーション
・直近の期間でのアクション検出回数
・総アクション検出回数
・アクション検出頻度（総アクション検出回数／サービス利用期間）
・連続するアクションによって形成されるパターンの難易度
・目標達成率

なお、上記の目標達成率は、例えばユーザ自身が設定した目標の達成率であってもよい。あるいは、ユーザの現在のスキルレベルに応じた目標がサービスによって自動的に設定され、設定された目標を達成することによってスキルレベルが上昇してもよい。あるいは、自動的に設定される目標は、例えばそれを達成することが上級者またはサービスのヘビーユーザであることを意味し、達成すること自体が記録として残るものであってもよい。

（ランキングの生成）
上記の図１５の例では、ユーザのスキルレベルに基づいてランキングが生成される（Ｓ３０７）。ランキングは、より具体的には、各ユーザについて算出されたスキルレベルを昇順に並べることによって生成される。ランキングは、例えば、全ユーザ（総合ランキング）や、あるユーザによって指定された範囲のユーザ（友人グループ内ランキング）について生成されてもよいし、地域、年代などのユーザの属性ごとに生成されてもよいし、アクションが検出された施設ごとに生成されてもよい。ランキングはサーバ上のデータベースに保存され、アクションが検出された時にリアルタイムで更新されてもよい。

（映像の共有）
上記の図１５の例では、ランキング情報に基づいて選択されたユーザとの間で、アクション映像が共有される（Ｓ３０９，Ｓ３１０）。アクション映像は、例えば、センサデバイスとペアリングされたデジタルビデオカメラなどの撮像装置によって撮像された映像データから、アクション区間に対応する部分を切り出すことによって生成される。

ここで、共有されるアクション映像は、複数のアクション区間について生成されたアクション映像を、視聴環境に応じて数秒〜数十秒に編集したものでありうる。例えば、単一のユーザについてのアクション映像を編集する場合、アクションスコア上位または下位の映像を抽出したり、アクション映像を視聴するユーザがいる施設で検出されたアクションの映像を抽出したりしてもよい。また、複数のユーザについてのアクション映像を編集する場合、ランキングが上位のユーザの映像を抽出したり、アクション映像を視聴するユーザがいる施設でのランキングが上位のユーザの映像を抽出したり、アクション映像を視聴するユーザの友人グループに属するユーザの映像を抽出したり、直近の期間にアップロードされた映像を抽出したり、アクション映像を視聴するユーザに近いスキルレベルの他のユーザの映像を抽出したりしてもよい。

また、映像の編集では、単一のアクション映像を時系列で配列するだけではなく、画面を分割して複数のアクション映像を並行して再生したり、複数の映像を透過的に重畳して表示させたりしてもよい。また、生成されたアクション画像は、ソーシャルメディアやＷｅｂで共有または公開するためだけではなく、例えば広告としてパブリックディスプレイに表示させたり、コーチに送信してアドバイスをもらったりするために利用されてもよい。

（施設レベルの算出）
上記の図１５の例では、位置情報に基づいて検索された施設について、当該施設において検出されたアクションのアクションスコアと、それぞれのアクションを実行したユーザのスキルレベルとの分布に基づいて施設レベルが算出される（Ｓ３１２）。施設レベルの算出にあたっては、例えば、スキルレベルに関係なく多くのユーザについてスコアの高いアクションが検出されている施設には、低いレベル（難易度が低いことを示す）が与えられてもよい。一方、スキルレベルの高いユーザだけについてスコアの高いアクションが検出されている施設には、高いレベル（難易度が高いことを示す）が与えられてもよい。また、転倒などのアクション（試みたアクションに失敗したことを示す）が検出されたことも、施設レベルに反映されてもよい。上記のような難易度を示すレベルに限らず、アクションが検出されたユーザの数に応じて人気度を示すレベルを算出することも可能である。

なお、施設は、例えばコースやコート、フィールドなど、アクションが発生しているスポーツの種類によって様々な形態でありうる。また、スキーの例でいえば、複数のコースを含むパークや、コース内の特定のジャンプ台などのように、様々な単位で施設を定義することができる。他のスポーツについても同様に、様々な単位で施設が定義されうる。

（画面表示例）
図１６は、本開示の一実施形態に含まれる情報生成の第１の例における画面表示を示す図である。図１６を参照すると、画面１０００には、ユーザプロファイル１００１が表示される。ユーザプロファイル１００１の項目には、スキルレベル１００３が含まれる。スキルレベル１００３は、例えば図１５に示したＳ３０４の処理で算出されたスキルレベルである。図示された例において、ユーザプロファイル１００１には、スキルポイント１００５がさらに含まれる。スキルポイント１００５は、例えば上記で説明したように、スキルレベルを決定するために算出されたポイントであってもよい。

また、画面１０００には、スキルランキング１００７が表示される。スキルランキング１００７は、例えば図１５に示したＳ３０７の処理で生成されたランキングに基づいて表示される。図示された例において、スキルランキング１００７は、総合ランキングの他、地域別ランキング（タブ１００９を選択して表示）、施設別ランキング（タブ１０１１を選択して表示）、および年齢別ランキング（タブ１０１３を選択して表示）などについて表示可能である。

さらに、画面１０００には、共有されたアクション映像１０１５が表示される。アクション映像１０１５は、例えば図１５に示したＳ３０９，Ｓ３１０の処理によって共有される映像である。また、画面１０００では、施設に関する表示（例えば施設名１０１７）について、施設情報１０１９をポップアップ表示させることが可能である。施設情報１０１９には、例えば図１５に示したＳ３１２に処理によって算出される施設レベル１０２１が含まれる。

例えば上記のような画面１０００を、ソーシャルメディアやＷｅｂサービス、スマートフォンなどのモバイルデバイスやウェアラブルデバイス用のアプリケーションなどを通じて公開することによって、ユーザは他のユーザとの間で様々な情報を共有し、自身のレベルを確認したり、友達などと競い合ったりすることができる。

（４−２．第２の例）
図１７は、本開示の一実施形態に含まれる情報生成の第２の例における処理を示すフローチャートである。

図示された例では、まず、アクション区間検出（Ｓ３０１）、アクションスコア算出（Ｓ３０２）、データアップロード（Ｓ３０３）、およびスキルレベル算出（Ｓ３０４）の処理が、図１５に示した第１の例と同様に実行される。

ここで、本例において、サービス制御部１１２は、画像マッチングによるユーザ検索（Ｓ３２１）、ならびに／または位置および方位によるユーザ検索（Ｓ３２２）を実行する。これらの処理は、情報の提供を受けようとするユーザ（第１のユーザ）に近接している他のユーザ（第２のユーザ）を検索する処理である。Ｓ３２１では、例えば、第１のユーザの視界に対応する撮像画像（以下、視界画像ともいう）に含まれる第２のユーザの顔が検出されてもよい。あるいは、Ｓ３２１では、例えば、第１のユーザの視界画像と第２のユーザの視界画像とに共通して含まれるランドマークが検出されてもよい。Ｓ３２２では、端末装置に搭載されたＧＰＳなどによって取得される位置情報と、地磁気センサなどによって取得される方位の情報に基づいてユーザが検索される。より具体的には、サービス制御部１１２は、第１のユーザと第２のユーザとがそれぞれ所持している端末装置で取得される位置情報が近接しており、かつ第１のユーザが端末装置を向けていると推定される方位が、第１のユーザからみて第２のユーザがいる方位と近い場合に、第２のユーザが対象ユーザとして検出されてもよい。

さらに、サービス制御部１１２は、上記のＳ３２１またはＳ３２２において検索された第２のユーザを対象として、対象ユーザＩＤを取得する（Ｓ３２３）。対象ユーザＩＤを取得可能な第２のユーザは、例えば第１のユーザと同じサービス、または第１のユーザが利用しているサービスと連携しているサービスを利用している他のユーザでありうる。Ｓ３２３で取得された対象ユーザＩＤを利用して、サービス制御部１１２は、いくつかの処理を実行可能である。

例えば、サービス制御部１１２は、情報の提供を受けようとする第１のユーザと、対象ユーザとして検出された第２のユーザとの間で、Ｓ３０４で算出されたスキルレベルを比較する（Ｓ３２４）。サービス制御部１１２は、比較の結果に従って、第１のユーザおよび／または第２のユーザに通知を送信する（Ｓ３２５）。例えば、本実施形態において対戦型のスポーツで発生するアクションが検出される場合、Ｓ３２５では、Ｓ３２４の比較において第１のユーザのスキルレベルと第２のユーザのスキルレベルとが近い場合に、いずれかまたは両方のユーザに互いの存在または接近を知らせる通知が送信されうる。この場合、第１のユーザと第２のユーザとの位置が近接していることが条件とされてもよい。後述するように、この場合、第１のユーザおよび第２のユーザが承諾した場合には、これらのユーザが出会えるようにナビゲーションが提供されてもよい。

また、例えば、サービス制御部１１２は、Ｓ３２３で取得された対象ユーザＩＤを用いて、対象になる第２のユーザのスキルレベル情報を取得する（Ｓ３２６）。例えば情報の提供を受けようとする第１のユーザが装着している端末装置がグラス型やゴーグル型などのＨＭＤ（Head Mounted Display）である場合、サービス制御部１１２は、取得されたスキルレベル情報をＨＭＤに表示させる（Ｓ３２７）。この場合、スキルレベル情報を表示する画像は、例えばＨＭＤにおいて実空間の像に重畳して表示される。さらに、例えば、サービス制御部１１２は、Ｓ３２３で取得された対象ユーザＩＤを用いて、対象になる第２のユーザのアクション映像のデータを取得してもよい（Ｓ３２８）。第２のユーザのアクション映像も、第１のユーザが装着しているＨＭＤで表示されうる（Ｓ３２７）。なお、ＨＭＤに代えて、ユーザがスマートフォンやタブレットなどを実空間にかざしている場合に、これらのモバイルデバイスのカメラとディスプレイとを利用して同様の情報が表示されてもよい。

（画面表示例）
図１８は、本開示の一実施形態に含まれる情報生成の第２の例における画面表示を示す図である。図１８を参照すると、画面１１００（画面１１００ａ，１１００ｂ）は、ＨＭＤを用いて、実空間の像Ｒに重畳して表示されている。画面１１００ａでは、上記の図１７に示したＳ３２５の処理によって生成された通知１１０１が表示されている。上述のように、このような通知１１０１は、例えば、画面１１００を見ているユーザ（第１のユーザ）に近いスキルレベルを有する他のユーザ（第２のユーザ）が近接した場合に表示されうる。

また、画面１１００ｂでは、例えば画面１１００ａのような通知が表示された後に、第１のユーザおよび第２のユーザの承諾が得られたことによって、これらのユーザが出会えるようにナビゲーションが提供されている。図示された例において、画面１１００ｂは、ナビゲーションのためのインストラクションテキスト１１０３、矢印１１０５、方位１１０７、およびレーダーマップ１１０９を含む。

図１９も、本開示の一実施形態に含まれる情報生成の第２の例における画面表示を示す図である。図１９を参照すると、画面１２００（画面１２００ａ，１２００ｂ）は、ＨＭＤを用いて、実空間の像Ｒに重畳して表示されている。画面１２００ａでは、実空間の像Ｒにおいて、他のユーザ（第２のユーザ）Ｕ２がスノーボードで滑走している。本例では、例えばこのＨＭＤに搭載されたカメラが取得した画像に基づいて、ユーザＵ２が識別される（図１７に示したＳ３２１）。あるいは、このＨＭＤで取得された位置および方位と、ユーザＵ２が携帯または装着している端末装置で取得された位置（および方位）とに基づいて、ユーザＵ２が識別されてもよい（図１７に示したＳ３２２）。図示された例では、識別されたユーザＵ２のスキルレベル情報１２０１が表示されている（図１７に示したＳ３２６，Ｓ３２７）。一方、画面１２００ｂでは、ユーザＵ２のスキルレベル情報１２０１に加えて、ユーザＵ２の過去のアクション画像１２０３が表示されている（図１７に示したＳ３２６，Ｓ３２７，Ｓ３２８）。

（４−３．第３の例）
図２０は、本開示の一実施形態に含まれる情報生成の第３の例を概念的に説明するための図である。図２０を参照すると、スノーボードのコース１４２（施設の例）において、施設に設置されたカメラ１４１が、スノーボードで滑走しているユーザ１４３の映像を取得している。このとき、カメラ１４１は、ユーザ１４３がコース１４２上で実行したアクションを捉えた映像を取得している可能性がある。つまり、カメラ１４１が取得した映像は、ユーザのアクションを客観的な視点から捉えた映像として有用である可能性がある。

しかしながら、カメラ１４１が連続的に撮像している映像の中から、ユーザが所望する部分を適切に抽出することは容易ではない。そこで、本例では、サービス制御部１１２が、アクション区間の情報などに基づいて、映像の適切な部分を抽出する。これによって、ユーザが所望する映像の部分を適切に提供することができる。なお、本例の場合、上述したようなアクションスコアやスキルレベルの算出は、必ずしも実行されなくてもよい。

図２１は、本開示の一実施形態に含まれる情報生成の第３の例における処理を示すフローチャートである。図示された例では、まず、センサデータ解析部１０４に含まれるアクション検出部１０６によるアクション区間検出（Ｓ３０１）の処理が、上記の第１および第２の例と同様に実行される。次に、アクション区間の映像受信リクエストが発行される（Ｓ３４１）。このリクエストは、例えば、センサデータ解析部１０４の機能を実現するサーバから、サービス制御部１１２を実現するサーバに送信されてもよい。あるいは、Ｓ３４１におけるリクエストは、センサデータ解析部１０４の機能を実現する端末装置から、サービス制御部１１２を実現するサーバに送信されてもよい。これらのサーバまたは端末装置が同じものである場合、リクエストの発行は、例えばデータを要求する内部的なコマンドの発行と読み替えられる。リクエストは、例えば、対象になるアクション区間の情報と、デバイスＩＤと、アクションが発生した位置を示す位置情報とを含みうる。

Ｓ３４１において映像受信リクエストを受け付けたサービス制御部１１２は、リクエストに含まれる位置情報に基づいて、施設に設置されたカメラの中から対象カメラを決定する（Ｓ３４２）。対象カメラは、例えば、リクエストに含まれる位置情報によって示されるアクションが発生した位置に、最も近い位置に設置されたカメラでありうる。さらに、サービス制御部１１２は、対象カメラによって取得された映像データから、リクエストに含まれるアクション区間を検索し（Ｓ３４３）、アクション区間についてのデータがあるか否か判定する（Ｓ３４４）。ここで、例えば、サービス制御部１１２は、映像データのタイムスタンプとアクション区間のタイムスタンプとを比較し、アクション区間に対応する時間の映像データが存在するか否かを判定する。さらに、サービス制御部１１２は、アクション区間の映像データについて画像解析を実施し、動きのある（アクションを実行している）被写体が映っているか否かを判定してもよい。

Ｓ３４４において、対象の映像データがあると判定された場合、さらに、サービス制御部１１２は、対象の映像データに基づいてサムネイル画像を作成する（Ｓ３４５）。図示された例において、サムネイル画像は、例えば対象の映像データから、アクション区間において１または複数の静止画像をキャプチャすることによって生成される。従って、この時点では、映像データに対して後述するＳ３４９のような加工は加えられていなくてもよい。サービス制御部１１２は、サムネイル画像をユーザが使用している端末装置に送信し（Ｓ３４６）、端末装置において、ユーザが映像のダウンロードを承諾するか否かの確認が実施される（Ｓ３４７）。ここで端末装置に送信されるサムネイル画像は、ユーザに、アクション区間（例えば、ジャンプ区間やターン区間）を撮影した映像が存在することを通知する情報の例である。端末装置では、ユーザが、操作入力によって、ダウンロードを承諾するか否かを決定する（Ｓ３４８）。

Ｓ３４８で、ユーザが映像のダウンロードを承諾した場合、サービス制御部１１２は、映像を加工する（Ｓ３４９）。より具体的には、サービス制御部１１２は、対象の映像データから、アクション区間に対応する区間を切り出す。さらに、サービス制御部１１２は、映像が提供される端末装置の性能（ディスプレイの解像度やプロセッサの処理能力、通信速度など）に応じて映像データのダウンコンバートなどの加工を実施してもよい。加工が終了すると、サービス制御部１１２は、加工後の映像を、ユーザが使用する端末装置に送信する（Ｓ３５０）。サービス制御部１１２は、端末装置で映像の受信が完了したか否かを確認し（Ｓ３５１）、映像の受信が完了した場合、必要に応じて課金処理を実行する（Ｓ３５２）。
ここで、上述したような端末装置とサーバとのやりとりは、それぞれ単一の端末装置とサーバとの間で実施されてもよいし、ユーザによって使用される複数の端末装置、および／またはネットワークを介して協働する複数のサーバ装置の間で実施されてもよい。例えば、Ｓ３４１でのリクエストの発行と、Ｓ３４７でのダウンロードの確認と、Ｓ３５０の映像が受信とが、単一の端末装置（例えば、ウェアラブルデバイスやモバイルデバイスでありうる）で実行される例がありうる。その一方で、上述の通り、Ｓ３４１のリクエストの発行は、サーバで実行されてもよい。また、ユーザが複数のウェアラブルデバイスやモバイルデバイスを装着している場合、リクエストを発行した端末装置とは別の端末装置でダウンロードを確認したり、さらに別の端末装置で映像を受信したりすることが可能でありうる。例えば、Ｓ３４６では複数の端末装置に同時にサムネイル画像が送信され、Ｓ３４７では、その複数の端末装置のうちのいずれか、より具体的にはユーザによる応答が取得された端末装置でダウンロードの確認が実施されてもよい。また、Ｓ３４７でのダウンロードの確認時に、ユーザは、Ｓ３５０で映像を受信する端末装置を選択または指定可能であってもよい。このような場合、Ｓ３５０で映像を受信する端末装置は、ウェアラブルデバイスやモバイルデバイスには限らず、その時点ではユーザから離れている（例えば自宅などにある）端末装置であってもよい。

図２２は、図２１に例に示した処理における映像の加工について説明するための図である。なお、図示された例において、検出されるアクションはジャンプを含む。図２１に示した処理のＳ３４９において、サービス制御部１１２は、映像データからアクション区間に対応する区間を切り出す加工を実施する。このとき、映像１４４から切り出される区間１４４ａは、アクション検出結果１４５においてユーザ１４３のアクション区間（図示された例ではジャンプ区間）として検出された区間１４５ａよりも所定の長さ、または所定の割合だけ拡大された区間でありうる。例えばジャンプ区間の場合、ジャンプの踏切の前および着地の後についても映像に含まれている方が望ましい。このような場合、サービス制御部１１２は、映像の区間１４４ａを、検出されたアクション区間１４５ａよりも拡大する。

図２３は、図２１に示した処理における映像のダウンロードのためのユーザインターフェースについて説明するための図である。図２３では、図２１に示したＳ４３６，Ｓ３４８，Ｓ３５０，Ｓ３５１の処理が、サーバ１４７（情報処理装置１００でありうる）と端末装置１４８との間の通信として示されている。例えば、Ｓ３４６の処理でサーバ１４７サムネイル画像を受信した端末装置１４８（図示された例ではタブレットまたはスマートフォンのようなモバイルデバイス）では、ディスプレイ１４９に、サムネイル画像１４９１と、映像のダウンロードを承諾するか否かの確認ダイアログ１４９２が表示される。ここで、ユーザは、例えばディスプレイ１４９上に設けられたタッチパネルなどを介した操作入力によって、ダウンロードを承諾するか否かを決定する。ダウンロードが承諾された場合、端末装置１４８からサーバ１４７にダウンロードのリクエストが送信される（Ｓ３４８）。

上述の通り、Ｓ３４８でユーザの承諾があったと判定された場合、加工された画像が、サーバ１４７から端末装置１４８にダウンロードされる（Ｓ３５０）。このとき、端末装置１４８のディスプレイ１４９には、ダウンロードされた映像の再生画面１４９３と、ダウンロードの完了を通知するメッセージ１４９４とが表示されてもよい。ダウンロードが完了すると、端末装置１４８からサーバ１４７に受信の完了通知が送信され（Ｓ３５１）、サーバ１４７はその後の課金処理などに移行する。
（４−４．第４の例）
図２４は、本開示の一実施形態に含まれる情報生成の第４の例における処理を示すフローチャートである。本例では、検出されたアクション区間の情報に基づいて、アクション（例えばスポーツにおけるプレー）の上達支援のための情報が提供される。

図示された例では、まず、センサデータ解析部１０４に含まれるアクション検出部１０６によるアクション区間検出（Ｓ３０１）の処理が、上記の第１〜第３の例と同様に実行される。次に、解析結果処理部１０７に含まれるスコアリング処理部１０９が、上記の第１および第２の例と同様に、アクションスコアを算出してもよい（Ｓ３０２）。また、解析結果処理部１０７は、アクション区間における各種の物理量、または物理量から抽出される特徴量を可視化するためのデータを生成してもよい（Ｓ３８１）。ここで生成されるデータは、例えば、アクションに関する統計量をリアルタイムに更新しながら可視化することによって、アクションの改善に有用な情報として利用されうる。さらに、解析結果処理部１０７は、アクション区間において、アクション検出に用いられるセンサデータと、別途ユーザに装着された生体センサのデータとを同期させてもよい（Ｓ３８２）。

上記で解析結果処理部１０７によって生成されたデータは、例えば解析結果処理部１０７の機能を実現するサーバから、サービス制御部１１２を実現するサーバにアップロードされる（Ｓ３８３）。あるいは、Ｓ３８３におけるアップロードは、解析結果処理部１０７の機能を実現する端末装置から、サービス制御部１１２を実現するサーバへのアップロードであってもよい。これらのサーバまたは端末装置が同じものである場合、アップロードは、例えば内部的なデータベースへの登録と読み替えられる。

Ｓ３８３において、生成された情報のアップロードを受け付けたサービス制御部１１２は、コーチング情報の生成（Ｓ３８４）、および／または比較データの生成（Ｓ３８５）を実行する。Ｓ３８４で生成されるコーチング情報は、アップロードされた情報、例えば運動強度（脈拍数および呼吸数から算出される）、脈拍数、呼吸数、動きの安定度／不安定度、アクションスコアなどについて、ユーザの過去の履歴データから最新のデータに至る推移から抽出される。より具体的には、コーチング情報は、疲労度（アクション履歴から推定される）と集中度の推移から休憩のタイミングを通知したり、ユーザのコンディションの良し悪しを推定したり、過去の履歴データと比較して優れたアクションが検出された場合に通知したりする情報を含む。また、Ｓ３８５で生成される比較データは、例えば、新たに検出されたアクションについて、ユーザ自身の過去のデータや、他のユーザのデータと比較することによって、改善点を定量的に把握するためのデータである。このような比較データは、例えば、ユーザの傾き、方向、高さ、動きの安定度／不安定度、沈み込み、衝撃、速度（ベクトル）、加速度（ベクトル）、回転ベクトル（クォータニオン）などを時系列でマッチングし、相関および差分を導出することによって抽出されうる。

Ｓ３８４および／またはＳ３８５におけるデータの生成後、データのリクエストが発行される（Ｓ３８６）。このリクエストは、例えば、Ｓ３８３で情報をアップロードした、解析結果処理部１０７の機能を実現するサーバまたは端末装置から、サービス制御部１１２を実現するサーバに送信されてもよい。これらのサーバまたは端末装置が同じものである場合、リクエストの発行は、例えばデータを要求する内部的なコマンドの発行と読み替えられる。リクエストに応じて、サービス制御部１１２は、リクエストを発行したサーバまたは端末装置にデータを提供する（Ｓ３８７）。サーバは、提供されたデータをさらに端末装置に転送してもよい。端末装置に提供されたデータは、例えば、画面に表示される情報提示のためのユーザインターフェースによって出力される。

（画面表示例）
図２５は、本開示の一実施形態に含まれる情報生成の第４の例における画面表示を示す図である。図２５を参照すると、画面１５００には、リアルタイムで検出されているユーザの方位および傾き１５０１と、同じくリアルタイムで検出されているユーザの生体情報（呼吸数と脈拍数）１５０３と、複数視点の切り替えボタン１５０５と、アクション区間内の過去の部分におけるユーザの残像１５０７と、物理量表示１５０９と、アクション区間内でのユーザの軌跡１５１１と、アクションスコアのレーダーチャート１５１３と、統計量１５１５と、物理的／心理的な状態を示すグラフ１５１７と、検出されたアクションの時系列表示１５１９と、動きの不安定度の時系列表示１５２１と、リラックス／緊張の度合いの時系列表示１５２３と、時系列表示を参照するためのシークバー１５２５とが表示される。

例えば、上記の方位および傾き１５０１や物理量表示１５０９、レーダーチャート１５１３、および統計量１５１５は、例えば図２４に示したＳ３８１の処理で生成されうる。図示された例において、物理量表示１５０９は、回転角度表示１５０９ａ、ジャンプ高さ表示１５０９ｂ、および速度表示１５０９ｃを含む。これらの表示要素は、例えばアクション区間における各種の物理量、物理量から抽出される特徴量、およびアクションスコアのように特徴量に基づいて算出される値を可視化する。例えば、これらの情報をリアルタイムに更新しながら可視化することによって、ユーザがアクションの改善点を把握することが容易になる。

また、上記の生体情報１５０３やグラフ１５１７、時系列表示１５２１，１５２３は、例えば図２４に示したＳ３８２の処理で生成されうる。これらの表示要素は、例えばアクション区間における生体センサの検出値、およびその解析結果に基づいて表示される。なお、動きの不安定度は、加速度センサや角速度センサを含む慣性センサの検出値から抽出される。このように、アクション区間に同期された生体情報がフィードバックされることによって、ユーザがアクションを実行したときの心理状態などを把握し、アクションの改善につなげることが容易になる。

（４−５．ユーザのプロファイルについて）
上述したような本開示の一実施形態では、過去に検出されたアクションの種類によって、ユーザのプロファイルを作成することができる。例えば、ジャンプのアクションで、高いアクションスコアが安定的に算出されているユーザについては、「ジャンプの上級者」というプロファイルが与えられる。また、ジャンプのアクションスコアが低く、またジャンプの途中で転倒が検出されることが多いユーザについては、「ジャンプの初級者」というプロファイルが与えられる。

例えば、上記のようなプロファイルを利用して、本実施形態における情報生成の処理を異ならせてもよい。例えば、図２４および図２５に示した例でユーザの上達支援のための情報を提供するにあたり、ユーザのプロファイルを反映させてもよい。より具体的には、ユーザがジャンプの上級者である場合、まれに発生する転倒が検出されたジャンプに関する可視化された情報を、より詳細に提供してもよい。上級者はジャンプに成功するのが当たり前であるため、まれな失敗を詳細に分析することによって、さらなる上達の支援になると考えられるためである。逆に、ユーザがジャンプの初級者である場合、転倒が検出されない、成功したジャンプに関する可視化された情報を、より詳細に提供してもよい。初級者は、成功したジャンプを振り返ることで、安定してジャンプに成功できるようになるヒントをつかめる可能性があるためである。

（５．ハードウェア構成）
次に、図２６を参照して、本開示の実施形態に係る情報処理装置のハードウェア構成について説明する。図２６は、本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。

情報処理装置９００は、ＣＰＵ（Central Processing unit）９０１、ＲＯＭ（Read Only Memory）９０３、およびＲＡＭ（Random Access Memory）９０５を含む。また、情報処理装置９００は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。さらに、情報処理装置９００は、必要に応じて、撮像装置９３３、およびセンサ９３５を含んでもよい。情報処理装置９００は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などの処理回路を有してもよい。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一次記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バスなどの外部バス９１１に接続されている。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話などの外部接続機器９２９であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりする。

出力装置９１７は、取得した情報をユーザに対して視覚や聴覚、触覚などの感覚を用いて通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Liquid Crystal Display）または有機ＥＬ（Electro-Luminescence）ディスプレイなどの表示装置、スピーカまたはヘッドフォンなどの音声出力装置、もしくはバイブレータなどでありうる。出力装置９１７は、情報処理装置９００の処理により得られた結果を、テキストもしくは画像などの映像、音声もしくは音響などの音声、またはバイブレーションなどとして出力する。

ストレージ装置９１９は、情報処理装置９００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard Disk Drive）などの磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。ストレージ装置９１９は、例えばＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。

接続ポート９２３は、機器を情報処理装置９００に接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small Computer System Interface）ポートなどでありうる。また、接続ポート９２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置９００と外部接続機器９２９との間で各種のデータが交換されうる。

通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、有線または無線のＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＮＦＣ（Near Field Communication）、またはＷＵＳＢ（Wireless USB）用の通信カードなどでありうる。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などを含みうる。

撮像装置９３３は、例えば、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）またはＣＣＤ（Charge Coupled Device）などの撮像素子、および撮像素子への被写体像の結像を制御するためのレンズなどの各種の部材を用いて実空間を撮像し、撮像画像を生成する装置である。撮像装置９３３は、静止画を撮像するものであってもよいし、また動画を撮像するものであってもよい。

センサ９３５は、例えば、加速度センサ、角速度センサ、地磁気センサ、照度センサ、温度センサ、気圧センサ、圧力センサ、距離センサ、または音センサ（マイクロフォン）などの各種のセンサである。センサ９３５は、例えば情報処理装置９００の筐体の姿勢など、情報処理装置９００自体の状態に関する情報や、情報処理装置９００の周辺の明るさや騒音など、情報処理装置９００の周辺環境に関する情報を取得する。また、センサ９３５は、ＧＮＳＳ（Global Navigation Satellite System）信号を受信して装置の緯度、経度および高度を測定するＧＮＳＳ受信機を含んでもよい。

以上、情報処理装置９００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。

（６．補足）
本開示の実施形態は、例えば、上記で説明したような情報処理装置、システム、情報処理装置またはシステムで実行される情報処理方法、情報処理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。

（４．コンテンツ制御の例）
以下、本開示の一実施形態に含まれるコンテンツ制御のいくつかの例について説明する。いくつかの例において、情報処理装置１００のサービス制御部１１２は、例えば、アクションの進行に並行して提供される視覚的または音声的なコンテンツの提供を制御する。このようなコンテンツは、例えば、アクションを実行するユーザまたはそれを観察する他のユーザにＨＭＤ（Head Mounted Display）などを利用してリアルタイムで提供されるビジュアルエフェクトやサウンドエフェクトなどを含みうる。あるいは、コンテンツは、事後的にアクションの映像とともに再生されるビジュアルエフェクトやサウンドエフェクトなどを含んでもよい。また、他のいくつかの例において、コンテンツは、アクションの映像そのものを含んでもよい。

（７−１．時系列スコアによる制御）
第１の例として、本実施形態において、情報処理装置１００のサービス制御部１１２は、アクション検出部１０６によって検出されるユーザの一連のアクションを含む区間について時系列のスコアを算出し、このスコアを利用してコンテンツの制御を実施する。

図２７は、本開示の一実施形態におけるコンテンツ制御のための時系列スコアの算出について説明するための図である。図示された例では、スノーボードをしているユーザのアクションとして、ジャンプ（例えば、上述した２つの例に係る検出方法によってそれぞれ検出される）、インパクト、（自由）落下、移動、ボードに乗っている状態、および転倒（クラッシュ）が検出されている。サービス制御部１１２は、例えばセンサデータ解析部１０４に含まれるアクション検出部１０６が検出されたアクションのそれぞれについてのアクションスコアを、必要に応じて重みづけして足し合わせることによって、図示された例のようなコンテンツ制御のための時系列スコアを算出する。ある時刻ｔ１における時系列スコアＳ（ｔ１）は、例えば、各アクションのスコアＳ_{Ａｃｔｉｏｎ}（ｔ１）と、それぞれのアクションに設定された重みＷ_{Ａｃｔｉｏｎ}と（Ａｃｔｉｏｎはアクション名を示す）に基づいて、以下の式１によって算出される。

ここで、各アクションのスコアＳ_{Ａｃｔｉｏｎ}（ｔ１）は、単純に時刻ｔ１においてそのアクションが発生していたか否かを示してもよいし（その場合、Ｓ_{Ａｃｔｉｏｎ}（ｔ１）は０／１でありうる）、時刻ｔ１、または時刻ｔ１を含むアクション区間についてスコアリング処理部１０９が算出したスコアであってもよい。例えば、図示された例のように滑らかに変化する時系列スコアを算出する場合、各アクションのスコアＳ_{Ａｃｔｉｏｎ}（ｔ１）をスムージングした上で足し合わせてもよい。また、各アクションの重みＷ_{Ａｃｔｉｏｎ}は、例えばスノーボードにおけるそれぞれのアクションの重要度に応じて設定されうる。

例えば、サービス制御部１１２は、算出された時系列スコアについて、１または複数の閾値（ＴＨ１，ＴＨ２）を設定し、時系列スコアが閾値を超えるか否かを基準にしてコンテンツ制御を実施してもよい。例えば、サービス制御部１１２は、時系列スコアが閾値を超えていた区間について、継続的に何らかのコンテンツを生成または出力させてもよい。あるいは、サービス制御部１１２は、時系列スコアが閾値を超えていた区間の最初と最後の少なくともいずれかで、何らかのコンテンツを生成または出力させてもよい。

より具体的な利用例として、サービス制御部１１２は、時系列スコアに基づいて、アクション映像のハイライトを抽出してもよい。アクション映像は、例えば、アクションを実行しているユーザを撮影した映像であり、センサデータと並行して取得される（センサデータを取得するセンサデバイスと、アクション映像を取得する撮像装置は異なる装置でありうる）。例えば、図示された例において、サービス制御部１１２は、スノーボードの滑走中に継続的に撮影されたアクション映像から、時系列スコアが閾値（ＴＨ１またはＴＨ２）を超えている区間を、ハイライト映像として抽出してもよい。この区間は、例えばアクションが発生したときに、時系列スコアが上昇して閾値を上回ったタイミングと、その後時系列スコアが下降して閾値を下回ったタイミングとによって定義される。抽出の判定に閾値ＴＨ１を利用するか、閾値ＴＨ２を利用するかは、例えば予め指定されたハイライト映像の長さに応じて選択される。図示された例の場合、閾値ＴＨ１を判定に利用すればより短いハイライト映像が抽出され、閾値ＴＨ２を判定に利用すればより長いハイライト映像が抽出される。

また、他の例として、サービス制御部１１２は、時系列スコアに基づいて、アクション映像の再生を制御してもよい。より具体的には、サービス制御部１１２は、上記の例のようにハイライトが抽出されていないアクション映像を再生するにあたり、ユーザのシーク操作に応じて、または自動的に、時系列スコアが閾値（ＴＨ１またはＴＨ２）を下回っている区間をスキップしてアクション映像を再生してもよい。上記の例と同様に、スキップの判定に閾値ＴＨ１を利用するか、閾値ＴＨ２を利用するかは、例えば予め指定された再生時間に応じて選択される。図示された例の場合、閾値ＴＨ１を判定に利用すればより短い時間でアクション映像が再生され、閾値ＴＨ２を判定に利用すればより長い時間でアクション映像が再生される。

また、例えば、サービス制御部１１２は、算出された時系列スコアの値に応じてコンテンツ制御を実施してもよい。例えば、サービス制御部１１２は、ある区間（上記の例と同様に、この区間も時系列スコアに応じて定義されうる）における時系列スコアの値（例えば、平均値、または最大値など）に応じて、当該区間でアクション映像の再生時に付加するエフェクトや、スコア自体を表示するか否かを制御してもよい。また、例えば、サービス制御部１１２は、時系列スコアの値に応じて、アクション映像とともに再生する楽曲やその音量を選択してもよい。より具体的には、サービス制御部１１２は、時系列スコアが高い区間では賑やかな曲を大きい音量で再生し、時系列スコアが低い区間では静かな曲を小さい音量で再生してもよい。

なお、上記のようなコンテンツ制御のための時系列スコアの算出は、スノーボードをしているユーザのアクションに限らず、その他のスポーツ、または日常生活などにおける、さまざまなシーンで発生するアクションについて適用可能である。例えば、上記の例のように、そのシーンで発生する複数のアクションについてのスコア（発生を示す０／１の値、または算出されたスコア）を足し合わせることによって時系列スコアが算出されてもよいし、単一のアクションについてのスコアがそのまま時系列スコアとして利用されてもよい。また、センサデータに基づいて検出されたアクション以外に関するスコア、より具体的にはユーザの操作入力に基づくスコアや、位置情報の検出、チェックイン情報（例えば、ＮＦＣなどを利用したユーザの明示的な操作によるチェックインや、位置情報を利用したジオフェンス、無線ＬＡＮなどの電波の受信範囲、国際公開２０１４／１２５６８９号に記載された無線局クラスタなどによって定義される）などに基づくスコアが、アクションのスコアとともに時系列スコアの算出に用いられてもよい。また、このような場合、サービス制御部１１２は、スポーツにおいて発生するアクションと、そうでないアクションとの間で、コンテンツ提供の制御を変更してもよい。

図２８は、本開示の一実施形態における時系列スコアを利用したコンテンツ制御の例について説明するための図である。図示された例では、アクション画像の再生速度が、時系列スコアに基づいて連続的に制御されている。より具体的には、サービス制御部１１２は、ある時刻ｔ１における時系列スコアＳ（ｔ１）に所定の係数αをかけることによって、時刻ｔ１における再生スピードＳｐ（ｔ１）を決定してもよい。つまり、
Ｓｐ（ｔ１）＝α・Ｓ（ｔ１）
であってもよい。図示された例では、マイナスの係数αが、時系列スコアが最小の場合に再生速度が通常の速度（１．０倍）になり、時系列スコアが最大の場合に再生速度が通常の半分（０．５倍）になるように設定されている。これによって、時系列スコアが高い部分でアクション映像を自動的にスロー再生することができる。別の例として、時系列スコアが最大の場合に再生速度が通常の速度（１．０倍）になり、時系列スコアがそれよりも小さくなるにしたがって再生速度がさらに大きくなる（＞１．０倍）ようにすれば、時系列スコアが高くない部分でアクション映像を自動的に早送りすることができる。

（７−２．アクションに関連して定義されるタイミングによる制御）
第２の例として、本実施形態において、情報処理装置１００のサービス制御部１１２は、アクション検出部１０６によって検出されるユーザのアクションに関連して定義される少なくとも２つのタイミングを特定し、これらのタイミングに応じてコンテンツの制御を実施する。

図２９は、本開示の一実施形態においてアクションに関連して定義されるタイミングの例について説明するための図である。図示された例では、アクション検出部１０６が例えば上記で図１０を参照して説明したような検出処理を実行し、ユーザのターンを検出している。本例において、アクション検出部１０６は、回転の向きによって時計回りのターン（ＣＷ）と反時計回りのターン（ＣＣＷ）を識別する。

図には、これらの２種類のターンの検出タイミングが、時系列で示されている。例えばスノーボードで滑走中のユーザのアクションを検出した場合、図示された例のように、時計回りのターンと反時計回りのターンとがほぼ一定の時間間隔で規則的に連続して発生する区間が存在しうる。このような場合、連続して発生するターンによって定義される一連のタイミングに基づいて、サービス制御部１１２は、例えば連続するターンの最初のタイミングと最後のタイミングとを含む区間ｓ１や、回転の向きが異なるターン同士のタイミングの間隔ｄ１、回転の向きが同じであるターン同士のタイミングの間隔ｄ２などを定義し、これらに基づいてコンテンツの制御を実施することができる。

例えば、サービス制御部１１２は、間隔ｄ１または間隔ｄ２に対応するテンポの楽曲を選択して、区間ｓ１の少なくとも一部を含む区間でアクション映像とともに再生してもよい。このとき、サービス制御部１１２は、少なくとも区間ｓ１を含む区間で楽曲を再生する。より具体的には、例えば、サービス制御部１１２は、区間ｓ１の始点（最初のターンのタイミング）から楽曲の再生を開始してもよいし、それよりも前から楽曲の再生を開始してもよい。あるいは、サービス制御部１１２は、ユーザの滑走中に、リアルタイムでそのような楽曲を再生してもよい。この場合、サービス制御部１１２は、区間ｓ１の最初に、いくつかの間隔ｄ１または間隔ｄ２が連続して検出された時点で楽曲を選択して再生を開始する。サービス制御部１１２は、区間ｓ１の終点（最後のターンのタイミング）でフェイドアウトなどによって楽曲の再生を終了してもよいし、区間ｓ１の終了後も、例えば次のターンの連続が検出されるまで当該楽曲の再生を継続してもよい。

ここで、間隔ｄ１または間隔ｄ２に対応するテンポの楽曲は、例えば、間隔ｄ１または間隔ｄ２の逆数、つまりターンの出現周波数に近いＢＰＭ（Beats Per Minute）で進行する楽曲でありうる。このとき、ターンの出現周波数にある程度近いＢＰＭの楽曲のテンポを微調整して、ターンの出現周波数に合わせてもよい。

また、例えば、サービス制御部１１２は、間隔ｄ１または間隔ｄ２に対応するタイミングで進行する（例えば、繰り返される）ビジュアルエフェクト（例えばアニメーションやアバターなど）またはサウンドエフェクトを生成し、区間ｓ１の少なくとも一部を含む区間でアクション映像とともに再生してもよい。上記の楽曲の例と同様に、サービス制御部１１２は、例えばユーザが装着しているＨＭＤなどを用いて、リアルタイムでビジュアルエフェクトやサウンドエフェクトを提供してもよい。

なお、上記のようなアクションに関連して定義されるタイミングによるコンテンツの制御は、スノーボードの滑走中に発生する連続したターンの場合には限らず、例えば連続したジャンプなどの場合にも適用可能である。また、上記のような制御は、その他のスポーツ、または日常生活などにおいて、何らかのアクションが周期的に発生する場合にも、同様に適用可能である。このような場合、サービス制御部１１２は、スポーツにおいて発生するアクションと、そうでないアクションとの間で、コンテンツ提供の制御を変更してもよい。また、このような場合、例えば上記の例のような楽曲の選択にあたっては、検出されたアクションと位置情報、アクションが発生した前後のコンテキストなどに基づいて推定される、ユーザの高次の行動情報が利用されてもよい。例えば、周期的に発生する歩行のアクションに合わせて楽曲を再生するときに、その歩行が移動中であるのか、散歩中であるのか、買い物中であるのかといったような高次の行動情報が利用できれば、ユーザの状況により適合した楽曲を選択することができる。

図３０は、本開示の一実施形態においてアクションに関連して定義されるタイミングで提供されるエフェクトの第１の例を示す図である。図示された例では、アクション映像を再生する画面１１００において、ジャンプの踏み切りおよび着地のタイミングに合わせて、ビジュアルエフェクトおよびサウンドエフェクトが提供される。より具体的には、図示された例において、ジャンプの踏み切り時の画面１１００ａでは、「Ｊｕｍｐ！！」というテキストのビジュアルエフェクト１１０１が表示される。さらに、ジャンプの着地時の画面１１００ｂでは、サウンドエフェクトＳＥが出力されている。

ここで、例えば解析結果処理部１０７に含まれるスコアリング処理部１０９が算出するアクションスコアに応じて、提供されるエフェクトが変更されてもよい。例えば、図３０に示した例ではビジュアルエフェクト１１０１およびサウンドエフェクトＳＥの両方が提供されているが、アクションスコアが低かった場合には、ビジュアルエフェクト１１０１だけが提供されてもよい。さらに、アクションスコアが低かった場合には、ビジュアルエフェクト１１０１のサイズが小さくなったり、エフェクトが地味になったりしてもよい。アクションの種類と、アクションスコアに応じたエフェクトの種類の制御の例を、以下の表１に示す。

図３１は、本開示の一実施形態においてアクションに関連して定義されるタイミングで提供されるエフェクトの第２の例を示す図である。図示された例では、アクション映像を再生する画面１２００において、ジャンプの踏み切りおよび着地のタイミングを基準にして、ビジュアルエフェクトの一種であるアニメーション１２０１が表示される。より具体的には、図示された例において、ジャンプの踏み切り時の画面１２００ａでは、滞空時間を示すカウンタが回転中であることを示すアニメーション１２０１ａが表示される。さらに、ジャンプの着地時の画面１２００ｂでは、カウンタが止まって滞空時間が確定されたアニメーション１２０１ｂが表示される。より詳細には、アニメーション１２０１ａのカウンタは、踏み切りの後、ユーザが滞空状態にある間にカウントアップされ、着地の時点でストップしてもよい。

このように、本実施形態において、サービス制御部１１２は、一連のビジュアルエフェクトやサウンドエフェクトの動作を、アクションに関連して定義されるタイミングを基準にして変化させてもよい。より具体的には、サービス制御部１１２は、上記の例におけるジャンプの踏み切りおよび着地のように２つのタイミング（第１のタイミングおよび第２のタイミング）が定義されている場合に、その少なくともいずれかで動作が変化するビジュアルエフェクトやサウンドエフェクトを提供してもよい。

図３２は、本開示の一実施形態においてアクションに関連して定義されるタイミングで提供されるエフェクトの第３の例を示す図である。図示された例では、上記の第２の例と同様に、アクション画像を再生する画面１３００において、ジャンプの踏み切りおよび着地のタイミングを基準にしてアニメーション１３０１が表示される。より具体的には、図示された例において、ジャンプの踏み切り時の画面１３００ａでは、ジャンプのアクションスコアを示すカウンタが回転中であることを示すアニメーション１３０１ａが表示される。さらに、ジャンプの着地時の画面１３００ｂでは、カウンタが止まってアクションスコアが確定されたアニメーション１３０１ｂが表示される。より詳細には、アニメーション１３０１ａのカウンタでは、踏み切りの後、ユーザが滞空状態にある間にランダムにスコアが変化し、着地の時点でストップしてもよい。あるいは、ジャンプが実行された後に採点される様子を再現するために、ジャンプの着地の直後にアニメーション１３０１ａの回転するカウンタが表示され、所定の時間の経過後にアクションスコアが確定したアニメーション１３０１ｂが表示されてもよい。例えばこのような場合、アニメーション１３０１を、ユーザが装着しているＨＭＤなどを用いてリアルタイムで表示させることも可能である。

図３３は、本開示の一実施形態においてアクションに関連して定義されるタイミングで提供されるエフェクトの第４の例を示す図である。図示された例では、ＨＭＤなどを用いて実空間の像Ｒに重畳して表示される画像１４００において、実空間に存在する人物の被写体（ＯＢＪ）の振り向き（首振り）に合わせて、被写体（ＯＢＪ）の顔の周辺に星のビジュアルエフェクト１４０１が表示されている。

このようなビジュアルエフェクト１４０１の表示は、例えば、被写体（ＯＢＪ）に装着された加速度センサおよび角速度センサなどによって提供されるセンサデータに基づいて被写体（ＯＢＪ）の首振りのアクションを検出し、首振りが検出されたタイミングで画像１４００にビジュアルエフェクト１４０１を表示させることによって可能になる。被写体（ＯＢＪ）の顔の位置は、例えば公知の顔検出の技術を利用して特定されうる。ビジュアルエフェクト１４０１と同様にして、アニメーションやサウンドエフェクトが出力されてもよい。

（７−３．ユーザのプロファイルについて）
上述したような本開示の一実施形態では、過去に検出されたアクションの種類によって、ユーザのプロファイルを作成することができる。例えば、ジャンプのアクションで、高いアクションスコアが安定的に算出されているユーザについては、「ジャンプの上級者」というプロファイルが与えられる。また、ジャンプのアクションスコアが低く、またジャンプの途中で転倒が検出されることが多いユーザについては、「ジャンプの初級者」というプロファイルが与えられる。

例えば、上記のようなプロファイルを利用して、本実施形態におけるコンテンツ制御の処理を異ならせてもよい。例えば、図２７に示した例で算出される時系列スコアを利用したハイライト映像の生成において、ユーザのプロファイルに基づいて、優先的に抽出する区間を決定してもよい。より具体的には、ユーザがジャンプの上級者である場合、まれに発生する転倒が検出されたジャンプの区間を優先的に抽出してもよい。上級者はジャンプに成功するのが当たり前であるため、まれな失敗を詳細に分析することによって、さらなる上達の支援になると考えられるためである。また、上級者は、成功したジャンプの映像を観て楽しむことも多いと考えられるため、例えばタイムラプスエフェクトのような控えめなエフェクトを追加してもよい。

一方、ユーザがジャンプの初級者である場合、転倒が検出されない、成功したジャンプの区間を優先的に抽出してもよい。初級者は、成功したジャンプを振り返ることで、安定してジャンプに成功できるようになるヒントをつかめる可能性があるためである。あるいは、初級者の場合、成功したジャンプと失敗したジャンプとが比較しやすいように、これらが連続して再生されるように抽出された映像を配列してもよい。また、初級者は、ジャンプが成功したことを喜ぶことも多いと考えられるため、例えばアニメーションやアバター、サウンドエフェクトのような、派手なエフェクトを追加してもよい。

（８．ハードウェア構成）
次に、図３４を参照して、本開示の実施形態に係る情報処理装置のハードウェア構成について説明する。図３４は、本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。

情報処理装置９００は、ＣＰＵ（Central Processing unit）９０１、ＲＯＭ（Read Only Memory）９０３、およびＲＡＭ（Random Access Memory）９０５を含む。また、情報処理装置９００は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。さらに、情報処理装置９００は、必要に応じて、撮像装置９３３、およびセンサ９３５を含んでもよい。情報処理装置９００は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などの処理回路を有してもよい。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一次記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バスなどの外部バス９１１に接続されている。

入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話などの外部接続機器９２９であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりする。

出力装置９１７は、取得した情報をユーザに対して視覚や聴覚、触覚などの感覚を用いて通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Liquid Crystal Display）または有機ＥＬ（Electro-Luminescence）ディスプレイなどの表示装置、スピーカまたはヘッドフォンなどの音声出力装置、もしくはバイブレータなどでありうる。出力装置９１７は、情報処理装置９００の処理により得られた結果を、テキストもしくは画像などの映像、音声もしくは音響などの音声、またはバイブレーションなどとして出力する。

ストレージ装置９１９は、情報処理装置９００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard Disk Drive）などの磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。ストレージ装置９１９は、例えばＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。

接続ポート９２３は、機器を情報処理装置９００に接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small Computer System Interface）ポートなどでありうる。また、接続ポート９２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置９００と外部接続機器９２９との間で各種のデータが交換されうる。

通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、有線または無線のＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＮＦＣ（Near Field Communication）、またはＷＵＳＢ（Wireless USB）用の通信カードなどでありうる。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などを含みうる。

撮像装置９３３は、例えば、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）またはＣＣＤ（Charge Coupled Device）などの撮像素子、および撮像素子への被写体像の結像を制御するためのレンズなどの各種の部材を用いて実空間を撮像し、撮像画像を生成する装置である。撮像装置９３３は、静止画を撮像するものであってもよいし、また動画を撮像するものであってもよい。

センサ９３５は、例えば、加速度センサ、角速度センサ、地磁気センサ、照度センサ、温度センサ、気圧センサ、圧力センサ、距離センサ、または音センサ（マイクロフォン）などの各種のセンサである。センサ９３５は、例えば情報処理装置９００の筐体の姿勢など、情報処理装置９００自体の状態に関する情報や、情報処理装置９００の周辺の明るさや騒音など、情報処理装置９００の周辺環境に関する情報を取得する。また、センサ９３５は、ＧＮＳＳ（Global Navigation Satellite System）信号を受信して装置の緯度、経度および高度を測定するＧＮＳＳ受信機を含んでもよい。

以上、情報処理装置９００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。

（９．補足）
本開示の実施形態は、例えば、上記で説明したような情報処理装置、システム、情報処理装置またはシステムで実行される情報処理方法、情報処理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、特許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）ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得するセンサデータ取得部と、
前記センサデータに基づいて前記ユーザのアクションを検出し、前記アクションはターンを含むアクション検出部と、
前記ターンに関する情報を生成する情報生成部と
を備える情報処理装置。
（２）前記アクション検出部は、前記ユーザのアクションに含まれる回転を検出し、前記回転に含まれる非ターン性の回転を検出し、前記回転から前記非ターン性の回転を除いたものの中から前記ターンを検出する、前記（１）に記載の情報処理装置。
（３）前記センサは、前記ユーザの頭部、または前記ユーザの頭部に装着される器具に装着されたセンサを含み、
前記非ターン性の回転は、前記ユーザの首振りによって発生する回転を含む、前記（２）に記載の情報処理装置。
（４）前記アクション検出部は、逆向きの回転が閾値以下の時間間隔で連続する場合に、前記ユーザの首振りによって発生する回転を検出する、前記（３）に記載の情報処理装置。
（５）前記センサは、加速度センサおよび角速度センサを含み、
前記アクション検出部は、前記センサデータから抽出される特徴量に基づいて前記アクションを検出する、前記（１）〜（４）のいずれか１項に記載の情報処理装置。
（６）前記ターンを評価するスコアを算出するスコアリング処理部をさらに備え、
前記情報生成部は、前記スコアに基づいて前記ターンに関する情報を生成する、前記（１）〜（５）のいずれか１項に記載の情報処理装置。
（７）前記情報生成部は、前記スコアに基づいて推定される、前記ユーザのターンのスキルレベルを含む情報を生成する、前記（６）に記載の情報処理装置。
（８）前記情報生成部は、前記スキルレベルに基づいて決定される、前記ユーザのターンのスキルに関するランキングを含む情報を生成する、前記（７）に記載の情報処理装置。
（９）前記情報生成部は、前記スキルレベルに基づいて決定される、前記ターンが実行される施設ごとの評価を含む情報を生成する、前記（７）または（８）に記載の情報処理装置。
（１０）前記ユーザは、第１のユーザおよび第２のユーザを含み、
前記情報生成部は、前記スキルレベルを前記第１のユーザと前記第２のユーザとの間で比較することによって前記ターンに関する情報を生成する、前記（７）〜（９）のいずれか１項に記載の情報処理装置。
（１１）前記情報生成部は、前記第１のユーザと前記第２のユーザとスキルレベルが近い場合に、前記第２のユーザの存在を前記第１のユーザに通知する情報を生成する、前記（１０）に記載の情報処理装置。
（１２）前記情報生成部は、前記第１のユーザと前記第２のユーザとの位置が近接している場合に、前記第２のユーザの存在を前記第１のユーザに通知する情報を生成する、前記（１１）に記載の情報処理装置。
（１３）前記スコアリング処理部は、前記ターンの持続時間、角変位、または角速度もしくは角加速度の統計量を評価する、前記（６）〜（１２）のいずれか１項に記載の情報処理装置。
（１４）前記アクションは前記ターンと、ジャンプまたは転倒とを含み、
前記情報生成部は、前記ターンと、前記ジャンプまたは前記転倒とに関する情報を生成する、前記（１）〜（１３）のいずれか１項に記載の情報処理装置。
（１５）前記ジャンプを評価するスコアを算出するスコアリング処理部をさらに備え、
前記スコアリング処理部は、前記ジャンプの持続時間、前記ジャンプの間の角変位、前記ジャンプの間の自由落下の度合い、前記ジャンプの踏切時または着地時の衝撃を評価する、前記（１４）に記載の情報処理装置。
（１６）前記ターンを評価するターンスコア、および前記ジャンプを評価するジャンプスコアを算出するスコアリング処理部をさらに備え、
前記情報生成部は、前記ターンスコアおよび前記ジャンプスコアに基づいて推定される、前記ユーザのスキルレベルを含む情報を生成する、前記（１４）または（１５）に記載の情報処理装置。
（１７）前記情報生成部は、前記ターンを撮影した映像が存在することを前記ユーザに通知する情報を生成する、前記（１）〜（１６）のいずれか１項に記載の情報処理装置。
（１８）前記情報生成部は、前記ターンに関する量を時系列で可視化するための情報を生成する、前記（１）〜（１７）のいずれか１項に記載の情報処理装置。
（１９）ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得することと、
プロセッサが、前記センサデータに基づいて前記ユーザのアクションを検出し、前記アクションはターンを含むことと、
前記ターンに関する情報を生成することと
を含む情報処理方法。
（２０）ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得する機能と、
前記センサデータに基づいて前記ユーザのアクションを検出し、前記アクションはターンを含む機能と、
前記ターンに関する情報を生成する機能と
をコンピュータに実現させるためのプログラム。

また、以下のような構成も本開示の技術的範囲に属する。
（１）ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを受信するセンサデータ受信部と、
前記センサデータに基づいて前記ユーザのアクションを検出するアクション検出部と、
前記検出されたアクションに関連して定義されるタイミングを基準にして前記アクションに関連するコンテンツの提供を制御するコンテンツ制御部と
を備える情報処理装置。
（２）前記コンテンツは、前記アクションの進行に並行して提供される視覚的なまたは音声的なコンテンツを含む、前記（１）に記載の情報処理装置。
（３）前記タイミングは、第１のタイミングと第２のタイミングとを含み、
前記コンテンツ制御部は、少なくとも前記第１のタイミングと前記第２のタイミングとを含む区間で前記コンテンツを提供する、前記（２）に記載の情報処理装置。
（４）前記コンテンツ制御部は、前記第１のタイミングを始点とする、または前記第２のタイミングを終点とする前記コンテンツを提供する、前記（３）に記載の情報処理装置。
（５）前記コンテンツ制御部は、前記第１のタイミングまたは前記第２のタイミングの少なくともいずれかで動作が変化する前記コンテンツを提供する、前記（３）または（４）に記載の情報処理装置。
（６）前記タイミングは、規則的に連続して発生する前記アクションによって定義される一連のタイミングを含み、
前記コンテンツ制御部は、その少なくとも一部が前記一連のタイミングに対応したテンポで進行するコンテンツを提供する、前記（２）〜（５）のいずれか１項に記載の情報処理装置。
（７）前記コンテンツ制御部は、前記テンポで進行する楽曲を選択する、前記（６）に記載の情報処理装置。
（８）前記コンテンツ制御部は、前記テンポで進行する視覚的または音声的なエフェクトを生成する、前記（６）または（７）に記載の情報処理装置。
（９）前記コンテンツは、前記アクションを実行するユーザまたはそれを観察する他のユーザにリアルタイムで提供されるコンテンツを含む、前記（２）〜（８）のいずれか１項に記載の情報処理装置。
（１０）前記コンテンツは、前記アクションの映像とともに再生されるコンテンツを含む、前記（２）〜（８）のいずれか１項に記載の情報処理装置。
（１１）前記アクションは、スポーツにおいて発生する第１のアクションと、そうでない第２のアクションとを含み、
前記コンテンツ制御部は、前記第１のアクションと前記第２のアクションとの間で前記コンテンツの提供の制御を変更する、前記（１）〜（１０）のいずれか１項に記載の情報処理装置。
（１２）前記コンテンツは、前記アクションの映像を含む、前記（１）〜（１１）のいずれか１項に記載の情報処理装置。
（１３）前記タイミングは、第１のタイミングと第２のタイミングとを含み、
前記コンテンツ制御部は、少なくとも前記第１のタイミングと前記第２のタイミングとを含む区間で前記アクションの画像を抽出する、前記（１２）に記載の情報処理装置。
（１４）前記コンテンツ制御部は、前記アクションに基づいて特定される前記ユーザのプロファイルにさらに基づいて前記コンテンツの提供を制御する、前記（１）〜（１３）のいずれか１項に記載の情報処理装置。
（１５）前記アクションを評価するスコアを算出するスコアリング処理部をさらに備え、
前記コンテンツ制御部は、前記スコアにさらに基づいて前記コンテンツの提供を制御する、前記（１）〜（１４）のいずれか１項に記載の情報処理装置。
（１６）ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを受信することと、
前記センサデータに基づいて前記ユーザのアクションを検出することと、
プロセッサが、前記検出されたアクションに関連して定義されるタイミングを基準にして前記アクションに関連するコンテンツの提供を制御することと
を含む情報処理方法。
（１７）ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを受信する機能と、
前記センサデータに基づいて前記ユーザのアクションを検出する機能と、
前記検出されたアクションに関連して定義されるタイミングを基準にして前記アクションに関連するコンテンツの提供を制御する機能と
をコンピュータに実現させるためのプログラム。

１００ 情報処理装置
１０１ 送信部
１０２ 受信部
１０３ センサデバイス制御部
１０４ センサデータ解析部
１０５ 特徴量抽出部
１０６ アクション検出部
１０７ 解析結果処理部
１０８ クラスタリング処理部
１０９ スコアリング処理部
１１２ サービス制御部

Claims (20)

1. ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得するセンサデータ取得部と、
   前記センサデータに基づいて前記ユーザのアクションを検出し、前記アクションはターンを含むアクション検出部と、
   前記ターンに関する情報を生成する情報生成部と
   を備える情報処理装置。
2. 前記アクション検出部は、
   前記ユーザのアクションに含まれる回転を検出し、
   前記回転に含まれる非ターン性の回転を検出し、
   前記回転から前記非ターン性の回転を除いたものの中から前記ターンを検出する、請求項１に記載の情報処理装置。
3. 前記センサは、前記ユーザの頭部、または前記ユーザの頭部に装着される器具に装着されたセンサを含み、
   前記非ターン性の回転は、前記ユーザの首振りによって発生する回転を含む、請求項２に記載の情報処理装置。
4. 前記アクション検出部は、逆向きの回転が閾値以下の時間間隔で連続する場合に、前記ユーザの首振りによって発生する回転を検出する、請求項３に記載の情報処理装置。
5. 前記センサは、加速度センサおよび角速度センサを含み、
   前記アクション検出部は、前記センサデータから抽出される特徴量に基づいて前記アクションを検出する、請求項１に記載の情報処理装置。
6. 前記ターンを評価するスコアを算出するスコアリング処理部をさらに備え、
   前記情報生成部は、前記スコアに基づいて前記ターンに関する情報を生成する、請求項１に記載の情報処理装置。
7. 前記情報生成部は、前記スコアに基づいて推定される、前記ユーザのターンのスキルレベルを含む情報を生成する、請求項６に記載の情報処理装置。
8. 前記情報生成部は、前記スキルレベルに基づいて決定される、前記ユーザのターンのスキルに関するランキングを含む情報を生成する、請求項７に記載の情報処理装置。
9. 前記情報生成部は、前記スキルレベルに基づいて決定される、前記ターンが実行される施設ごとの評価を含む情報を生成する、請求項７に記載の情報処理装置。
10. 前記ユーザは、第１のユーザおよび第２のユーザを含み、
    前記情報生成部は、前記スキルレベルを前記第１のユーザと前記第２のユーザとの間で比較することによって前記ターンに関する情報を生成する、請求項７に記載の情報処理装置。
11. 前記情報生成部は、前記第１のユーザと前記第２のユーザとスキルレベルが近い場合に、前記第２のユーザの存在を前記第１のユーザに通知する情報を生成する、請求項１０に記載の情報処理装置。
12. 前記情報生成部は、前記第１のユーザと前記第２のユーザとの位置が近接している場合に、前記第２のユーザの存在を前記第１のユーザに通知する情報を生成する、請求項１１に記載の情報処理装置。
13. 前記スコアリング処理部は、前記ターンの持続時間、角変位、または角速度もしくは角加速度の統計量を評価する、請求項６に記載の情報処理装置。
14. 前記アクションは前記ターンと、ジャンプまたは転倒とを含み、
    前記情報生成部は、前記ターンと、前記ジャンプまたは前記転倒とに関する情報を生成する、請求項１に記載の情報処理装置。
15. 前記ジャンプを評価するスコアを算出するスコアリング処理部をさらに備え、
    前記スコアリング処理部は、前記ジャンプの持続時間、前記ジャンプの間の角変位、前記ジャンプの間の自由落下の度合い、前記ジャンプの踏切時または着地時の衝撃を評価する、請求項１４に記載の情報処理装置。
16. 前記ターンを評価するターンスコア、および前記ジャンプを評価するジャンプスコアを算出するスコアリング処理部をさらに備え、
    前記情報生成部は、前記ターンスコアおよび前記ジャンプスコアに基づいて推定される、前記ユーザのスキルレベルを含む情報を生成する、請求項１４に記載の情報処理装置。
17. 前記情報生成部は、前記ターンを撮影した映像が存在することを前記ユーザに通知する情報を生成する、請求項１に記載の情報処理装置。
18. 前記情報生成部は、前記ターンに関する量を時系列で可視化するための情報を生成する、請求項１に記載の情報処理装置。
19. ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得することと、
    プロセッサが、前記センサデータに基づいて前記ユーザのアクションを検出し、前記アクションはターンを含むことと、
    前記ターンに関する情報を生成することと
    を含む情報処理方法。
20. ユーザまたは前記ユーザによって使用される器具に装着されたセンサによって提供されるセンサデータを取得する機能と、
    前記センサデータに基づいて前記ユーザのアクションを検出し、前記アクションはターンを含む機能と、
    前記ターンに関する情報を生成する機能と
    をコンピュータに実現させるためのプログラム。
    

Images