KR101488130B1

KR101488130B1 - 러닝 폼 진단 시스템 및 러닝 폼을 득점화하는 방법

Info

Publication number: KR101488130B1
Application number: KR1020137029410A
Authority: KR
Inventors: 요시노부 와타나베; 야스유키 오타; 다이스케 코가와; 요헤이 요시다; 나오키 요시카와
Original assignee: 미즈노 가부시키가이샤
Priority date: 2012-02-29
Filing date: 2013-02-28
Publication date: 2015-01-29
Also published as: CA2834833A1; CN103596626A; EP2695645A1; KR20140012743A; CN103596626B; JPWO2013129606A1; AU2013226907A1; EP2695645A4; ES2611196T3; AU2013226907B2; EP2695645B1; JP5314224B1; US9452341B2; WO2013129606A1; BR112013031203A2; CA2834833C; US20140148931A1

Abstract

러너의 러닝 폼을 자동적으로 득점화할 수 있는 러닝 폼 진단 시스템이 제공된다. 러닝 폼 진단 시스템은, 트레드밀상을 주행한 피험자에 관한 신체동작 정보를 취득하고, 취득한 특징을 주어진 연산식에 적용함에 의해, 당해 피험자의 러닝 폼 득점을 산출한다. 연산식은, 복수의 테스트 러너의 특성과 당해 복수의 테스트 러너의 주행에 대해 전문가가 부여한 종합평가와의 상관관계에 의거하여 생성된다.

Description

러닝 폼 진단 시스템 및 러닝 폼을 득점화하는 방법{RUNNING FORM DIAGNOSTIC SYSTEM AND METHOD FOR SCORING RUNNING FORM}

본 개시는, 러너의 주행 폼을 자동적으로 진단하는 기술에 관한 것이다.

종래, 러닝이나 워킹, 또는 골프 등의 폼의 진단은, 전문의 트레이너나 코치의 육안에 의한 개별 판단에 의해 행하여지는 것이 일반적이다. 한편으로, 근래에는, 그와 같은 폼 진단을 자동적으로 행하는 각종의 진단 시스템이 제안되어 있다.

예를 들면, 일본 특개2002-233517호 공보(특허 문헌 1)는, 보행의 미감(美感)을 평가하는 장치를 개시하고 있다. 당해 장치는, 압력 센서를 이용하여 피험자의 보행중의 족압(足壓) 분포를 계측하고, 이 계측 결과에 의거하여 당해 피험자의 족압 중심 궤적을 구한다. 그리고, 당해 장치는, 이와 같이 구한 피험자의 족압 중심 궤적과, 미리 설정하여 둔 본보기가 되는 족압 중심 궤적의 파라미터를 비교함에 의해, 피험자의 보행의 미감을 점수화한다.

일본 특개2010-017447호 공보(특허 문헌 2)는, 보행자의 보행 상태를 분석하는 장치를 개시하고 있다. 당해 장치는, 복수의 촬상 화상으로부터 3차원 인물 모델을 구축함에 의해, 보행자의 보행 동작을 데이터화한다. 그리고, 데이터화된 보행자의 보행 동작과, 사서(辭書) 데이터에 등록되어 있는 일반 인물의 보행 동작을 비교함에 의해, 보행자의 보행 상태를 분석한다.

일본 특개2002-233517호 공보 일본 특개2010-017447호 공보

그렇지만, 상기한 바와 같은 종래의 장치는, 어느 것이나, 피험자의 측정 데이터와 특정한 데이터를 비교하여, 당해 비교의 결과에 의거하여 피험자의 동작의 평가를 행하는 것이다. 이와 같은 장치에서는, 비교에 이용되는 데이터가 어떻게 선택되는지에 의해, 평가 결과가 크게 다르다는 문제가 있다. 따라서 평가 결과의 편차를 억제하는 기술이 요구되고 있다.

또한, 종래의 장치에서 비교에 이용되는 데이터는, 전문가의 판단 기준이 엄격하게 반영된 것이 아닌 경우가 있다. 이와 같은 경우, 당해 데이터를 이용하여 얻어진 평가의 결과가, 실제로 전문가에 의해 평가된 진단 결과와 비교하여, 정확성이 결여된다는 문제도 있다. 따라서 진단 결과의 정확성이 유지되는 기술이 필요하게 되어 있다.

본 개시는, 상기된 종래의 과제를 해결하기 위해 이루어진 것이고, 그 목적은, 전문가에 의한 판단과 동등한 기준에 의거하여, 러너의 러닝 폼을 자동적으로 득점화할 수 있는 러닝 폼 진단 시스템을 제공하는 것이다.

어느 국면에 따르면, 피험자의 러닝 폼을 득점화하는 러닝 폼 진단 시스템이 제공된다. 러닝 폼 진단 시스템은, 복수의 테스트 러너의 주행에 관한 정보로부터 추출된 신체동작 정보와 당해 복수의 테스트 러너의 각각의 주행에 대해 전문가가 부여한 평가와의 상관관계를 나타내는 연산식을 기억하도록 구성된 기억 장치와, 피험자의 주행에 관한 정보의 입력을 접수하기 위한 인터페이스와, 인터페이스에 입력된 정보에 의거하여, 피험자의 러닝 폼에 관한 득점을 출력하도록 구성된 프로세서를 구비한다. 프로세서는, 인터페이스에 입력된 피험자의 주행에 관한 정보로부터 피험자의 신체동작 정보를 추출하고, 당해 추출한 신체동작 정보를 연산식에 적용함에 의해 피험자의 러닝 폼에 관한 득점을 산출하도록 구성되어 있다.

바람직하게는, 연산식은, 테스트 러너의 주행에 대해 전문가에 의해 부여된 2 이상의 항목의 평가를 설명변수(說明變數)로 하고, 테스트 러너의 주행에 대해 전문가에 의해 부여된 종합평가를 목적변수(目的變數)로 하여 회귀분석(回歸分析)을 행함에 의해 얻어지는 제1의 회귀식(回歸式)과, 테스트 러너의 신체동작 정보를 설명변수로 하고, 테스트 러너에 대해 전문가에 의해 부여된 2 이상의 항목의 평가의 각각을 목적변수로 하여 회귀분석을 행함에 의해 얻어지는 제2의 회귀식을 포함한다.

바람직하게는, 제1의 회귀식에 이용되는 2 이상의 항목은, 테스트 러너의 주행에 대해 전문가에 의해 부여된 미리 정하여진 수의 항목의 평가와 테스트 러너의 주행에 대해 전문가가 부여한 종합평가가 통계적으로 처리됨에 의해, 미리 정하여진 수의 항목의 중에서 특정된다.

더욱 바람직하게는, 제2의 회귀식에 사용되는 테스트 러너의 신체동작 정보는, 특정한 수의 신체동작 정보와 2 이상의 항목의 평가가 통계적으로 처리됨에 의해, 특정한 수의 항목의 특성의 중에서 특정된다.

바람직하게는, 연산식은, 테스트 러너의 복수의 신체동작 정보를 설명변수로 하고, 테스트 러너에 대해 전문가가 부여한 종합평가를 목적변수로 한 중회귀분석(重回歸分析)을 행함에 의해 얻어지는 중회귀식(重回歸式)을 포함한다.

바람직하게는, 연산식은, 테스트 러너의 복수의 신체동작 정보를 설명변수로 하고, 테스트 러너에 대해 전문가가 부여한 종합평가를 목적변수로 한, 회귀분석을 행함에 의해 얻어지는 복수의 회귀식을 포함한다. 프로세서는, 복수의 회귀식에서 얻어지는 복수의 종합평가에 의거하여 피험자의 러닝 폼에 관한 득점을 산출한다. 바람직하게는, 피험자의 신체동작 정보는, 피험자의 전완(前腕)과 상완(上腕)에 대한 각도를 산출함에 의해 얻어지는 주(팔꿈치)관절 각도, 피험자의 전완과 상완의 각각의 세그먼트 각도, 피험자의 하퇴(下腿)의 상퇴(上腿)에 대한 각도를 산출함에 의해 얻어지는 슬(膝)관절 각도, 또는, 피험자의 하퇴와 상퇴의 각각의 세그먼트 각도의 적어도 어느 하나를 포함한다.

바람직하게는, 러닝 폼 진단 시스템은, 인터페이스에 결합되고, 피험자의 영상을 촬영하기 위한 촬영 장치를 또한 구비한다. 인터페이스는, 피험자의 영상의 입력을 접수하도록 구성되어 있다. 프로세서는, 피험자의 주관절 각도, 또는, 피험자의 전완과 상완의 각각의 세그먼트 각도의 적어도 어느 하나를 추출하는 경우, 영상 중의, 피험자의 견(肩)관절과 주관절과 수(手)관절에 부착된 마커의 화상의 위치에 의거하여, 이들의 각도를 추출하고, 피험자의 슬관절 각도, 또는, 피험자의 하퇴와 상퇴의 각각의 세그먼트 각도의 적어도 어느 하나를 추출하는 경우, 영상 중의, 피험자의 고(股)관절과 슬관절과 족(足)관절에 부착된 마커의 화상의 위치에 의거하여, 이들의 각도를 추출하도록 구성되어 있다.

바람직하게는, 러닝 폼 진단 시스템은, 피험자에 부착된 관성(慣性) 센서를 또한 구비한다. 인터페이스는, 관성 센서의 검출 결과의 입력을 접수하도록 구성되어 있다. 프로세서는, 관성 센서의 검출 결과에 의거하여, 피험자의 신체동작 정보를 추출하도록 구성되도록 구성되어 있다.

바람직하게는, 기억 장치는, 주행에 관한 어드바이스 정보를, 미리 구분된 득점의 각각에 관련지어서 기억하도록 구성되어 있다. 프로세서는, 피험자에 대해 산출한 득점에 관련지어져 있는 어드바이스 정보를 출력하도록 구성되어 있다.

바람직하게는, 연산식은, 복수의 테스트 러너의 주행에 관한 정보로부터 추출된 신체동작 정보 및 복수의 테스트 러너의 신체 특성과, 당해 복수의 테스트 러너의 각각의 주행에 대해 전문가가 부여한 종합평가와의 상관관계를 또한 나타낸다. 인터페이스는, 또한, 피험자의 신체 특성의 입력을 접수하도록 구성되어 있다. 프로세서는, 피험자의 신체동작 정보 및 신체 특성을 연산식에 적용함에 의해, 피험자의 러닝 폼에 관한 득점을 산출하도록 구성되어 있다.

다른 국면에 따르면, 컴퓨터에 의해 실행되는, 피험자의 러닝 폼을 득점화하는 방법이 제공된다. 컴퓨터는, 복수의 테스트 러너의 주행에 관한 정보로부터 추출된 신체동작 정보와 당해 복수의 테스트 러너의 각각의 주행에 대해 전문가가 부여한 종합평가와의 상관관계를 나타내는 연산식을 기억하도록 구성된 기억 장치와, 피험자의 주행에 관한 정보의 입력을 접수하는 인터페이스를 구비한다. 방법은, 컴퓨터가, 인터페이스에 입력된 피험자의 주행에 관한 정보로부터 피험자의 신체동작 정보를 추출하는 것과, 컴퓨터가, 추출한 신체동작 정보를 연산식에 적용함에 의해, 피험자의 러닝 폼에 관한 득점을 산출하는 것을 구비한다.

바람직하게는, 연산식은, 테스트 러너의 주행에 대해 전문가에 의해 부여된 2 이상의 항목의 평가를 설명변수로 하고, 테스트 러너의 주행에 대해 전문가에 의해 부여된 득점을 목적변수로 하여 회귀분석을 행함에 의해 얻어지는 제1의 회귀식과, 테스트 러너의 신체동작 정보를 설명변수로 하고, 테스트 러너에 대해 전문가에 의해 부여된 2 이상의 항목의 평가의 각각을 목적변수로 하여 회귀분석을 행함에 의해 얻어지는 제2의 회귀식을 포함한다.

바람직하게는, 연산식은, 테스트 러너의 복수의 신체동작 정보를 설명변수로 하고, 테스트 러너에 대해 전문가가 부여한 종합평가를 목적변수로 한 중회귀분석을 행함에 의해 얻어지는 중회귀식을 포함한다.

바람직하게는, 연산식은, 테스트 러너의 복수의 신체동작 정보의 각각을 설명변수로 하고, 테스트 러너에 대해 전문가가 부여한 종합평가를 목적변수로 한 회귀분석을 행함에 의해 얻어지는 복수의 회귀식을 포함한다. 컴퓨터가 피험자의 러닝 폼에 관한 득점을 산출하는 것은, 복수의 회귀식에서 얻어지는 복수의 종합평가에 의거하여 피험자의 러닝 폼에 관한 득점을 산출하는 것을 포함한다.

본 발명의 상기 및 다른 목적, 특징, 국면 및 이점은, 첨부한 도면과 관련하여 이해되는 본 발명에 관한 다음의 상세한 설명으로부터 분명해지는 것이다.

도 1은 러닝 폼 진단 시스템의 구성을 도시하는 도면.
도 2는 정보 처리 장치의 하드웨어 구성의 한 예를 도시하는 도면.
도 3은 러닝 폼 진단 시스템의 동작을 도시하는 플로 차트.
도 4는 정보 처리 장치의 기능적인 구성을 도시하는 블록도.
도 5는 연산식의 생성의 플로 차트.
도 6은 BMI(Body Math Index)의 산출 방법을 설명하기 위한 도면.
도 7은 바이오 메커닉스 데이터의 한 예인 「대퇴각도(후방)MaxMin」을 설명하기 위한 도면.
도 8은 바이오 메커닉스 데이터의 한 예인 「전완각도(측방)MaxMin」을 설명하기 위한 도면.
도 9는 바이오 메커닉스 데이터의 한 예인 「상완각도(측방)Max」를 설명하기 위한 도면.
도 10은 바이오 메커닉스 데이터의 한 예인 「하퇴각도차-대퇴각도차」를 설명하기 위한 도면.
도 11은 바이오 메커닉스 데이터의 한 예인 「대퇴각속도(측방)Min」을 설명하기 위한 도면.
도 12는 바이오 메커닉스 데이터의 한 예인 「하퇴각속도(접지)」를 설명하기 위한 도면.
도 13은 바이오 메커닉스 데이터의 한 예인 「하퇴각도(측방)Min」을 설명하기 위한 도면.
도 14는 전완각도보의 시계열 데이터의 한 예를 도시하는 도면.
도 15는 생성되는 회귀식의 한 예를 도시하는 도면.
도 16은 연산식을 이용한 러닝 폼 득점의 산출의 개요를 설명하기 위한 도면.
도 17은 산출된 러닝 폼 득점과, 전문가에 의해 부여된 러닝 폼 득점과의 상관을 도시하는 도면.
도 18은 도 5를 참조하여 설명된 연산식의 생성의 변형례의 플로 차트.
도 19는 러닝 폼 득점의 산출의 흐름의 한 예를 도시하는 도면.
도 20은 러닝 폼 득점의 산출의 흐름의 다른 예를 도시하는 도면.
도 21은 러닝 폼 득점의 산출의 흐름의 또 다른 예를 도시하는 도면.
도 22는 전문가에게 배포되는 앙케이트 용지의 개요의 한 예를 도시하는 도면.
도 23은 전문가에게 배포되는 앙케이트 용지의 구체례를 도시하는 도면.
도 24는 인자 분석에 의해 추출된 인자에 대한 각 스킬 요인의 인자 부하량을 플롯한 도면.
도 25는 20명의 러너의 인자 득점을 플롯한 도면.
도 26은 추출된 인자의 인자 득점과, "종합평가"와의 상관관계를 도시하는 도면.
도 27은 러닝 폼 득점의 산출에 이용되는 수식의 조의 한 예를 도시하는 도면.
도 28은 신체 특성 및 바이오 메커닉스 파라미터와, 평가 항목과, 평가 항목을 이용하여 산출되는 스킬 요인과, 스킬 요인을 이용하여 산출되는 러닝 폼 득점과의 관계를 도시하는 도면.
도 29는 스킬 요인 「안전」에 관한, 산출된 득점과 전문가로부터 부여된 득점과의 관계를 도시하는 도면.
도 30은 스킬 요인 「약동감」에 관한, 산출된 득점과 전문가로부터 부여된 득점과의 관계를 도시하는 도면.
도 31은 산출된 러닝 폼 득점과 전문가로부터 부여된 러닝 폼 득점과의 관계를 도시하는 도면.
도 32는 아웃풋 시트의 구체례를 도시하는 도면.
도 33은 아웃풋 시트의 구체례를 도시하는 도면.
도 34는 러닝 폼 진단 시스템의 변형례의 개략 구성을 도시하는 도면.
도 35는 정보 처리 장치의 하드웨어 구성의 변형례를 도시하는 도면.
도 36은 정보 처리 장치의 기능 구성의 변형례를 도시하는 도면.
도 37은 연산식이 외부 기기에서 생성되는 경우의, 정보 처리 장치의 기능 구성의 한 예를 도시하는 도면.

이하, 러닝 폼 진단 시스템의 실시의 형태에 관해, 도면을 참조하면서 설명한다. 이하의 설명에서는, 동일한 부품에는 동일한 부호가 붙여져 있다. 그들의 명칭 및 기능도 같다. 따라서 그들에 관한 상세한 설명은 반복되지 않는다.

[러닝 폼 진단 시스템의 구성]

러닝 폼 진단 시스템의 한 실시의 형태를 포함하는 시스템의 구성의 한 예를 설명한다. 도 1은, 러닝 폼 진단 시스템(100)의 구성을 도시하는 도면이다.

도 1에 도시되는 바와 같이, 러닝 폼 진단 시스템(100)은, 트레드밀(treadmill)(10)과, 마커(90)가 부착된 피험자(A)를 촬영하는 촬영 시스템(20)과, 피험자(A)가 주행하는 영상에 의거하여 당해 피험자(A)의 러닝 폼을 득점화하는 정보 처리 장치(30)와, 피험자(A)의 러닝 폼의 진단 결과를 출력하는 출력 장치(40)를 구비한다. 피험자(A)는, 예를 들면, 우측 6개소의 각각(어깨, 팔꿈치, 손목, 대퇴부 시작부, 무릎, 발목)에 마커(90)를 부착한다. 정보 처리 장치(30)는, 피험자(A)의 신체 특성을 취득하고, 또한, 피험자(A)가 주행하는 영상의 데이터로부터 당해 피험자(A)의 신체동작 정보를 추출한다. 그리고, 정보 처리 장치(30)는, 신체 특성 및/또는 신체동작 정보에 의거하여, 피험자의 러닝 폼 득점을 산출한다. 러닝 폼 진단 시스템은, 적어도 정보 처리 장치(30)를 포함한다.

촬영 시스템(20)은, 도 1에 도시되는 바와 같이, 예를 들면 2대의 하이 스피드 카메라를 포함하고, 모션 캡처 기술을 이용할 수 있는 시스템에 의해 구성할 수 있다. 정보 처리 장치(30)는, CPU(Central Processing Unit), 기억 장치, 및 소프트웨어 등을 포함하고, 예를 들면 PC(퍼스널 컴퓨터)에 의해 구성된다. 정보 처리 장치(30)의 상세한 구성은, 후술된다. 출력 장치(40)는, 예를 들면, 시각적으로 정보를 출력하는 모니터나 프린터에 의해 구성된다. 또한, 출력 장치(40)는, 음성 등 시각 이외의 양태로, 또는, 시청각 정보와 같이 2 이상의 출력 양태의 조합으로, 진단 결과를 출력하여도 좋다.

[정보 처리 장치(30)의 하드웨어 구성]

도 2를 참조하여, 정보 처리 장치(30)의 하드웨어 구성의 한 예를 설명한다. 도 2는, 정보 처리 장치(30)의 하드웨어 구성의 한 예를 도시하는 도면이다.

정보 처리 장치(30)는, CPU(300), 그래픽·컨트롤러(310), VRAM(Video RAM(Random Access Memory))(312), I/O(입력/출력)컨트롤러(316), 인터페이스(324, 332), 통신 기기(인터페이스)(326), 메인 메모리(328), BIOS(Basic Input Output System)(330), USB(Universal Serial Bus) 보드(336), 및, 버스 라인(338)을 구비한다.

BIOS(330)는, 정보 처리 장치(30)의 기동시에 CPU(300)가 실행하는 부트 프로그램이나, 정보 처리 장치(30)의 하드웨어에 의존하는 프로그램 등을 격납한다. 하드·디스크(3180, 광디스크 드라이브(322), 및, 반도체 메모리(320) 등의 기억 장치는, I/O 컨트롤러(316)에 접속된다. 인터페이스(324)는, 예를 들면 터치 패널이나 키보드 등의, 정보 처리 장치(30)에 대해 정보를 입력하기 위한 장치이다.

인터페이스(332)는, 촬영 시스템(20)으로부터 정보 처리 장치(30)에의 영상 데이터의 입력의 인터페이스의 한 예이다. 그래픽·컨트롤러(310)는, 정보 처리 장치(30)로부터 출력 장치(40)에의 정보 출력의 인터페이스의 한 예이고, VRAM(312)을 이용한다.

정보 처리 장치(30)는, 또한, 무선부(334)와 Bluetooth(등록상표) 모듈(314)을 포함한다. 정보 처리 장치(30)는, 무선부(334)를 통하여, 외부 기기와 무선 통신을 할 수 있다. 또한, 정보 처리 장치(30)는, Bluetooth 모듈(314)을 이용함에 의해, Bluetooth 방식(근거리 무선 통신 방식의 한 예)으로 외부 기기와 통신할 수 있다.

광디스크 드라이브(322)로서는, 예를 들면, CD-ROM(Compact Disc-ROM(Read Only Memory)) 드라이브, DVD(Digital Versatile Disc)-ROM 드라이브, DVD-RAM 드라이브, BD(Blu-ray Disk)-ROM 드라이브가 채용된다. 광디스크(400)는, 광디스크 드라이브(322)에 대응한 형식의 기록 매체이다. CPU(300)는, 광디스크 드라이브(322)를 이용하여 광디스크(400)로부터 프로그램 또는 데이터를 판독한다. CPU(300)는, 판독한 프로그램 또는 데이터를, I/O 컨트롤러(316)를 통하여, 메인 메모리(328)에 로드할 수 있고, 또한, 하드·디스크(3180에 인스톨할 수 있다. 통신 기기(326)는, LAN(Local Area Network) 카드 등의, 다른 기기와 통신하기 위해 정보 처리 장치(30)에 탑재되는 기기이다.

CPU(300)는, 광디스크(400) 또는 기록 매체(메모리 카드 등)에 격납되어 유저에게 제공될 수 있는 프로그램을 실행 가능하다. CPU(300)는, 광디스크(400) 이외의 기록 매체에 격납된 프로그램을 실행하여도 좋고, 통신 기기(326)를 통하여 다운로드되는 프로그램을 실행하여도 좋다.

[러닝 폼 진단 시스템의 전체 동작]

이하에, 도 1 내지 도 3을 참조하여, 러닝 폼 진단 시스템(100)의 동작을 설명한다. 도 3은, 러닝 폼 진단 시스템(100)의 동작을 도시하는 플로 차트이다.

우선, 스텝 S201에서, 피험자(A)의 신장, 체중, 성별, 또는 월간연습량 등의 유저 정보가, 정보 처리 장치(30)에 입력된다. CPU(300)는, 유저 정보의 입력을 접수한다.

다음에, 촬영 시스템(20)이, 마커(90)를 부착하고 트레드밀(10)상을 일정 시간 주행하는 피험자(A)를 촬영한다(스텝 S202). 촬영에 의해 생성된 동화 데이터는, 정보 처리 장치(30)에 출력된다.

다음에, 정보 처리 장치(30)가, 촬영 시스템(20)에서 송출되는 영상 데이터로부터, 관절 각도나 각속도 등의 바이오 메커닉스 데이터(신체동작 정보)를 추출한다(스텝 S203). CPU(300)는, 피험자(A)의 우족(右足)이 접지하고 나서 다음에 우족이 접지할 때까지의 영상 데이터를 1사이클분의 데이터로서 취급한다. 스텝 S203에서는, CPU(300)는, 예를 들면, 복수의 사이클의 각각으로부터 바이오 메커닉스 데이터를 추출하고, 그들의 평균치를 산출한다. 바이오 메커닉스 데이터의 종류에 관해서는, 후술한다.

다음에, 정보 처리 장치(30)는, 유저의 특성(스텝 S203에서 추출된 피험자의 바이오 메커닉스 데이터 및/또는 신체 특성)을 주어진 연산식에 적용함에 의해, 당해 피험자의 러닝 폼 득점을 산출한다(스텝 S204). 주어진 연산식은, 예를 들면, 과거에 복수의 전문가(평가자)에 의해 복수의 러너의 러닝 폼에 대해 주어진 평가점과, 당해 복수의 러너의 바이오 메커닉스 데이터가 통계적으로 처리됨에 의해, 도출된다.

그리고, 정보 처리 장치(30)는, 러닝 폼 득점과 함께, 러닝 폼의 어드바이스 정보 등을 게재한 아웃풋 시트를 작성하고, 출력 장치(40)에 표시한다(스텝 S205). 당해 표시에 의해, 러닝 폼 진단 시스템(100)의 일련의 동작이 종료된다.

[정보 처리 장치의 기능]

도 4를 참조하여, 정보 처리 장치(30)의 기능적 구성을 설명한다. 도 4는, 정보 처리 장치(30)의 기능적인 구성을 도시하는 블록도이다. 도 4에 도시되는 바와 같이, 정보 처리 장치(30)는, 유저 정보 입력부(31)와, 데이터 격납부(32)와, 신체 정보 추출부(33)와, 연산식 생성부(34)와, 연산식 격납부(34A)와, 득점 연산부(35)와, 아웃풋 데이터 작성부(36)를 구비한다.

유저 정보 입력부(31)는, 피험자의 신장, 체중, 트레드밀 속도, 월간연습량 등의 유저 정보의 입력을 접수하는 인터페이스이고, 키보드나, 터치 패널 등으로 구성된다. 입력된 각종의 정보는 데이터 격납부(32)에 축적된다. 데이터 격납부(32)에는, 각종의 연산 데이터가 격납되는 외에, 전문가에 의한 러닝 폼의 평가 코멘트나 폼 개선점의 어드바이스 정보 등의, 아웃풋 데이터 작성용 데이터가 격납되어 있다. 득점 연산부(35) 및 아웃풋 데이터 작성부(36)는, 데이터 격납부(32)에 축적된 정보를 적절히 이용한다.

신체 정보 추출부(33)은, 촬영 시스템(20)에서 인터페이스(도 2의 인터페이스(332))를 통하여 전송되는 피험자(A)의 주행 영상으로부터, 관절 각도나 관절 각속도 등의 바이오 메커닉스 데이터를 추출한다. 도 4에 도시되는 바와 같이, 신체 정보 추출부(33)는, 화상 처리부(33a)와, 바이오 메커닉스 데이터 추출부(33b)를 포함한다.

화상 처리부(33a)는, 촬영 시스템(20)에서 보내지는 피험자(A)의 주행 영상 중의 마커의 위치를 계측함에 의해, 피험자(A)의 동작에 관한 3차원 좌표치를 구한다. 화상 처리부(33a)는, 예를 들면, CPU(300)가 모션 캡처 처리를 행하는 소프트웨어를 실행함에 의해 실현된다. 화상 처리부(33a)에서 추출된 3차원 좌표치 정보는, 바이오 메커닉스 데이터 추출부(33b)에 보내진다.

바이오 메커닉스 데이터 추출부(33b)는, 화상 처리부(33a)에서 출력되는 3차원 좌표치 정보로부터 피험자(A)의 바이오 메커닉스 데이터를 추출한다. 보다 구체적으로는, 바이오 메커닉스 데이터 추출부(33b)는, 화상 처리부(33a)에서 출력되는 3차원 좌표치 정보로부터 피험자(A)의 관절 각도 및 관절 각속도를 산출한다. 또한, 바이오 메커닉스 데이터 추출부(33b)는, 각 관절 각도(관절 각속도)를 주어진 변환식에 적용함에 의해, 절대 좌표계의 각 평면에 투영한 세그먼트 각도(세그먼트 각속도)를 산출한다.

바이오 메커닉스 데이터 추출부(33b)는, 또한, 관절 각도, 관절 각속도, 세그먼트 각도, 세그먼트 각속도의 각각에 관한 가공(加工) 데이터를 산출한다. 가공 데이터는, 최대치, 최소치, 및/또는, 최대치와 최소치의 차(差)(이하 「최대치-최소치」라고도 표기한다)를 포함한다. 가공 데이터는, 피험자의 한쪽의 다리의 접지(接地)부터 이지(離地)까지의 시간을 규격화한 때의, 임의의 시각에서의 관절 각도나 각속도를 포함하는 경우도 있다.

바이오 메커닉스 데이터 추출부(33b)는, 예를 들면, CPU(300)가 주어진 프로그램을 실행함에 의해 실현된다. 본 실시의 형태에서는, 바이오 메커닉스 데이터는, 상기한 바와 같은, 관절 각도, 관절 각속도, 세그먼트 각도, 및, 세그먼트 각속도, 및, 이들의 가공 데이터를 포함할 수 있다. 추출된 바이오 메커닉스 데이터는, 바이오 메커닉스 데이터 추출부(33b)로부터 득점 연산부(35)에 출력된다.

연산식 생성부(34)는, 상기한 연산식을 생성한다. 생성된 연산식을 특정하는 정보는, 연산식 격납부(34A)에 격납된다. 연산식 생성부(34)는, 예를 들면, CPU(300)가 주어진 프로그램을 실행함에 의해 실현된다. 연산식 생성부(34)에 의한 연산식의 생성에 관해서는, 도 5를 참조하여 후술한다.

득점 연산부(35)는, 연산식 생성부(34)에 의해 생성된 연산식을, 연산식 격납부(34A)로부터 판독한다. 그리고, 득점 연산부(35)는, 바이오 메커닉스 데이터 추출부(33b)로부터 출력된 바이오 메커닉스 데이터를 당해 연산식에 적용함에 의해, 피험자의 러닝 폼 득점을 산출한다. 득점 연산부(35)에 의한 러닝 폼 득점의 산출은, 도 3의 스텝 S204에 상당한다. 득점 연산부(35)는, 예를 들면, CPU(300)가 주어진 프로그램을 실행함에 의해 실현된다.

득점 연산부(35)는, 산출된 러닝 폼 득점을 아웃풋 데이터 작성부(36)에 출력한다. 아웃풋 데이터 작성부(36)는, 산출된 러닝 폼 득점을, 화상 처리부(33a)에서 절출(切出)된 피험자(A)의 러닝 화상이나, 데이터 격납부(32)에 격납되어 있는 러닝 어드바이스 데이터 등과 조합시킴에 의해, 진단 결과를 생성한다. 진단 결과는, 아웃풋 시트로서, 출력 장치(40)상에 표시된다. 진단 결과는, 필요에 응하여 프린트 아웃되는 경우가 있다. 아웃풋 데이터 작성부(36)는, 예를 들면, CPU(300)가 주어진 프로그램을 실행함에 의해 실현된다. 아웃풋 데이터 작성부(36)가, 출력 장치(40) 등에 진단 결과를 출력시키는 처리는, 도 3의 스텝 S205의 처리에 상당한다.

또한, 진단 결과는, 어드바이스 정보 외에, 피험자의 러닝 폼에 적합한 러닝 슈즈나 웨어에 관한 정보를 포함하는 경우가 있다. 즉, 데이터 격납부(32)에는, 러닝 폼 득점이나 피험자의 신체동작 정보에 대응한, 최적의 러닝 슈즈의 특성 정보나 구체적인 상품 정보가, 예를 들면 데이터 테이블로서, 미리 격납되어 있어도 좋다. 그리고, 아웃풋 데이터 작성부(36)는, 유저 정보 입력부(31)에 입력된 유저 정보, 최종적으로 얻어진 피험자의 러닝 폼 득점, 및/또는, 피험자의 신체동작 정보에 의거하여, 상술한 데이터 테이블을 판독하고, 최적의 러닝 슈즈 정보를 선택하여, 진단 결과에 가할 수 있다. 또한, 러닝 폼 득점이나 피험자의 신체동작 정보 등에 대응한 러닝 웨어를 특정하는 정보가, 상기 데이터 테이블에 포함되는 경우가 있다. 이 경우, 러닝 폼 진단 시스템은, 진단 결과로서, 피험자에게, 최적의 러닝 웨어의 정보를 제시할 수 있다.

이상과 같이, 본 실시의 형태에 따른 러닝 폼 진단 시스템에 의하면, 테스트 러너가 주행하는 영상으로부터 얻어진 바이오 메커닉스 데이터와, 복수의 전문가에 의한 당해 테스트 러너의 주행에 대해 부여된 러닝 폼 득점과의 상관에 의거하여, 연산식이 준비된다. 그리고, 피험자가 주행한 영상으로부터 추출된 당해 피험자의 바이오 메커닉스 데이터가 상기 연산식에 적용됨에 의해, 당해 피험자의 러닝 폼 득점이 산출된다. 상기 연산식은, 복수의 전문가에 공통되는 판단 지표에 의거하여, 생성된다. 이에 의해, 본 실시의 형태에서는, 피험자의 주행에 대해, 복수의 전문가의 판단 지표에 의거하여 산출된 러닝 폼 득점이 부여되게 된다. 따라서 부여된 러닝 폼 득점의 정확성을 향상할 수 있다.

본 실시의 형태에서, 테스트 러너란, 피험자의 러닝 폼 득점의 산출을 위한 데이터 수집용 러너를 의미한다. 즉, 본 실시의 형태에서는, 테스트 러너의 주행에 의거하여 연산식이 생성되고, 당해 연산식이 이용됨에 의해, 피험자의 러닝 폼 득점이 산출된다.

[연산식의 생성]

득점 연산부(35)가 피험자의 러닝 폼 득점의 산출에 이용하는 연산식은, 연산식 생성부(34)에 의해 생성된다. 여기서, 도 5를 참조하여, 연산식의 생성에 관해 설명한다. 이하, 당해 연산식의 생성에 관해, 도 5를 참조하여 설명한다. 도 5는, 연산식의 생성의 플로 차트이다.

도 5를 참조하면, 연산식을 생성할 때에, 연산식 생성부(34)는, 스텝 S401에서, 복수의 테스트 러너의 주행의 영상 데이터와, 당해 복수의 테스트 러너의 러닝 폼에 대한 전문가의 채점 데이터를 로드한다.

스텝 S401에서 로드되는 영상 데이터에 관해 설명한다. 스텝 S401에 대한 사전 준비로서, 트레드밀을 주행하는 데이터 수집용의 테스트 러너의 영상이 준비된다. 여기서는, 복수인분의 테스트 러너의 영상이 준비된다. 당해 영상은, 예를 들면 촬영 시스템(20)에 의해 촬영된다. 설명의 편이를 위해, 테스트 러너의 수가 「M」으로 표시된다. M인의 테스트 러너는, 당해 M인의 스킬이나 성별, 연령 등의 특성이 될 수 있는 한 폭넓게 분포하도록 선택되는 것이 바람직하다. 또한, 모든 테스트 러너의 영상은, 동일한 조건하에서 촬영된 것이 바람직하다. 예를 들면, 각 테스트 러너의 영상은, 적어도 피험자의 우측, 및 후측부터 촬영한 것을 포함할 수 있다. 스텝 S401에서는, M인분의 테스트 러너의 영상 데이터가 로드된다.

스텝 S401에서 로드된 채점 데이터에 관해 설명한다. 복수의 전문가의 각각이, 상기한 M인의 테스트 러너의 러닝 영상을 보면서, 각각의 테스트 러너의 러닝 폼 득점을 부여한다. 채점 데이터는, 여기서 부여된 러닝 폼 득점을 특정하는 정보를 포함한다. 설명의 편이를 위해, 전문가의 수가 「N」으로 표시된다. 스텝 S401에 대한 사전 준비로서, M인의 테스트 러너의 각각에 대한 N인의 전문가의 채점 데이터가 준비된다. 스텝 S401에서는, 준비된, M인의 테스트 러너의 각각에 대한 N인의 전문가의 채점 데이터가 로드된다. 득점 부여를 하는 전문가로서는, 러닝이나 스포츠 바이오 메커닉스를 전문으로 하는 복수의 연구자나 코치 등을 상정할 수 있다.

스텝 S401에서, 연산식 생성부(34)는, 또한, 각 테스트 러너의 유저 정보를 로드하고, 당해 유저 정보로부터, 각 테스트 러너의 신체 특성을 추출하여도 좋다. 신체 특성은, 유저 정보 입력부(31)에 입력된 유저 정보에 더하여, 당해 유저 정보가 가공됨에 의해 생성된 정보(예를 들면, BMI)를 포함한다. 도 6은, BMI의 산출 방법을 설명하기 위한 도면이다. 도 6에 도시되는 바와 같이, BMI는, 러너의, 신장(Height)과 체중(Weight)에 의거하여 산출된다.

스텝 S402에서, 연산식 생성부(34)는, 스텝 S401에서 로드한 영상 데이터로부터, 각 테스트 러너의 바이오 메커닉스 데이터를 추출한다. 연산식 생성부(34)는, 화상 처리부(33a) 및 바이오 메커닉스 데이터 추출부(33b)의 기능을 이용하여, 바이오 메커닉스 데이터를 추출할 수 있다.

도 7 내지 도 13을 참조하여, 바이오 메커닉스 데이터의 구체례를 설명한다. 도 7 내지 도 13은, 바이오 메커닉스 데이터의 예를 설명하기 위한 도면이다. 도 7 내지 도 13의 각각에는, 영상 데이터에 포함되는 러너의 자세가 모식적으로 도시되어 있다. 또한, 도 7에는, 2개의 다른 타이밍에서의 러너의 자세가 도시되어 있다. 도 7 내지 도 13의 각 도면에는, 바이오 메커닉스 데이터를 취득하기 위한 기준선이 파선으로 도시되어 있다. 연산식 생성부(34)는, 예를 들면, 영상 중의 마커(90)(도 1 참조)의 위치에 의거하여, 러너의 4지(肢)의 위치를 특정하고, 또한, 각 기준선을 정의한다. 각 러너는, 예를 들면, 우측 6개소(어깨, 팔꿈치, 손목, 대퇴부 시작부, 무릎, 발목)에 마커(90)를 장착한다.

도 7에는, 러너를 후방에서 촬영한 영상의 한 예가 도시되어 있다. 도 8 내지 도 13에는, 러너를 우측방에서 촬영한 영상의 한 예가 도시되어 있다. 도 7 내지 도 13에는, 기준선에 대한 일방측에 플러스의 부호(+)가 도시되고, 타방측에 마이너스의 부호(+)가 도시되어 있다. 이들의 부호는, 러너의 4지 중의 각 도면에서 문제가 되는 부위의 위치와, 각 도면에 의거하여 추출되는 바이오 메커닉스 데이터의 값의 부호(정인지 부인지)와의 관계를 나타내고 있다. 이후의 바이오 메커닉스 데이터의 설명에서 「Max」는, 기준선에 대한 「+」측의 각도의 최대치를 나타낸다. 「Min」는, 기준선에 대한 「-」측의 각도의 최소치(「-」측의 절대치의 최대치)를 나타낸다. 「MaxMin」는 「Max」와 「Min」의 각도의 차이를 나타낸다.

도 7은, 바이오 메커닉스 데이터의 한 예인 「대퇴각도(후방)MaxMin」을 설명하기 위한 도면이다. 「대퇴각도(후방)MaxMin」는, 기준선에 대한 대퇴의 각도에 의거하여 추출된다. 보다 구체적으로는, 연산식 생성부(34)는, 영상 데이터로부터, 기준선에 대한 일정 시간 내의 각 사이클의 대퇴의 각도의 최대치와 최소치를 추출하고, 추출한 복수 사이클분의 최대치와 최소치의 각각의 평균치를 산출하고, 최대치의 평균치와 최소치의 평균치의 차분을 산출함에 의해 「대퇴각도(후방)MaxMin」을 취득한다.

도 8은, 바이오 메커닉스 데이터의 한 예인 「전완각도(측방)MaxMin」을 설명하기 위한 도면이다. 「전완각도(측방)MaxMin」는, 기준선에 대한 전완의 각도에 의거하여 추출된다. 보다 구체적으로는, 연산식 생성부(34)는, 영상 데이터로부터, 기준선에 대한 일정 시간 내의 각 사이클의 전완의 각도의 최대치와 최소치를 추출하고, 추출한 복수 사이클분의 최대치와 최소치의 각각의 평균치를 산출하고, 최대치의 평균치와 최소치의 평균치의 차분을 산출함에 의해 「전완각도(측방)MaxMin」을 취득한다.

도 9는, 바이오 메커닉스 데이터의 한 예인 「상완각도(측방)Max」를 설명하기 위한 도면이다. 「상완각도(측방)Max」는, 기준선에 대한 상완의 각도에 의거하여 추출된다. 보다 구체적으로는, 연산식 생성부(34)는, 영상 데이터로부터, 기준선에 대한 일정 시간 내의 각 사이클의 상완의 각도의 최대치를 추출하고, 추출한 복수 사이클분의 최대치의 평균치를 산출함에 의해 「상완각도(측방)Max」를 취득한다.

도 10은, 바이오 메커닉스 데이터의 한 예인 「하퇴각도차-대퇴각도차」를 설명하기 위한 도면이다. 연산식 생성부(34)는, 영상 데이터로부터 일정 시간 내의 각 사이클의 하퇴각도의 최대치와 최소치를 취득하고, 취득한 최대치와 최소치의 평균치를 산출하고, 최대치의 평균치와 최소치의 평균치의 차분을 산출한다. 또한, 연산식 생성부(34)는, 영상 데이터로부터 일정 시간 내의 각 사이클의 대퇴각도의 최대치와 최소치를 취득하고, 취득한 최대치와 최소치의 평균치를 산출하고, 최대치의 평균치와 최소치의 평균치의 차분을 산출한다. 그리고, 하퇴각도에 관한 평균치의 차분과 대퇴각도에 관한 평균치의 차분과의 차분을 산출함에 의해 「하퇴각도차-대퇴각도차」를 취득한다.

도 11은, 바이오 메커닉스 데이터의 한 예인 「대퇴각속도(측방)Min」을 설명하기 위한 도면이다. 연산식 생성부(34)는, 영상 데이터로부터, 각 사이클의 대퇴의 각속도를 추출하고, 당해 각속도의 최소치를 산출하고, 복수 사이클분의 최소치의 평균치를 산출함에 의해 「대퇴각속도(측방)Min」을 취득한다.

도 12는, 바이오 메커닉스 데이터의 한 예인 「하퇴각속도(접지)」를 설명하기 위한 도면이다. 연산식 생성부(34)는, 영상 데이터로부터, 일정 시간 내의 각 사이클의 우족이 접지할 때의 하퇴의 각속도를 추출하고, 추출된 복수 사이클의 하퇴의 각속도의 평균치를 산출함에 의해 「하퇴각속도(접지)」를 취득한다.

도 13은, 바이오 메커닉스 데이터의 한 예인 「하퇴각도(측방)Min」을 설명하기 위한 도면이다. 연산식 생성부(34)는, 영상 데이터로부터, 일정 시간 내의 각 사이클의 하퇴각도의 최소치를 추출하고, 추출된 복수 사이클의 하퇴각도의 평균치를 산출함에 의해 「하퇴각도(측방)Min」을 취득한다.

도 14를 참조하여, 바이오 메커닉스 데이터의 구체례를 설명한다. 도 14는, 전완각도의 시계열 데이터의 한 예를 도시하는 도면이다. 바이오 메커닉스 데이터 추출부(33)은, 주행 영상에서의 마커(90)의 궤적에 의거하여, 전완각도의 시계열 데이터를 생성한다. 도 14에서, 파선은 우족 접지의 타이밍을 나타낸다. 도 14에서는, 12초간의 데이터가 나타나 있다. 당해 데이터는, 13사이클분의 데이터를 포함한다. 연산식 생성부(34)는, 영상 데이터로부터, 도 14에 도시된 데이터를 추출하고, 또한, 각 사이클의 전완각도의 최대치와 최소치를 추출한다. 그리고, 연산식 생성부(34)는, 취득한 복수 사이클의 최대치의 평균치와 최소치의 평균치를 산출하고, 이들의 평균치의 차분을 산출함에 의해 상기 「전완각도(측방)MaxMin」을 취득하다. 또한, 도 14에서는, 13번째의 사이클의, 전완각도의 최대치가 「Max」로 나타나고, 최소치가 「Min」로 나타나고, 이들의 차분이 「Max-Min」로 나타나 있다.

도 5에 돌아오고, 스텝 S402에서 바이오 메커닉스 데이터를 추출한 후, 연산식 생성부(34)는, 스텝 S403에서, 유저 특성의 중에서, 테스트 러너에 대해 부여된 러닝 폼 득점과 상관이 높은 특성을 추출한다. 「유저 특성」은, 각 러너의 신체 특성(예를 들면, BMI)과, 도 7 내지 도 14를 참조하여 설명된 바이오 메커닉스 데이터를 포함한다. 연산식 생성부(34)는, 테스트 러너의 특성(「BMI」「대퇴각도(후방)MaxMin」「전완각도(측방)MaxMin」「상완각도(측방)Max」「하퇴각도차-대퇴각도차」「대퇴각속도(측방)Min」「하퇴각속도(접지)」「하퇴각도(측방)Min」) 중, 테스트 러너에 부여된 러닝 폼 득점과의 상관이 높은 특성을 추출한다. 상관이 높은 특성의 추출은, 예를 들면, 상관 함수의 값이 특정한 값 이상으로 된 특성을 추출함에 의해 실현된다.

다음에, 연산식 생성부(34)는, 스텝 S404에서, 단(單)회귀분석을 행함에 의해, 각 특성과 러닝 폼 득점과의 관계를 나타내는 회귀식을 생성한다. 당해 단회귀분석에서는, 스텝 S403에서 추출된 특성의 각각이 설명변수가 되고, 러닝 폼 득점이 목적변수가 된다.

도 15는, 스텝 S404에서 생성되는 회귀식의 한 예를 도시하는 도면이다. 도 15는 「BMI」「대퇴각도(후방)MaxMin」「전완각도(측방)MaxMin」「상완각도(측방)Max」「하퇴각도차-대퇴각도차」「대퇴각속도(측방)Min」의 각각에 관한의 회귀식을, 식(1) 내지 식(6)으로서 나타낸다. 식(1) 중의 「N1」과 「N2」, 식(2) 중의 「I1」와 「I2」, 식(3) 중의 「J1」와 「J2」, 식(4) 중의 「K1」와 「K2」, 식(5) 중의 「L1」와 「L2」, 및, 식(6) 중의 「M1」「M2」은, 각 회귀식에서 사용되는 계수이다. 「Score1」 내지 「Score6」은, 각각, 식(1) 내지 식(6)의 산출 결과를 나타낸다.

또한, 연산식의 생성(스텝 S401 내지 스텝 S404)은, 득점 연산부(35)에 의해 행하여저도 좋다. 득점 연산부(35)는, 신체 정보 추출부(33)에서 추출된 테스트 러너의 바이오 메커닉스 데이터 및/또는 유저 정보 입력부(31)에 입력된 테스트 러너의 유저 정보로부터 추출된 신체 특성을 이용하여, 상술한 연산식 생성부(34)에서의 처리와 같은 처리를 실행함에 의해, 연산식을 생성한다. 이 경우, 연산식 생성부(34)는, 득점 연산부(35)에 대해, 연산식의 생성을 위해 바이오 메커닉스 데이터와 신체 특성을 어떻게 처리하는지에 관해, 지시를 출력한다.

[러닝 폼 득점의 산출]

득점 연산부(35)는, 도 3을 참조하여 설명한 바와 같이, 스텝 S204에서, 피험자의 러닝 폼 득점을 산출한다. 보다 구체적으로는, 득점 연산부(35)는, 피험자의 유저 정보와 주행 영상으로부터, 식(1) 내지 식(6)에 필요한 피험자의 특성을 추출한다. 추출되는 피험자의 특성은, 피험자의 신체 특성과 바이오 메커닉스 데이터를 포함한다. 신체 정보 추출부(33)(화상 처리부(33a) 및 바이오 메커닉스 데이터 추출부(33b))가 피험자의 주행 영상으로부터 바이오 메커닉스 데이터를 어떻게 추출하든지에 관해서는, 예를 들면, 도 5 내지 도 14를 참조하여 설명된 바와 같은, 연산식 생성부(34)에 의한 테스트 러너의 바이오 메커닉스 데이터의 추출과 마찬가지로 설명되기 때문에, 여기서는 설명을 반복하지 않는다.

그리고, 득점 연산부(35)는, 추출된 피험자의 특성을 식(1) 내지 식(6)의 각각에 적용한다. 이에 의해 「Score1」 내지 「Score6」으로서, 예비적으로 피험자의 러닝 폼 득점이 산출된다. 그리고, 득점 연산부(35)는, 다음의 식(av.)에 따라, 예비적으로 산출된 러닝 폼 득점의 평균치를 산출함에 의해, 피험자의 러닝 폼 득점을 취득한다. 식(av.)에서, 변수(i)의 값은 「1」부터 「6」까지의 사이에서 변화한다. 취득된 러닝 폼 득점은, 스텝 S205(도 3 참조)에서, 진단 결과로서 출력된다.

(러닝 폼 득점)=(ΣScorei)/6」…(av.)

[소괄(小括)]

도 16을 참조하여, 본 실시의 형태에서의 러닝 폼 득점의 산출을 설명한다. 피험자의 러닝 폼 득점을 산출하기 위해, 테스트 러너의 주행 영상과 테스트 러너의 주행에 대해 전문가로부터 부여된 러닝 폼 득점에 의거하여, 연산식이 생성된다.

연산식은, 6개의 특성을 이용한 수식(식(1) 내지 식(6))과, 이들의 수식에 의해 예비적으로 산출되는 러닝 폼 득점의 평균치를 산출하는 수식(식(av.))을 포함한다. 6개의 특성은 「BMI」「대퇴각도(후방)MaxMin」「전완각도(측방)MaxMin」「상완각도(측방)Max」「하퇴각도차-대퇴각도차」「대퇴각속도(측방)Min」「하퇴각속도(접지)」 및 「하퇴각도(측방)Min」이다. 또한, 식(1) 내지 식(6)에 표시된, 러닝 폼 득점의 산출에 이용되는 러너(테스트 러너 및 피험자)의 특성은, 단순한 예시이다. 이들의 특성은, 테스트 러너에 대해 부여된 러닝 폼 득점과 상관이 높은 것으로서 선택된 것의 한 예이고, 그 수 및 종류는, 식(1) 내지 식(6)에 표시된 것으로 한정되지 않는다.

본 실시의 형태에서는, 러닝 폼 득점의 산출에 이용되는 러너의 특성은, 신체 특성(예를 들면 「BMI」)과 바이오 메커닉스 데이터를 포함한다. 또한, 러닝 폼 득점의 산출에 이용되는 러너의 특성은, 바이오 메커닉스 데이터만을 포함하는 것도 있다.

도 17은, 35인의 테스트 러너에 대한, 본 실시의 형태에 따라 산출된 러닝 폼 득점(평가 스코어로부터 산출된 러닝 폼 득점)과, 전문가에 의해 부여된 러닝 폼 득점과의 상관을 도시하는 도면이다. 도 17의 그래프의 종축은, 각 테스트 러너에 대해 전문가로부터 부여된 러닝 폼 종합평가의 값을 나타낸다. 당해 그래프의 횡축은, 각 테스트 러너의 주행의 영상에 의거하여, 식(1) 내지 식(6) 및 식(av.)을 이용하여 산출된 러닝 폼 종합 득점(평가 스코어로부터 산출된 러닝 폼 득점)의 값을 나타낸다.

도 17에 도시된 결과에 근거하는, 전문가로부터 부여된 러닝 폼 득점과 평가 스코어로부터 산출된 스코어의 결정 계수(중 상관 계수의 2승(乘))는 「0.74」이였다. 이에 의해, 본 실시의 형태에 따른 러닝 폼 득점의 산출 방법은, 평가 결과에 있어서, 전문가로부터 부여된 러닝 폼 득점에 가까운 득점을 제공할 수 있다고 말할 수 있다.

[변형례]

러닝 폼 득점의 산출에 이용되는 연산식과 당해 연산식을 이용한 러닝 폼 득점의 산출의 변형례를 설명한다. 이하의 기술에서는, 주로, 본 변형례에서, 도 1 등에 도시된 러닝 폼 진단 시스템에 대한 변경점만이 설명된다.

이 변형례에서는, 전문가는, 테스트 러너의 주행에 대해, 러닝 폼 득점에 더하여, 2 이상의 항목에 관한 평가를 부여한다. 이 변형례의 연산식은, 러닝 폼 득점과 상관이 높은 평가 항목과 러닝 폼 득점을 관련짓는 수식(제1의 회귀식)과, 당해 평가 항목과의 상관이 높은 러너의 특성과 당해 평가 항목을 관련짓는 수식(제2의 회귀식)을 포함한다. 이들의 수식은, 테스트 러너의 신체 특성 및/또는 주행 영상이 이용되어, 생성된다.

이 변형례에서의 러닝 폼 득점의 산출은, 피험자의 신체 특성 및/또는 주행 영상으로부터 제2의 회귀식에 필요한 유저 특성을 추출하는 것과, 추출된 유저 특성을 제2의 회귀식에 적용함에 의해 「상관이 높은 평가 항목」의 값을 산출하는 것, 및, 산출된 「상관이 높은 평가 항목」의 값을 제1의 회귀식에 적용하는 것을 포함한다.

도 18은, 본 변형례에서의 연산식의 생성의 플로 차트이다.

도 18을 참조하면, 연산식 생성부(34)는, N인의 전문가에 의한 M인의 테스트 러너의 주행에 대한 앙케이트의 채점 데이터 및 M인의 테스트 러너의 주행 영상을 로드한다(스텝 S501). 또한, 스텝 S501에서, 연산식 생성부(34)는, 각 테스트 러너의 신장, 체중을 포함하는 신체 정보의 입력도 접수한다. 채점 데이터는, 도 22를 참조하여 후술하는 바와 같이, 테스트 러너의 주행에 대한 종합적인 러닝 폼 득점(도 22의 「종합평가」)과, 주행을 평가하는 관점인 2 이상의 스킬 요인(도 22의 「스킬 요인(1)」 내지 「스킬 요인(n)」)의 득점을 포함한다. 2 이상의 스킬 요인의 각각은, 이후의 설명에서 「스킬 요인(Fn)」이라고 표기되는 경우가 있다.

다음에, 연산식 생성부(34)는, 각 스킬 요인의 채점 데이터에 관해 통계적인 해석을 행하고, 전문가에 의한 러닝 폼의 종합평가(이상적인 주행의 러닝 폼에 대한 달성의 정도)를 구성하는 스킬 요인(Fn)을 특정한다(스텝 S502). 보다 구체적으로는, 연산식 생성부(34)는, 예를 들면, 전문가에 의한 앙케이트의 채점항목(스킬 요인과 종합평가)을 인자 분석함으로서, 스킬 요인(Fn)을 복수의 요소(인자)의 그룹으로 나눈다. 다음에, 연산식 생성부(34)는, 당해 그룹 분류에서 추출된 인자와 종합평가와의 상관관계를 특정한다. 그리고, 연산식 생성부(34)는, 각 인자에 포함되는 스킬 요인(Fn)의 중에서 대표적 인자를 특정한다. 연산식 생성부(34)는, 특정된 대표적 인자로서, 종합평가를 구성하는 스킬 요인(Fn)을 취득한다. 이에 의해, 러닝 폼의 종합평가를 특정한 스킬 요인(Fn)에 의해 관련지울 수 있다. 종합평가를 「구성한다」라 함은, 종합평가에 주는 「영향이 큰」것을 의미한다.

다음에, 연산식 생성부(34)는, 각 테스트 러너의 러닝 영상에서 얻어지는 3차원 좌표 정보로부터, 각 테스트 러너의 바이오 메커닉스 데이터를 산출한다(스텝 S503). 연산식 생성부(34)는, 화상 처리부(33a) 및 바이오 메커닉스 데이터 추출부(33b)의 기능을 이용하여, 바이오 메커닉스 데이터를 추출할 수 있다. 바이오 메커닉스 데이터가 어떻게 추출되는지에 관해서는, 도 6 내지 도 13을 참조한 상기 설명과 마찬가지로 설명되기 때문에, 그 설명은 반복하지 않는다.

다음에, 연산식 생성부(34)는, 유저 특성(추출된 바이오 메커닉스 데이터와 신체 특성)과, 스텝 S502에서 특정된 스킬 요인(Fn)(종합평가를 구성하는 스킬 요인(Fn))의 각각에 관한 상관 행렬을 구함에 의해, 당해 종합평가를 구성하는 스킬 요인(Fn)과 상관이 높은 유저 특성을 추출한다(스텝 S504). 여기서 추출된 유저 특성은, 이후의 설명에서는, 적절히 파라미터(Xn)(X1, X2 … Xn)라고 기술된다.

다음에, 연산식 생성부(34)는, 스텝 S505에서, 전문가에 의해 부여된, 종합평가를 구성하는 스킬 요인(Fn)의 득점(앙케이트에 기재된 득점)을 목적변수로 하고, 추출된 유저 특성(Xn)(신체 특성과 바이오 메커닉스 파라미터)를 설명변수로 한 중회귀분석에 의해, 종합평가를 구성하는 스킬 요인(Fn)의 득점을 유저 특성(Xn)(신체 특성과 바이오 메커닉스 파라미터)에서 예측하기 위한 회귀식(f2)(제2의 회귀식)을 작성한다. 회귀식(f2)으로서는, 단회귀식 또는 중회귀식이 이용된다. 또한, 연산식 생성부(34)는, 스텝 S505에서, 중회귀분석을 행함에 의해, 종합평가(러닝 폼 득점)를, 종합평가를 구성하는 스킬 요인(Fn)을 이용하여 산출하기 위한 중회귀식(f1)(제1의 회귀식)을 작성한다. 당해 중회귀분석에서는, 종합평가가 목적변수가 되고, 종합평가를 구성하는 스킬 요인(Fn)의 득점이 설명변수가 된다.

본 변형례에서는, 피험자의 러닝 폼 득점을 산출하기 위한 「연산식」은, 중회귀식(f2)과 중회귀식(f1)을 포함한다. 중회귀식(f2)과 중회귀식(f1)에 의해, 유저 특성이, 러닝 폼 득점(종합평가)에 관련지어진다.

본 변형례에서, 득점 연산부(35)는, 스텝 S205에서, 상기한 바와 같이 생성된 유저 특성을 중회귀식(f2)에 적용함에 의해 「상관이 높은 평가 항목」의 값을 취득하고, 또한 「상관이 높은 평가 항목」의 당해 값을 중회귀식(f1)에 적용함에 의해, 러닝 폼 득점을 산출한다.

또한, 앙케이트에 기재된 평가가 다단계 평가에 의해 채점된 경우는, 당해 평가에 포함되는 값이, 소망하는 득점 스케일로 정규화한 후에, 표시되어도 좋다.

상술한 러닝 폼 득점을 산출하는 일련의 흐름은, 도 19에 도시된다. 도 19에서는, 스킬 요인(F3 및 F6)이, 종합평가를 구성하는 스킬 요인으로서 스킬 요인(Fn)의 중에서 취득된 예가 도시되어 있다. 또한, 당해 예에서는, 스킬 요인(F3)과 상관이 높은 유저 특성(X1 내지 X3), 및 스킬 요인(F6)과 상관이 높은 유저 특성(X4 내지 X8)이, 복수의 유저 특성의 중에서 추출되고 있다. 스킬 요인(F3 및 F6)의 득점은, 회귀식(f1)을 이용하여 구하여진다. 러닝 폼 득점(종합평가)은, 회귀식(f2)을 이용하여 구하여진다.

또한, 그 밖의 예로서는, 도 20에 도시되는 바와 같이 추출된 파라미터(Xn)가 이용되여, 러닝 폼의 개별 평가 항목(In)의 득점이 일단 구하여지고, 또한, 이 개별 평가 항목(In)의 득점이 이용되어, 종합평가를 구성하는 스킬 요인(Fn)의 스코어가 구하여지고, 또한, 이 스킬 요인(Fn)의 스코어를 이용되어, 종합평가가 구하여지는 경우도 있을 수 있다. 종합평가를 구성하는 스킬 요인(Fn)을 산출하기 위해 사용되는 파라미터(Xn)를 이용하여 도출할 수 있는 임의의 항목이, 개별 평가 항목(In)으로서 설정될 수 있다.

종합평가와 개별 평가 항목(In)의 득점을 산출하는 일련의 흐름은, 도 20에 도시된다. 도 20에서는, 종합평가를 구성하는 스킬 요인으로서 스킬 요인(F3 및 F6)이 스킬 요인(Fn)의 중에서 취득되고, 스킬 요인(F3)과 상관이 높은 유저 특성(X1 내지 X3)과, 스킬 요인(F6)과 상관이 높은 유저 특성(X4 내지 X8)이, 복수의 유저 특성의 중에서 추출된 케이스가 나타나 있다.

또한, 도 20의 예에서는, 파라미터(X1과 X2)에 관련지울 수 있는 개별 평가 항목(I1)과, 파라미터(X3)에 관련지울 수 있는 개별 평가 항목(I2)이 설정되고, 개별 평가 항목(I1 및 I2)의 득점에 의거하여 스킬 요인(F3)의 득점이 산출된다. 마찬가지로, 파라미터(X4)에 관련지울 수 있는 개별 평가 항목(I3)과, 파라미터(X5 및 X6)에 관련지울 수 있는 개별 평가 항목(I4)과, 파라미터(X7과 X8)에 관련지울 수 있는 개별 평가 항목(I5)이 설정되고, 이들의 개별 평가 항목(I3 내지 I5)에 의거하여 스킬 요인(F6)의 득점이 산출된다. 그리고, 스킬 요인(F3 및 F6)의 득점에 의거하여 종합 득점이 산출된다.

개별 평가 항목(I1 내지 I5)의 득점은 회귀식(f3)을 이용하여 구하여지고, 스킬 요인(F3 및 F6)의 득점은 회귀식(f4)을 이용하여 구하여지고, 러닝 폼 득점(종합 득점)은 회귀식(f5)을 이용하여 구하여진다.

이와 같이, 러닝 폼의 종합평가점에 더하여, 개별 평가 항목에 관해서도 전문가의 평가 결과를 기초로 득점화함으로써, 보다 상세히 피험자의 폼 진단을 행하는 것이 가능해진다.

또한, 복수의 테스트 러너의 바이오 메커닉스 데이터(신체동작 정보)를 설명변수로 하고, 당해 복수의 테스트 러너의 주행에 대해 전문가가 부여한 종합평가를 목적변수로 한 중회귀분석에 의해, 피험자의 신체동작 정보로부터 직접적으로 러닝 폼 득점을 구하기 위한 중회귀식을 생성할 수도 있다. 이와 같이 피험자의 러닝 폼 득점을 산출하는 일련의 흐름은, 도 21에 도시된다. 또한, 다음의 식(X)은, 당해 중회귀식의 한 예이다.

종합 득점=N1+N2×대퇴각도(후방)MaxMin

+N3×상완각도(측방)MaxMin

+N4×전완각도(측방)MaxMin …(X)

도 21에 도시된 예에서는, 중회귀분석에 이용된 3종류의 신체동작 정보가, X1, X2, X3으로서 나타나고 있다. 당해 중회귀식에서는, 당해 3종류의 신체동작 정보의 구체례로서 「대퇴각도(후방)MaxMin」「상완각도(측방)MaxMin」「전완각도(측방)MaxMin」가 채용되어 있다.

또한, 도 21 및 식(X)에 도시된 예에서는, 중회귀분석에 이용된 신체동작 정보의 수는 「3」으로 되어 있지만, 이것은 한 예이고 이것으로 한정되지 않는다.

본 변형례에서도, 도 4에 도시된 기능 블록도가 적용된다. 러닝 폼 평가식(중회귀식(f2, f1))은, 연산식 생성부(34) 내의 기억 영역(도시 생략)에 격납되고, 후단의 득점 연산부(35)에 설정된다. 득점 연산부(35)는, 바이오 메커닉스 데이터 추출부(33b)에서 출력되는 피험자(A)의 바이오 메커닉스 데이터의 중에서, 소정의 신체 특성과 바이오 메커닉스 파라미터(Xn)를 선택하고, 이것을 러닝 폼 평가식(중회귀식(f2, f1))에 순차적으로 적용시켜서, 피험자(A)의 러닝 폼 득점을 산출한다(스텝 S506).

도 22를 참조하여, 본 변형례에서 이용되는 앙케이트의 내용을 설명한다. 도 22는, 전문가에게 배포되는 앙케이트 용지의 개요를 도시하는 도면이다. 앙케이트 용지에는, 각 스킬 요인에 관한 채점 결과를 기입하기 위한 영역(도 22의 「스킬 요인(1)」 내지 「스킬 요인(n)」)과, 종합평가(러닝 폼 득점)를 기입하기 위한 영역(도 22의 「종합평가」)을 포함한다.

[실시례]

이하, 변형례의 실시례를 설명한다. 러닝 폼 진단 시스템의 기본 구성은, 도 1에 도시한 바와 같다. 사용된 트레드밀, 촬영 시스템, 해석 소프트는, 이하와 같다.

트레드밀 : 니혼광전주식회사제

촬영 시스템 : 주식회사 라이브러리, 기가네트 화상 입력 시스템 GE60W(2카메라 사양)

해석 소프트 : 주식회사 라이브러리, 3차원 동화 계측 소프트 Move-tr/3D(2차원 소프트 포함), CaptureEx(SP)

또한, 6개의 마커(90)는, 피험자의 우측 6개소(어깨, 팔꿈치, 손목, 대퇴부 시작부, 무릎, 발목)에 각각 장착되었다.

연산식(러닝 폼 평가식)은, 이하의 프로세스에 따라 결정되었다.

우선, 러닝 레벨이 다른 20명의 러너(테스트 러너)의 주행 영상이 준비되었다. 그리고, 12명의 저명한 전문가가, 20명의 테스트 러너의 주행 영상을 봄에 의해, 각 테스트 러너의 채점 데이터를 작성하였다. 도 23은, 각 전문가에게 배포되는 앙케이트 용지의 구체례를 도시하는 도면이다.

도 23에 도시되는 바와 같이, 본 실시례에서는, "스피드감", "미감", "안전", "리듬감", "릴랙스", "약동감", "스무스", 및 "밸런스"의 8항목을 스킬 요인으로서 들여, 7단계로 채점 평가가 행하여졌다. 또한 "종합평가"로서, 러닝 폼의 구체적인 득점을 기입하는 난(欄)이 마련되었다.

앙케이트에서는, 스킬 요인을 7단계로 채점 평가를 행하였지만, 이 분석에서는 정규화하는 것이 바람직하고, N인의 전문가에 의한 M인의 데이터의 평균과 표준편차를 이용하여, 본 실시례에서는, 8항목의 스킬 요인과 종합평가를 각각, 70±15점 등으로 환산하여도 좋다.

또한, 이후의 설명에서는, 각 스킬 요인 그 자체를 나타내는 때는, 각 스킬 요인명을 이중 인용부로 둘러싸고(예 : "안전", "약동감"), 각 스킬 요인의 득점을 나타내는 경우는, 각 스킬 요인의 말미에 「스코어」의 문자를 첨부하고 있다(예 : "안전 스코어", "약동감 스코어").

회답 후의 앙케이트의 채점 결과를 인자 분석한 결과, 러닝 폼 득점(전문가에 의해 부여된 종합평가)는, 이하와 같이 "안전 스코어"와 "약동감 스코어"에 의해 주로 형성됨을 알 수 있었다.

도 24는, 인자 분석에 의해 추출된 인자에 대한 각 스킬 요인의 인자 부하량을 플롯한 도면이다. 도 25는, 20인의 러너의 각각의 인자 득점을 플롯한 도면이다. 또한, 도 26은, 추출된 인자의 인자 득점과, "종합평가"와의 상관관계를 도시하는 도면이다.

앙케이트 평가 항목을 인자 분석한 결과, 인자(1)과 인자(2)의 2개의 인자가 추출되었다. 각 스킬 요인의 인자 부하량을 플롯한 바, 도 24에 도시되는 바와 같이, 각 스킬 요인은, "약동감", 및 "스피드감"으로 이루어지는 제1의 그룹과, "종합평가", "미감", "리듬감", "릴랙스", "스무스", 및 "밸런스"로 이루어지는 제2의 그룹과, "안전"으로 이루어지는 제3의 그룹으로 분류할 수 있음을 알 수 있었다.

또한, 도 25에 도시되는 바와 같이, 각 스킬 요인의 인자 득점을 플롯한 결과, 이상(理想)적인의 러닝 폼은, 인자(1)(안전성에 관한 인자)와, 인자(2)(약동감에 관한 인자)의 2축을 기준으로서 분류될 수 있음을 알 수 있었다. 인자(1) 및 인자(2)와, "종합평가"와의 상관관계를 조사하여 본즉, 도 26에 도시되는 바와 같이, 전문가에 의한 러닝 폼의 종합평가는, 인자(1)+인자(2)(인자(1)와 인자(2)가 조합된 스코어)로 나타내어짐을 알 수 있었다.

그리고, 도 24에 도시되는 바와 같이, 인자(1)로부터는, 그 대표 변수로 하여 "안전 스코어"가 추출되었다. 또한, 인자(2)로부터는, 그 대표 변수로 하여 "약동감 스코어"가 추출되었다. 이에 의해, 러닝 폼의 종합평가는, "안전 스코어" + "약동감 스코어"에 의해 표시되었다.

다음에, "안전 스코어" 및 "약동감 스코어"의 각각의 요인으로 이루어지는 유저 특성(신체 특성 및/또는 바이오 메커닉스 파라미터)가 추출되었다.

우선, 20명의 테스트 러너의 주행 영상에서, 좌우의 고관절, 슬관절, 족관절, 흉쇄(胸鎖)관절, 견관절, 및 주관절과, 체간(體幹), 및 목의 합계 14의 관절에 관해, 합계 36항목의 관절 각도가 산출되었다. 또한, 신체 세그먼트(대퇴, 하퇴, 체간, 상동(上胴), 하동(下胴), 상완, 전완, 족부, 어깨)의 절대 좌표계각 평면에의 투영각이, 신체 세그먼트 각도로서 산출되었다. 그리고, 이들의 바이오 메커닉스 데이터에, 피험자의 BMI와 상반력(床反力) 데이터를 가한 일군(一群) 데이터에 관한, 단상관(單湘關) 분석 및 주성분 분석에 의해, 유저 특성이 좁혀짐에 의해, "안전 스코어" 및 "약동감 스코어"의 각각과 상관이 높은 유저 특성(파라미터)이 추출되었다. 이 유저 특성의 추출을 위한 좁힘은, 다중공선성(多重共線性)이 회피되면서, 실행되었다.

상기한 처리의 결과, "안전 스코어"와 상관이 높은 유저 특성으로서, 신체 특성의 하나인 「BMI」와, 바이오 메커닉스 데이터의 중의 「대퇴각도(후방)MaxMin」, 및 「전완각도(측방)MaxMin」의, 합계 3개의 요소가 추출되었다. 또한, "약동감 스코어"와 상관이 높은 유저 특성으로서, 바이오 메커닉스 데이터의 중에서 「상완각도(측방)Max」, 「대퇴각속도 측방 Min」, 「하퇴각도(측방)Min」, 「하퇴각도차-대퇴각도차」, 및 「하퇴각속도(접지)」의 합계 5개의 요소가 추출되었다.

"안전 스코어" 및 "약동감 스코어"에 관하고 추출된 신체 특성과 바이오 메커닉스 파라미터는, 도 6 내지 도 13을 참조하여 설명된 것이다. 여기서 이용되는 바이오 메커닉스 데이터는, 도 6 내지 도 13을 참조하여 설명한 바와 같이 추출(산출)된다. 바이오 메커닉스 데이터의 추출(산출)에는, 적어도, 6개의 마커가 필요하게 된다. 6개의 마커는, 보다 구체적으로는, 러너의, 견관절, 주관절, 수관절, 고관절, 슬관절, 족관절에 장착된다. 이들, 견관절, 주관절, 및 수관절의 마커에 의해, 상완, 및 전완의 각도 정보를 얻을 수 있고, 또한 고관절, 슬관절, 족관절의 마커에 의해, 대퇴, 및 하퇴의 각도 정보를 얻을 수 있다.

다음에, 중회귀분석에 의해, 추출된 유저 특성(신체 특성과 바이오 메커닉스 데이터)로부터 평가 항목 "안전 스코어" 및 "약동감 스코어"를 나타내는 식이 구축되었다. 이에 의해 러닝 폼의 평가점(종합평가)을 구하는 중회귀식을 구할 수 있게 된다. 본 실시례에서는, 종합평가에 더하여, 러닝 폼의 개별 평가 항목마다의 점수(개별 평가 득점)가 표시된다. 각 개별 평가 항목은, 추출된 유저 특성(신체 특성과 바이오 메커닉스 파라미터)에 의거하여 산출되었다. 그리고, 산출된 각 개별 평가 득점에 의거하여, 종합평가가 산출되었다.

도 27은, 본 실시례에서 러닝 폼 득점의 산출에 이용되는 수식의 조(組)의 한 예를 도시하는 도면이다. 도 27에는, 식(7) 내지 식(14)이 나타나 있다.

평가 항목 "안전 스코어"에 관해서는 「BMI」「대퇴각도(후방)MaxMin」, 「전완각도(측방)MaxMin」을 설명변수로 하고, "각 개별 평가 득점"을 목적변수로 하여 중회귀분석이 행하여졌다. 상기 3개의 파라미터를 이용하여 도출할 수 있는 개별 평가 항목의 스코어를 산출하는 식은, 도 27의 식(7) 및 식(8)에 표시되는 바와 같이 특정되었다. 특정된 개별 평가 항목의 명칭(Safety, Relax)은, 대응하는 스킬 요인 등을 고려하여 임의로 설정된 것이다.

마찬가지로, 평가 항목 "약동감 스코어"에 관한 「상완각도(측방)Max」, 「대퇴각속도 측방 Min」, 「하퇴각도(측방)Min」, 「하퇴각도차-대퇴각도차」, 및 「하퇴각속도(접지)」를 설명변수로 하여 정의할 수 있는 개별 평가 항목의 스코어를 산출하는 식은, 도 27의 식(10) 내지 식(13)에 표시되는 바와 같이 특정되었다.

도 27에서, 식(9)은, 식(7) 및 식(8)에 의해 산출된 값을 이용하여 "안전 스코어"를 산출하기 위한 회귀식이다. 식(13)은, 식(10) 내지 식(12)에 의해 산출된 값을 이용하여 "약동감 스코어"를 산출하기 위한 회귀식이다. 식(14)은, 식(9)의 "안전 스코어" 및 식(13)의 "약동감 스코어"를 이용하여 종합 득점을 산출하기 위한 회귀식이다.

도 28은, 상기한 바와 같이 추출된 신체 특성 및 바이오 메커닉스 파라미터와, (스킬 요인을 결정하기 위한) 개별 평가 항목과, 개별 평가 항목을 이용하여 산출되는 스킬 요인과, 스킬 요인을 이용하여 산출되는 러닝 폼 득점과의 관계를 도시하는 도면이다.

도 28에 도시된 스킬 요인과 러닝 폼 득점과의 관계에서는, 산출된 5개의 개별 평가 항목("Safety", "Relax", "Positioning", "Ride", "Swing")의 스코어를 이용하여, 스킬 요인 "안전 스코어" 및 "약동감 스코어"의 득점이 산출된다. 그리고, 스킬 요인 "안전 스코어" 및 "약동감 스코어"를 이용하여, 식(14)에 의해 종합 득점(러닝 폼 득점)이 산출된다.

이상과 같이 구하여진 스킬 요인의 득점 및 종합 득점은, 각각의 득점 분포에 응하여 미리 준비하여 둔 전문가의 어드바이스 코멘트와 함께, 평가 결과로서, 아웃풋 시트에 게재된다. 어드바이스 코멘트는, 예를 들면, 이하와 같이 선택된다. 즉, 스킬 요인의 득점 및 종합 득점의 각각을, 86점 이상, 85점 내지 76점, 75점 내지 66점, 65점 내지 56점, 55점 이하, 로 구분하고, 각 득점 존의 러너에 대한 어드바이스가 미리 설정된다. 설정되는 어드바이스의 내용은, 예를 들면, 전문가에게의 히어링의 내용에 의거하여 결정된다. 아웃풋 데이터 작성부(36)는, 피험자의 득점에 응한 어드바이스 코멘트를 데이터 격납부(32) 등으로부터 선택하고, 아웃풋 시트에 게재한다. 또한, 구분의 양태(각 구분에서의 점수의 범위)는, 상술한 것으로 한정되지 않고, 다른 양태가 채용되어도 좋다.

도 29 내지 도 31은, 35명의 러너를, 본 실시례에 의한 러닝 폼 진단 시스템에 의해 산출된 득점과, 각 러너에 대한 전문가의 득점과의 관계를 도시하는 도면이다. 도 29는, 스킬 요인 「안전」의 득점에 관한 관계를 도시한다. 도 30은, 스킬 요인 「약동감」의 득점에 관한 관계를 도시한다. 도 31은, 러닝 폼 득점에 관한 관계를 도시한다.

도 29 내지 도 31로부터 이해되는 바와 같이, "안전 스코어", "약동감 스코어", 및 "종합평가" 함께, 본 실시례에 의한 러닝 폼 진단 시스템에 의한 득점과, 전문가의 평가와는 높은 상관을 나타내었다. 예를 들면, 런닝 폼 득점에 관한 관계에서, 전문가로부터 부여된 득점이라고 산출된 득점과의 결정 계수는, 0.84였다. 이에 의해, 본 실시례에 의한 러닝 폼 진단 시스템의 평가의 정밀도의 유효성이 확인되었다. 또한, 도 17과 도 31의 결과가 비교됨에 의해, 변형례에서의 평가의 정밀도는, 실시의 형태에서의 평가의 정밀도보다도 높음이 확인되었다.

[아웃풋 시트의 구체례]

다음에, 출력 장치(40)가 출력하는 아웃풋 시트의 구체례를 설명한다. 도 32 및 도 33은, 아웃풋 시트의 구체례를 도시하는 도면이다.

아웃풋 시트는, 도 32에 도시되는 시트(510)와, 도 33에 도시되는 시트(520)를 포함한다. 시트(510)는, 피험자의 프로필을 나타내는 난(110)과, 피험자의 주행에 대해 부여된 러닝 폼 득점 등의 득점을 나타내는 난(120)과, 피험자에 대한 어드바이스를 나타내는 난(130)과, 피험자의 러닝 폼의 화상을 나타내는 난(140)과, 피험자에 대해 제안된 연습 계획을 나타내는 난(150)과, 피험자에게 구입이 권유되는 슈즈 등의 정보를 나타내는 난(160)을 포함한다. 아웃풋 데이터 작성부(36)는, 유저 정보 입력부(31)에 입력된 정보 등에 의거하여, 난(110)에 게재한 정보를 생성한다.

난(120)은, 도 28에 도시된 5개의 평가 항목의 각각의 득점을 표시하기 위한 난(121 내지 125)과, 러닝 폼 득점을 표시하기 위한 난(126)을 포함한다. 난(121 내지 125)의 각각은, 각 평가 항목의 득점에 응한 어드바이스 코멘트를 표시하기 위한 난을 포함한다. 보다 구체적으로는, 난(121)은 난(121A, 121B)을 포함한다. 난(122)은 난(122A, 122B)을 포함한다. 난(123)은 난(123A, 123B)을 포함한다. 난(124)은 난(124A, 124B)을 포함한다. 난(125)은 난(125A, 125B)을 포함한다. 데이터 격납부(32)는, 평가 항목의 득점에 관해, 미리 구분된 득점의 각각에 관련지어서, 어드바이스 코멘트를 격납하고 있다. 아웃풋 데이터 작성부(36)는, 데이터 격납부(32)에 격납되어 있는 어드바이스 코멘트에서, 각 평가 항목의 득점에 대응하는 어드바이스 코멘트를 선택하여, 난(121 내지 125)의 각각에 표시시킨다.

난(121A)은, 난(121)에 득점이 표시된 평가 항목 "Safety"의 득점에 대응하는 어드바이스 코멘트를 표시한다. 표시되는 어드바이스 코멘트는, 예를 들면 「몸에의 부담이 커지면 러닝 장애에 이어질 가능성이 있습니다. 「BMI·골격·근력·주행 방법의 버릇」 등으로부터, 주행중에 다리가 좌우로 벗어나 고관절이나 무릎에게의 부담이 됩니다. 감량이 필요한 경우는 느린 페이스로 달리고, 계속하도록 합시다. 좌우로 벗어나는 방식은 착지의 위치와 발끝 방향에 주의합시다.」이다. 데이터 격납부(32)는, 또한, 각 평가 항목의 득점에 관해, 미리 구분된 득점의 각각에 관련지어서, 피험자가 주의하여야 할 포인트를 격납하고 있다. 난(121B)은, 난(121)에 표시된 득점에 관련지어진 포인트를 표시한다. 난(121B)에 표시되는 내용은, 예를 들면, [착지의 위치와 발끝 방향] [복근이나 엉덩이 주위의 근육 트레이닝] [다이어트] [O다리 X다리인 분은 적절한 슈즈나 서포터 선택]이다.

난(121 내지 125)의 각각에 표시된 득점의 아래에는, 각 득점에 응한 평가가 나타나 있다. 평가의 내용은, 각 평가 항목에 관해, 미리 구분된 득점의 각각에 관련지어져서, 데이터 격납부(32)에 격납되어 있다. 당해 평가는, 예를 들면, 높은 득점에 대응하는 것부터 차례로 「좋음」「표준적」「주의가 필요합니다」라는 메시지를 포함한다.

난(130)은, 난(121 내지 125)에 표시된 득점중, 가장 높은 득점에 대응하는 평가 항목에 관한 코멘트를 표시하는 난(131)과, 가장 낮은 득점에 대응하는 평가 항목에 관한 코멘트를 표시하는 난(132)를 포함한다. 난(131)에는, 평가 항목 "Swing"에 관한 코멘트가 표시되어 있다. 당해 코멘트는, 예를 들면 「Swing항목의 결과로부터, 좋은 타이밍에서 차내고 있고, 착지까지 좋은 스윙이 되어 있습니다. 재빠르게 무릎을 앞으로 내는 것을 의식하고 새로운 향상을 목표로 합시다.」이다. 난(132)은, 평가 항목 "Safety"의 코멘트를 표시한다. 표시되는 코멘트는, 예를 들면 「Safety항목의 결과로부터, 좌우의 흔들림이 조금 불안정하게 보여집니다. 체중 관리, 트레이닝 등에 의해 개선하도록 유의합시다.」이다.

난(130)에는, 득점이 가장 낮았던 평가 항목에 의거하여 「폼 어드바이스」와 「트레이닝 어드바이스」가 표시되어 있다. 「폼 어드바이스」와 「트레이닝 어드바이스」의 각각은, 어드바이스의 내용을 보다 구체적으로 제시하기 위해, 인물의 상(像)을 포함한다. 또한, 「폼 어드바이스」는, 구체적인 메시지를 표시하는 난(133A 내지 133C)을 포함한다. 「트레이닝 어드바이스」는, 구체적인 메시지를 포함하는 난(134A, 134B)을 포함한다. 난(130)은, 또한 「폼 어드바이스」와 「트레이닝 어드바이스」에 표시된 어드바이스가, 고려되는 어드바이스의 단순한 한 예에 지나지 않는 취지의 주의서를 표시하는 난(135)을 포함한다.

도 33을 참조하면, 난(140)은, 피험자의 러닝 폼을 나타내는 화상(141A 내지 141D)과, 본보기가 되는 러너의 러닝 폼을 나타내는 화상(142A 내지 142D)을 포함한다. 아웃풋 데이터 작성부(36)는, 촬영 시스템(20)에 의해 촬영된 피험자의 주행 영상으로부터, 화상(141A 내지 141D)을 취득한다. 화상(142A 내지 142D)은, 데이터 격납부(32)에 격납되어 있다. 화상(141A, 142A)은, 착지시의 화상이다. 화상(141B, 142B)은, 가중시(加重時)의 화상이다. 화상(141C, 142C)은, 이지시(離地時)의 화상이다. 화상(141D, 142D)은, 주행에서 무릎아래(膝下)의 (하퇴)의 수직 방향에 대한 각도가 최대가 될 때의 화상이다. 난(143A 내지 143D)은, 상기한 4개의 시점의 각각에서, 러너가 확인하여야 할 포인트를 나타내는 메시지를 표시한다.

난(150)은, 피험자의 러닝 폼 득점 등에 의거하여 산출되는, 풀 마라톤의 예측 타임 등의 정보를 나타낸다. 또한, 난(150)은, 난(150)에 표시된 예측 타임 등이, 대강의 목표인 것을 나타내는 메시지를 표시하는 난(151)을 포함한다.

난(160)은, 피험자에 관해 상정된 착지 패턴을 나타내는 난(161)과, 피험자의 피치 및 스트라이드의 계측 결과를 나타내는 난(162)과, 피험자에게 구입이 권유되는 슈즈의 정보를 표시하는 난(163)을 포함한다. 또한, 난(160)은, 난(163)에서 제시된 슈즈의 정보는 개략적인 것인 것, 및, 피험자에게 맞는 슈즈에 관한 보다 구체적인 정보를 알기 위해서는 실제로 슈즈를 시험해 볼 것이 권유되는 것을 나타내는 메시지를 나타내는 난(164)을 포함한다.

[관성 센서의 계측에 의거한 바이오 메커닉스 데이터의 추출]

도 34를 참조하여, 러닝 폼 진단 시스템의 변형례에 관해 설명한다. 도 34는, 러닝 폼 진단 시스템의 변형례의 개략 구성을 도시한다. 이하의 설명에서는, 본 변형례에 따른 러닝 폼 진단 시스템에서의, 도 1에 도시된 시스템에 대한 변경점이, 주로 설명된다.

도 34에 도시되는 바와 같이, 러닝 폼 진단 시스템(200)에서는, 트레드밀(10)상을 주행하는 피험자는, 관성 센서(91)를 장착하고 있다. 피험자는, 관절 각도를 계측하고 싶은 관절을 끼우는 2개소에, 관성 센서(91)를 장착한다. 보다 구체적으로는, 피험자는, 상완, 전완, 대퇴, 및, 하퇴의 각도 등의 계측을 위해, 우측 또는 좌측의 상완부와 전완부와 대퇴부와 하퇴부의 각각에, 관성 센서(91)를 부착한다.

도 34에 도시된 시스템은, 도 1에 도시된 시스템의 정보 처리 장치(30) 대신에, 정보 처리 장치(30A)를 포함한다. 정보 처리 장치(30A)는, 관성 센서(91)의 계측 결과를 취득한다. 관성 센서(91)는, 예를 들면 무선 통신에 의해, 정보 처리 장치(30A)에 계측 결과를 송신한다. 정보 처리 장치(30A)는, 관성 센서(91)로부터 취득한 계측 결과를 이용함에 의해, 피험자의 러닝 폼 득점을 산출하여, 출력 장치(40)에 출력한다. 출력 장치(40)는, 러닝 폼 득점을 출력한다.

정보 처리 장치(30A)는, 관성 센서(91)의 계측 결과에 의거하여, 상완, 전완, 대퇴, 및, 하퇴의, 각도 정보 및/또는 각속도를 산출한다. 관성 센서(91)로서는, 예를 들면, 자이로스코프 센서 및 가속도계의 쌍방의 기능을 갖는, 세이코엡손사제의 관성 계측 유닛(Inertial Measurement Unit)이 채용된다. 관성 센서(91)는, 3축 방향의 각각에 관해, 각속도와 가속도를 계측하고, 정보 처리 장치(30A)에 출력할 수 있다.

도 35는, 정보 처리 장치(30A)의 하드웨어 구성의 한 예를 도시하는 도면이다. 도 35에 도시되는 바와 같이, 정보 처리 장치(30A)의 통신 기기(326)는, 관성 센서(91)로부터 송신된 계측 결과를 수신한다. CPU(300)는, 수신된 계측 결과를 처리함에 의해, 피험자의 러닝 폼 득점을 산출한다.

도 36은, 정보 처리 장치(30A)의 기능 구성의 한 예를 도시하는 도면이다. 도 36을 참조하면, 정보 처리 장치(30A)는, 관성 센서(91)로부터의 정보의 입력을 접수하는 센서 정보 입력부(50)를 포함한다. 센서 정보 입력부(50)는, 예를 들면, 통신 기기(326)에 의해 구성된다. 바이오 메커닉스 데이터 추출부(51)는, 관성 센서(91)의 계측 결과로부터, 피험자의 바이오 메커닉스 데이터를 추출한다. 바이오 메커닉스 데이터 추출부(51)는, 예를 들면, CPU(300)가 주어진 프로그램을 실행함에 의해 실현된다.

정보 처리 장치(30A)의 득점 연산부(35)는, 피험자의 바이오 메커닉스 데이터 및/또는 신체 정보를, 연산식 생성부(34)에 의해 생성된 연산식에 적용함에 의해, 피험자의 러닝 폼 득점을 산출한다.

정보 처리 장치(30A)에서 이용되는 연산식의 생성에는, 테스트 러너의 바이오 메커닉스 데이터가 이용된다. 테스트 러너의 바이오 메커닉스 데이터는, 관성 센서(91)의 계측 결과로부터 추출된 것이라도 좋고, 도 1을 참조하여 설명한 바와 같이, 촬영 시스템(20)에 의해 촬영된 영상으로부터 추출된 것이라도 좋다.

도 34 내지 도 36을 참조하여 설명된 러닝 폼 진단 시스템(200)은, 피험자의 바이오 메커닉스 데이터를, 관성 센서(91)의 계측 결과로부터 추출한다. 촬영 시스템(20)은, 복수의 각도로부터 피험자를 측정한다. 이 때문에, 장치의 구성의 규모가 커지는 것이 예측된다. 러닝 폼 진단 시스템(200)은, 피험자의 러닝 폼 득점을 산출하는 경우, 도 1에 도시된 바와 같은 촬영 시스템(20)은 필요하게 되지 않는다. 이 때문에, 러닝 폼 진단 시스템(200)에서는, 피험자의 득점을 산출하는데 필요한 장치의 소형화가 가능하다. 따라서 정보 처리 장치(30A)에서 미리 연산식이 등록되어 있으면, 피험자는, 예를 들면 자택에서도, 자기의 러닝 폼에 대한 득점을 취득할 수 있다.

[다른 변형례]

러닝 폼 진단 시스템에서는, 정보 처리 장치(30)의 연산식 생성부(34)에 의해 연산식이 생성되었지만, 정보 처리 장치(30)의 외부 기기에서 연산식 생성부(34)와 마찬가지의 처리에 의해 연산식이 생성되어도 좋다. 도 37은, 연산식이 외부 기기에서 생성되는 경우의, 정보 처리 장치(30B)의 기능을 도시하는 도면이다. 정보 처리 장치(30B)는, 정보 처리 장치(30)의 또 다른 변형례이다.

도 37을 참조하면, 정보 처리 장치(30B)에서는, 연산식을 특정하는 정보가, 연산식 격납부(34A)에 격납된다. 득점 연산부(35)는, 러닝 폼을 산출할 때에는, 연산식 격납부(34A)에 격납된 연산식을 판독한다.

실시의 형태, 실시례, 및, 변형례의 각각에서, 득점 연산부(35)는, 종합 득점뿐만 아니라, 추출된 유저 특성(신체 특성 및/또는 바이오 메커닉스 파라미터)에 의거하여, 러닝 폼의 평가 항목의 득점을 산출하여도 좋다. 보다 구체적으로는, 연산식 격납부(34A)에는, 신체 특성 또는 바이오 메커닉스 파라미터에 의거하여, 각 스킬 요인의 포인트를 산출하기 위한 연산식을 특정하는 정보가 격납되어 있어도 좋다. 각 스킬 요인에 관한 당해 연산식은, 예를 들면, 테스트 러너의 신체 특성 또는 바이오 메커닉스 데이터를 설명변수로 하고, 테스트 러너의 주행에 대해 전문가로부터 부여된 각 스킬 요인의 포인트를 목적변수로 한 경우의, 회귀분석에 의해 도출된다. 득점 연산부(35)는, 도 18의 스텝 S504에서 추출된, 피험자의 파라미터(Xn)(신체 특성 및/또는 바이오 메커닉스 데이터)를, 각 스킬 요인에 관한 연산식에 적용함에 의해, 각 스킬 요인에 관한 포인트를 산출한다. 산출된 포인트는, 도 32에 도시된 바와 같이, 진단 결과에 가하여져도 좋다. 러닝 폼 득점에 더하여, 개별항목에 관한 포인트가 제시됨에 의해, 개별항목에 대해서도 전문가의 평가를 제시할 수 있고, 이에 의해, 보다 상세히 피험자의 폼 진단을 행하는 것이 가능해진다.

본 개시에 의한 러닝 폼 진단 시스템은, 복수의 전문가에 의한 러너의 폼의 평가와, 러너의 바이오 메커닉스 데이터와의 상관에 의거하여, 러닝 폼을 평가하기 위한 연산식을 생성한다. 그리고, 러닝 폼 진단 시스템은, 피험자의 특성을 당해 연산식에 적용함에 의해, 러닝 폼을 득점화한다. 이에 의해, 암묵지(暗默知)로 되어 있던 전문가에 의한 러닝 폼의 평가가, 연산식을 이용하여, 득점이라는 형태로 현재화(顯在化)된다. 연산식은, 복수의 전문가의 평가에 의거하여 작성된다. 따라서 피험자는, 자동적으로 러닝 폼에 대한 득점이 주어진다. 또한, 피험자에 대해, 복수의 코치나 전문가에 의한 평가와 극단적으로 괴리되는 일이 없는 득점을 부여할 수 있다.

본 발명을 상세히 설명하고 나타내어 왔지만, 이것은 예시를 위한 것일 뿐이어서 한정하여서는 안 되고, 발명의 범위는 첨부한 청구의 범위에 의해 해석됨이 분명히 이해될 것이다.

[산업상의 이용 가능성]

본 개시에 의한 러닝 폼 진단 시스템에 의하면, 전문가의 판단과 동등한 기준에 의거하여, 유저의 러닝 폼을 자동적으로 득점화할 수 있는 점에 있어서 유용(有用)하다.

10 : 트레드밀
20 : 촬영 시스템
30, 30A, 30B : 정보 처리 장치
31 : 유저 정보 입력부
32 : 데이터 격납부
33 : 신체 정보 추출부
33a : 화상 처리부
33b : 바이오 메커닉스 데이터 추출부
34 : 연산식 생성부
34A : 연산식 격납부
35 : 득점 연산부
36 : 아웃풋 데이터 작성부
40 : 출력 장치
50 : 센서 정보 입력부
90 : 마커
91 : 관성 센서
100, 200 : 러닝 폼 진단 시스템

Claims

피험자의 러닝 폼을 득점화하는 러닝 폼 진단 시스템으로서,
복수의 테스트 러너의 주행에 관한 정보로부터 추출된 신체동작 정보와 당해 복수의 테스트 러너의 각각의 주행에 대해 전문가가 부여한 평가와의 상관관계를 나타내는 연산식을 기억하도록 구성된 기억 장치와,
피험자의 주행에 관한 정보의 입력을 접수하기 위한 인터페이스와,
상기 인터페이스에 입력된 정보에 의거하여, 상기 피험자의 러닝 폼에 관한 득점을 출력하도록 구성된 프로세서를 구비하고,
상기 프로세서는,
상기 인터페이스에 입력된 상기 피험자의 주행에 관한 정보로부터 상기 피험자의 신체동작 정보를 추출하고,
당해 추출한 신체동작 정보를 상기 연산식에 적용함에 의해 상기 피험자의 러닝 폼에 관한 득점을 산출하도록 구성되어 있는 것을 특징으로 하는 러닝 폼 진단 시스템.
제1항에 있어서,
상기 연산식은,
상기 테스트 러너의 주행에 대해 상기 전문가에 의해 부여된 2 이상의 항목의 평가를 설명변수로 하고, 상기 테스트 러너의 주행에 대해 상기 전문가에 의해 부여된 종합평가를 목적변수로 하여 회귀분석을 행함에 의해 얻어지는 제1의 회귀식과,
상기 테스트 러너의 신체동작 정보를 설명변수로 하고, 상기 테스트 러너에 대해 상기 전문가에 의해 부여된 상기 2 이상의 항목의 평가의 각각을 목적변수로 하여 회귀분석을 행함에 의해 얻어지는 제2의 회귀식을 포함하는 것을 특징으로 하는 러닝 폼 진단 시스템.
제2항에 있어서,
상기 제1의 회귀식에 이용되는 상기 2 이상의 항목은, 상기 테스트 러너의 주행에 대해 상기 전문가에 의해 부여된 미리 정하여진 수의 항목의 평가와 상기 테스트 러너의 주행에 대해 상기 전문가가 부여한 종합평가가 통계적으로 처리됨에 의해, 상기 미리 정하여진 수의 항목의 중에서 특정되는 것을 특징으로 하는 러닝 폼 진단 시스템.
제3항에 있어서,
상기 제2의 회귀식에 사용되는 상기 테스트 러너의 신체동작 정보는, 특정한 수의 신체동작 정보와 상기 2 이상의 항목의 평가가 통계적으로 처리됨에 의해, 상기 특정한 수의 항목의 특성의 중에서 특정되는 것을 특징으로 하는 러닝 폼 진단 시스템.
제1항에 있어서,
상기 연산식은, 상기 테스트 러너의 복수의 신체동작 정보를 설명변수로 하고, 상기 테스트 러너에 대해 상기 전문가가 부여한 종합평가를 목적변수로 한 중회귀분석을 행함에 의해 얻어지는 중회귀식을 포함하는 것을 특징으로 하는 러닝 폼 진단 시스템.
제1항에 있어서,
상기 연산식은, 상기 테스트 러너의 복수의 신체동작 정보의 각각을 설명변수로 하고, 상기 테스트 러너에 대해 상기 전문가가 부여한 종합평가를 목적변수로 한 회귀분석을 행함에 의해 얻어지는 복수의 회귀식을 포함하고,
상기 프로세서는, 상기 복수의 회귀식에서 얻어지는 복수의 종합평가에 의거하여 상기 피험자의 러닝 폼에 관한 득점을 산출하는 것을 특징으로 하는 러닝 폼 진단 시스템.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 피험자의 신체동작 정보는, 상기 피험자의 전완과 상완에 대한 각도를 산출함에 의해 얻어지는 주관절 각도, 상기 피험자의 전완과 상완의 각각의 세그먼트 각도, 상기 피험자의 하퇴의 상퇴에 대한 각도를 산출함에 의해 얻어지는 슬관절 각도, 또는, 상기 피험자의 하퇴와 상퇴의 각각의 세그먼트 각도의 적어도 어느 하나를 포함하는 것을 특징으로 하는 러닝 폼 진단 시스템.
제7항에 있어서,
상기 인터페이스에 결합되고, 상기 피험자의 영상을 촬영하기 위한 촬영 장치를 또한 구비하고,
상기 인터페이스는, 상기 피험자의 영상의 입력을 접수하도록 구성되어 있고,
상기 프로세서는,
상기 피험자의 주관절 각도, 또는, 상기 피험자의 전완과 상완의 각각의 세그먼트 각도의 적어도 어느 하나를 추출하는 경우, 상기 영상 중의, 상기 피험자의 견관절과 주관절과 수관절에 부착된 마커의 화상의 위치에 의거하여, 이들의 각도를 추출하고,
상기 피험자의 슬관절 각도, 또는, 상기 피험자의 하퇴와 상퇴의 각각의 세그먼트 각도의 적어도 어느 하나를 추출하는 경우, 상기 영상 중의, 상기 피험자의 고관절과 슬관절과 족관절에 부착된 마커의 화상의 위치에 의거하여, 이들의 각도를 추출하도록 구성되어 있는 것을 특징으로 하는 러닝 폼 진단 시스템.
제7항에 있어서,
상기 피험자에 부착된 관성 센서를 또한 구비하고,
상기 인터페이스는, 상기 관성 센서의 검출 결과의 입력을 접수하도록 구성되어 있고,
상기 프로세서는, 상기 관성 센서의 검출 결과에 의거하여, 상기 피험자의 신체동작 정보를 추출하도록 구성되도록 구성되어 있는 것을 특징으로 하는 러닝 폼 진단 시스템.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 기억 장치는, 주행에 관한 어드바이스 정보를, 미리 구분된 득점의 각각에 관련지어서 기억하도록 구성되어 있고,
상기 프로세서는, 상기 피험자에 대해 산출한 득점에 관련지어져 있는 상기 어드바이스 정보를 출력하도록 구성되어 있는 것을 특징으로 하는 러닝 폼 진단 시스템.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 연산식은, 복수의 테스트 러너의 주행에 관한 정보로부터 추출된 신체동작 정보 및 상기 복수의 테스트 러너의 신체 특성과, 당해 복수의 테스트 러너의 각각의 주행에 대해 전문가가 부여한 종합평가와의 상관관계를 또한 나타내고,
상기 인터페이스는, 또한, 상기 피험자의 신체 특성의 입력을 접수하도록 구성되어 있고,
상기 프로세서는, 상기 피험자의 신체동작 정보 및 신체 특성을 상기 연산식에 적용함에 의해, 상기 피험자의 러닝 폼에 관한 득점을 산출하도록 구성되어 있는 것을 특징으로 하는 러닝 폼 진단 시스템.
컴퓨터에 의해 실행되는, 피험자의 러닝 폼을 득점화하는 방법으로서,
상기 컴퓨터는,
복수의 테스트 러너의 주행에 관한 정보로부터 추출된 신체동작 정보와 당해 복수의 테스트 러너의 각각의 주행에 대해 전문가가 부여한 평가와의 상관관계를 나타내는 연산식을 기억하도록 구성된 기억 장치와,
피험자의 주행에 관한 정보의 입력을 접수하는 인터페이스를 구비하고,
상기 컴퓨터가, 상기 인터페이스에 입력된 상기 피험자의 주행에 관한 정보로부터 상기 피험자의 신체동작 정보를 추출하는 것과,
상기 컴퓨터가, 상기 추출한 신체동작 정보를 상기 연산식에 적용함에 의해, 상기 피험자의 러닝 폼에 관한 득점을 산출하는 것을 구비하는 것을 특징으로 하는 방법.
제12항에 있어서,
상기 연산식은,
상기 테스트 러너의 주행에 대해 상기 전문가에 의해 부여된 2 이상의 항목의 평가를 설명변수로 하고, 상기 테스트 러너의 주행에 대해 상기 전문가에 의해 부여된 득점을 목적변수로 하여 회귀분석을 행함에 의해 얻어지는 제1의 회귀식과,
상기 테스트 러너의 신체동작 정보를 설명변수로 하고, 상기 테스트 러너에 대해 상기 전문가에 의해 부여된 상기 2 이상의 항목의 평가의 각각을 목적변수로 하여 회귀분석을 행함에 의해 얻어지는 제2의 회귀식을 포함하는 것을 특징으로 하는 방법.
제12항에 있어서,
상기 연산식은, 상기 테스트 러너의 복수의 신체동작 정보를 설명변수로 하고, 상기 테스트 러너에 대해 상기 전문가가 부여한 종합평가를 목적변수로 한 중회귀분석을 행함에 의해 얻어지는 중회귀식을 포함하는 것을 특징으로 하는 방법.
제12항에 있어서,
상기 연산식은, 상기 테스트 러너의 복수의 신체동작 정보의 각각을 설명변수로 하고, 상기 테스트 러너에 대해 상기 전문가가 부여한 종합평가를 목적변수로 한 회귀분석을 행함에 의해 얻어지는 복수의 회귀식을 포함하고,
상기 컴퓨터가 상기 피험자의 러닝 폼에 관한 득점을 산출하는 것은, 상기 복수의 회귀식에서 얻어지는 복수의 종합평가에 의거하여 상기 피험자의 러닝 폼에 관한 득점을 산출하는 것을 포함하는 것을 특징으로 하는 방법.