WO2015098301A1 - Analysis device, recording medium, and analysis method - Google Patents

Analysis device, recording medium, and analysis method Download PDF

Info

Publication number
WO2015098301A1
WO2015098301A1 PCT/JP2014/079386 JP2014079386W WO2015098301A1 WO 2015098301 A1 WO2015098301 A1 WO 2015098301A1 JP 2014079386 W JP2014079386 W JP 2014079386W WO 2015098301 A1 WO2015098301 A1 WO 2015098301A1
Authority
WO
WIPO (PCT)
Prior art keywords
play
user
segment
event
function
Prior art date
Application number
PCT/JP2014/079386
Other languages
French (fr)
Japanese (ja)
Inventor
有祐 渡邉
英行 松永
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Publication of WO2015098301A1 publication Critical patent/WO2015098301A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/003—Repetitive work cycles; Sequence of movements
    • G09B19/0038—Sports

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

[Problem] To analyze data obtained concerning a series of plays in a sport as a sequence or set. [Solution] Provided is an analysis device equipped with a processor that implements: an acquisition function for acquiring information representing play events that are defined on the basis of motions of a user who is playing a sport and are arranged chronologically; and a segmenting function for classifying said play events into time series segments corresponding to play units of the sport on the basis of said chronological arrangement.

Description

解析装置、記録媒体および解析方法Analysis device, recording medium, and analysis method
　本開示は、解析装置、記録媒体および解析方法に関する。 This disclosure relates to an analysis apparatus, a recording medium, and an analysis method.
　これまでに、センシングや解析を利用して、スポーツのプレーを支援する技術が多く開発されてきている。例えば、特許文献１には、モーションセンサの検出データを用いてスイングの動作の検出を行い、スイングの動作が検出されたデータをスイング候補データとして抽出し、スイングに関連付けられる判定条件に基づきスイング候補データから真のスイングデータを選択する技術が記載されている。これによって、例えば、ユーザがスイング動作の開始や終了のタイミングを支持する必要がなく、比較的小さい計算負荷でスイングデータの抽出を行うことができる。 So far, many technologies that support sports play using sensing and analysis have been developed. For example, in Patent Document 1, swing motion is detected using detection data of a motion sensor, data in which a swing motion is detected is extracted as swing candidate data, and a swing candidate is based on a determination condition associated with the swing. A technique for selecting true swing data from data is described. Thereby, for example, it is not necessary for the user to support the timing of starting and ending the swing operation, and swing data can be extracted with a relatively small calculation load.
特開２０１２－２５４２０５号公報JP 2012-254205 A
　しかしながら、特許文献１に記載されたような技術では、個々のスイングを解析することはできるものの、得られたデータを系列または集合として解析していない。スポーツのプレーの上達のためには、スイングなどの個々のプレーを解析して改善点などを発見することも重要であるが、例えばゲームやセット構成する一連のプレーは相互に関係しており、個々のプレーに着目するにしてもその前後のプレーの影響は無視できない。また、いわゆる試合運びやプレーのコンビネーションといったものについては、一連のプレーについて得られたデータを系列または集合として解析しなければ把握することが困難である。 However, with the technique described in Patent Document 1, although individual swings can be analyzed, the obtained data is not analyzed as a series or set. In order to improve sports play, it is also important to analyze individual plays such as swings and discover improvements, but for example, games and a series of sets are interrelated, Even if attention is paid to individual plays, the influence of the previous and subsequent play cannot be ignored. In addition, it is difficult to grasp the so-called game carrying and play combination unless data obtained for a series of plays is analyzed as a series or set.
　そこで、本開示では、スポーツの一連のプレーについて得られたデータを系列または集合として解析することが可能な、新規かつ改良された解析装置、記録媒体および解析方法を提案する。 Therefore, the present disclosure proposes a new and improved analysis device, recording medium, and analysis method capable of analyzing data obtained from a series of sports plays as a series or set.
　本開示によれば、スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得する取得機能と、上記時間的な配列に基づいて上記プレーイベントを上記スポーツのプレー単位に対応する時系列のセグメントに分類するセグメント機能とを実現するプロセッサを備える解析装置が提供される。 According to the present disclosure, an acquisition function that acquires information indicating a play event that is defined based on a motion of a user who plays a sport and that is temporally arranged, and the play event that is based on the temporal arrangement There is provided an analyzer including a processor that realizes a segment function for classifying into time-series segments corresponding to the sports play units.
　また、本開示によれば、スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得する取得機能と、上記時間的な配列に基づいて上記プレーイベントを上記スポーツのプレー単位に対応する時系列のセグメントに分類するセグメント機能とをコンピュータに実現させるためのプログラムが格納された記録媒体が提供される。 In addition, according to the present disclosure, an acquisition function that acquires information indicating a play event that is defined based on a motion of a user who plays a sport and is temporally arranged, and the play that is based on the temporal arrangement. There is provided a recording medium storing a program for causing a computer to realize a segment function for classifying an event into a time-series segment corresponding to a sport play unit.
　また、本開示によれば、プロセッサが、スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得することと、上記時間的な配列に基づいて上記プレーイベントを上記スポーツのプレー単位に対応する時系列のセグメントに分類することとを含む解析方法が提供される。 Further, according to the present disclosure, the processor acquires information indicating a play event defined based on a motion of a user who plays a sport and arranged in time, and based on the time arrangement. An analysis method is provided that includes classifying the play event into time-series segments corresponding to the sports play units.
　以上説明したように本開示によれば、スポーツの一連のプレーについて得られたデータを系列または集合として解析することができる。 As described above, according to the present disclosure, data obtained from a series of sports plays can be analyzed as a series or a set.
　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。 Note that the above effects are not necessarily limited, and any of the effects shown in the present specification, or other effects that can be grasped from the present specification, together with or in place of the above effects. May be played.
本開示の一実施形態に係るシステム構成の例を示す図である。It is a figure showing an example of system configuration concerning one embodiment of this indication. 本開示の一実施形態に係るシステムの装置構成を概略的に示すブロック図である。It is a block diagram showing roughly the device composition of the system concerning one embodiment of this indication. 本開示の一実施形態におけるセグメンテーションについて説明するための図である。It is a figure for demonstrating the segmentation in one Embodiment of this indication. 図３におけるイベント時系列データの例を示す図である。It is a figure which shows the example of the event time series data in FIG. 図３における前処理後のイベント時系列データの例を示す図である。It is a figure which shows the example of the event time series data after the pre-processing in FIG. 本開示の一実施形態におけるセグメンテーションのためのモデル学習について説明するための図である。It is a figure for demonstrating the model learning for the segmentation in one Embodiment of this indication. 本開示の一実施形態におけるイベント時系列データの他の例を示す図である。It is a figure showing other examples of event time series data in one embodiment of this indication. 本開示の一実施形態におけるセグメント定義の例を示す図である。5 is a diagram illustrating an example of a segment definition according to an embodiment of the present disclosure. FIG. 本開示の一実施形態におけるセグメンテーションのより具体的な例を示す図である。It is a figure which shows the more specific example of the segmentation in one Embodiment of this indication. 本開示の一実施形態における階層的なセグメンテーションの例を示す図である。FIG. 3 is a diagram illustrating an example of hierarchical segmentation according to an embodiment of the present disclosure. 本開示の一実施形態によるセグメンテーションから得られる情報の例を示す図である。FIG. 3 is a diagram illustrating an example of information obtained from segmentation according to an embodiment of the present disclosure. 本開示の一実施形態におけるプレーパターンの推定処理の例を示すフローチャートである。14 is a flowchart illustrating an example of a play pattern estimation process according to an embodiment of the present disclosure. 図１２の処理におけるセグメントされたプレーイベントの例を示す図である。It is a figure which shows the example of the segmented play event in the process of FIG. 図１２の処理におけるプレーパターンに基づくゲームの種類の推定の例を示す図である。It is a figure which shows the example of estimation of the kind of game based on the play pattern in the process of FIG. 図１２の処理における推定結果に基づいて再分類されたプレーイベントの例を示す図である。It is a figure which shows the example of the play event reclassified based on the estimation result in the process of FIG. 本開示の一実施形態におけるプレーパターンの他の例について説明するための図である。It is a figure for demonstrating the other example of the play pattern in one Embodiment of this indication. 図１６の例におけるプレースタイルの推定処理について説明するための図である。It is a figure for demonstrating the play style estimation process in the example of FIG. 図１７の例に示すプレースタイルの推定処理におけるユーザ間の比較について説明するための図である。It is a figure for demonstrating the comparison between users in the estimation process of a play style shown in the example of FIG. 本開示の一実施形態における練習セグメントのイベント時系列データについて説明するための図である。It is a figure for demonstrating the event time series data of the practice segment in one Embodiment of this indication. 図１９に示すストローク練習のセグメントにおいて検出されるプレーパターンの例を示す図である。It is a figure which shows the example of the play pattern detected in the segment of the stroke practice shown in FIG. 図１９に示すストローク練習のセグメントにおいて検出されるプレーパターンの例を示す図である。It is a figure which shows the example of the play pattern detected in the segment of the stroke practice shown in FIG. 図２０および図２１で検出されたプレーパターンに基づいて生成される情報の例を示す図である。It is a figure which shows the example of the information produced | generated based on the play pattern detected in FIG. 20 and FIG. 本開示の一実施形態に係るセグメンテーションをゴルフに応用した例について説明するための図である。It is a figure for demonstrating the example which applied the segmentation which concerns on one Embodiment of this indication to golf. 本開示の一実施形態に係るセグメンテーションをサッカーに応用した例について説明するための図である。It is a figure for demonstrating the example which applied the segmentation which concerns on one Embodiment of this indication to soccer. 本開示の実施形態に係るセンサ装置のハードウェア構成の例を示す図である。It is a figure showing an example of hardware constitutions of a sensor device concerning an embodiment of this indication. 本開示の実施形態に係る解析装置のハードウェア構成の例を示す図である。It is a figure showing an example of hardware constitutions of an analysis device concerning an embodiment of this indication.
　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。 Hereinafter, preferred embodiments of the present disclosure will be described in detail with reference to the accompanying drawings. In the present specification and drawings, components having substantially the same functional configuration are denoted by the same reference numerals, and redundant description is omitted.
　なお、説明は以下の順序で行うものとする。
　１．はじめに
　２．システム構成
　３．セグメンテーション
　４．プレーパターンの推定
　５．練習セグメントの解析
　６．他のスポーツの例
　７．ハードウェア構成
　８．補足 The description will be made in the following order.
1. 1. Introduction 2. System configuration Segmentation 4. 4. Estimation of play pattern 5. Practice segment analysis 6. Examples of other sports Hardware configuration Supplement
　（１．はじめに）
　通常、ユーザがスポーツをプレーする際には、例えばウォーミングアップ、練習、または試合のような区分がある。例えば２時間のプレーは、２０分間がウォーミングアップ、１時間が練習、試合が４０分といったように区分されうる。それぞれの区分の中で、プレーヤのパフォーマンスは大きく異なる。例えば、ウォーミングアップから全力で動くことはないと考えられるし、練習中と試合中とでもプレーヤの動きは異なる。 (1. Introduction)
Usually, when a user plays a sport, there are categories such as warm-up, practice, or game. For example, a two-hour play can be divided such that 20 minutes are warmed up, one hour is practiced, and a game is 40 minutes. Within each category, player performance varies greatly. For example, it is considered that the player does not move with full power since warming up, and the player moves differently during practice and during the game.
　従って、スポーツのプレーに関して取得されたデータを解析する際には、例えば、プレーヤがどのような状況でプレーしていたかを考慮することが重要と考えられる。より具体的には、プレーヤのスイングの上達度を判断する場合に、ウォーミングアップ中のデータを除外したり、練習中と試合中でのスイングの違いを比較したりすることは有用でありうる。 Therefore, when analyzing data acquired regarding sports play, for example, it is considered important to consider under what circumstances the player was playing. More specifically, when judging the progress of a player's swing, it may be useful to exclude data during warm-up, or to compare the difference in swing between practice and game.
　そこで、本技術では、スポーツのプレーに関して取得されたデータを時間的に配列されたプレーイベントを示す情報として扱い、例えばプレーイベントをスポーツのプレー単位に対応する時系列のセグメントに分類したり、プレーイベントの配列に基づいてプレーパターンを推定したりすることによって、取得されたデータのより有効な解析を実現する。 Therefore, in the present technology, data acquired regarding sports play is handled as information indicating play events arranged in time, for example, the play events are classified into time-series segments corresponding to sports play units, A more effective analysis of the acquired data is realized by estimating a play pattern based on the sequence of events.
　例えば、スポーツをプレーするユーザのモーションを、モーションセンサ（加速度センサ、ジャイロセンサ、地磁気センサなど）を用いて検出した場合、検出されたデータ自体や、データの解析結果を示すメタデータなどを、プレーに関する時系列データとして蓄積することができる。蓄積されたデータを利用して、プレーに関するさまざまな情報を提供することが可能である。 For example, when the motion of a user playing sports is detected using a motion sensor (acceleration sensor, gyro sensor, geomagnetic sensor, etc.), the detected data itself, metadata indicating the analysis result of the data, etc. are played. Can be accumulated as time series data. It is possible to provide various information regarding play using the accumulated data.
　本技術では、例えば、蓄積された時系列データによって示されるプレーイベントをセグメントに分類した上で解析する。また、例えば、蓄積された時系列データによって示されるプレーイベントからプレーパターンを推定する。このような構成によって、スポーツのプレーに関する有用な情報が提供されうる。時系列データは、単一のユーザについて解析されてもよいし、複数のユーザについて比較するなどして解析されてもよい。解析によって得られたデータは、例えばユーザ（プレーヤ）がプレーを振り返るために用いられてもよいし、ユーザに対してプレーに関するアドバイスを与えるために用いられてもよい。また、解析によって得られたデータは、ソーシャルメディアで発信されてユーザ間で共有されてもよい。 In this technology, for example, play events indicated by accumulated time series data are classified into segments and analyzed. Further, for example, a play pattern is estimated from a play event indicated by accumulated time series data. With such a configuration, useful information regarding sports play can be provided. The time series data may be analyzed for a single user or may be analyzed by comparing a plurality of users. The data obtained by the analysis may be used, for example, for the user (player) to look back on the play, or may be used to give advice regarding the play to the user. Moreover, the data obtained by the analysis may be transmitted on social media and shared between users.
　なお、以下の説明は、テニスなどの具体的なスポーツの例を用いてなされるが、本技術の適用範囲は例示されたスポーツには限られない。例えば、スポーツをプレーするユーザのモーションに基づいてプレーイベントが定義されうる限りにおいて、本技術はどのようなスポーツにでも適用可能である。 In addition, although the following description is made | formed using the example of specific sports, such as tennis, the application range of this technique is not restricted to the illustrated sport. For example, the present technology can be applied to any sport as long as a play event can be defined based on the motion of a user playing the sport.
　（２．システム構成）
　図１は、本開示の一実施形態に係るシステム構成の例を示す図である。図１を参照すると、システム１０は、センサ装置１００と、スマートフォン２００と、サーバ３００とを含む。 (2. System configuration)
FIG. 1 is a diagram illustrating an example of a system configuration according to an embodiment of the present disclosure. With reference to FIG. 1, the system 10 includes a sensor device 100, a smartphone 200, and a server 300.
　センサ装置１００は、テニスのラケットＲに装着される。センサ装置１００は、例えばモーションセンサ（例えば加速度センサ、ジャイロセンサ、地磁気センサなど）を備える。この場合、センサ装置１００が直接的に検出するのはラケットＲのモーションであるが、ラケットＲはユーザによって把持され、ユーザの意思に従って運動するため、センサ装置１００はラケットＲのモーションを介して間接的にユーザのモーションを検出しているともいえる。本明細書では、このような場合、センサ装置１００はユーザに間接的に装着されてユーザのモーションを検出しているという。 The sensor device 100 is mounted on a tennis racket R. The sensor device 100 includes, for example, a motion sensor (for example, an acceleration sensor, a gyro sensor, a geomagnetic sensor, etc.). In this case, the sensor device 100 directly detects the motion of the racket R. However, since the racket R is gripped by the user and moves according to the user's intention, the sensor device 100 indirectly detects the motion of the racket R. It can be said that the user's motion is detected. In this specification, in such a case, the sensor device 100 is indirectly attached to the user and detects the user's motion.
　なお、他の実施形態において、センサ装置１００は、例えばユーザの衣服や靴などに装着されてもよい。この場合も、センサ装置１００が直接的に検出するのは衣服や靴のモーションであるが、衣服や靴はユーザとともに運動するため、センサ装置は間接的にユーザのモーションを検出しているといえる。あるいは、センサ装置１００は、例えばバンドで腕に巻き付けられるなどして、ユーザに直接的に装着されていてもよい。この場合、センサ装置１００は直接的にユーザのモーションを検出しうる。センサ装置１００がユーザのモーションを直接的に検出する場合だけでなく、間接的に検出する場合であっても、検出されるモーションにユーザのモーションが反映されていれば、センサ装置１００が提供する検出結果に基づいて、スポーツをプレーするユーザのモーションに対応するプレーイベントを定義することが可能である。 In other embodiments, the sensor device 100 may be attached to, for example, a user's clothes or shoes. In this case as well, the sensor device 100 directly detects the motion of clothes and shoes, but since the clothing and shoes move with the user, the sensor device can indirectly detect the motion of the user. . Alternatively, the sensor device 100 may be directly attached to the user, for example, by being wound around an arm with a band. In this case, the sensor device 100 can directly detect the user's motion. Even if the sensor device 100 directly detects a user's motion, or indirectly detects the user's motion, the sensor device 100 provides if the detected motion reflects the user's motion. Based on the detection result, it is possible to define a play event corresponding to the motion of the user playing the sport.
　さらに、センサ装置１００は、振動センサを備えてもよい。振動センサによって検出されるデータによって、例えば、プレーイベントに対応する区間（例えばボールのインパクトの前後の区間）の特定が容易になりうる。また、振動センサによって検出されるデータも、モーションセンサによって検出されるデータと同様にプレーイベントの解析に用いられてもよい。また、センサ装置１００は、気温や湿度、明るさ、位置など、スポーツをプレーするユーザの環境情報を取得するためのセンサをさらに備えてもよい。センサ装置１００が備える各種のセンサによって検出されたデータは、必要に応じて前処理された上で、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によってスマートフォン２００に送信される。 Furthermore, the sensor device 100 may include a vibration sensor. For example, the data detected by the vibration sensor can easily identify the section corresponding to the play event (for example, the section before and after the impact of the ball). The data detected by the vibration sensor may also be used for play event analysis in the same manner as the data detected by the motion sensor. In addition, the sensor device 100 may further include a sensor for acquiring environment information of a user who plays sports, such as temperature, humidity, brightness, and position. Data detected by various sensors included in the sensor device 100 is preprocessed as necessary, and then transmitted to the smartphone 200 by wireless communication such as Bluetooth (registered trademark).
　スマートフォン２００は、例えばスポーツをプレーしているユーザの近傍に配置される。この場合、スマートフォン２００は、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によってセンサ装置１００から送信されたデータを受信し、必要に応じて一時的に蓄積したり処理したりした上で、ネットワーク通信によってデータをサーバ３００に送信する。また、スマートフォン２００は、送信されたデータに基づいてサーバ３００が実行した解析の結果を受信し、ディスプレイやスピーカなどを介してユーザに向けて出力してもよい。なお、解析結果の出力時において、ユーザはスポーツをプレーしていなくてもよい。また、解析結果の出力は、スマートフォン２００とは別の、ユーザによって使用される情報処理端末、例えば各種のパーソナルコンピュータやタブレット端末、ゲーム機、テレビなどによって実行されてもよい。
　また、スマートフォン２００は、必ずしも、スポーツをプレーしているユーザの近傍に配置されていなくてもよい。この場合、センサ装置１００は、検出されたデータを内部の記憶領域（メモリまたは外部記憶装置）に蓄積しておく。例えば、スポーツのプレー後、センサ装置１００とスマートフォン２００とが接近したときに、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によって、データがセンサ装置１００からスマートフォン２００に送信されてもよい。あるいは、スポーツのプレー後、センサ装置１００とスマートフォン２００とがＵＳＢなどで有線接続されたときにデータが送信されてもよい。また、センサ装置１００からスマートフォン２００へのデータの受け渡しには、リムーバブル記録媒体が用いられてもよい。 The smartphone 200 is disposed near a user who is playing sports, for example. In this case, the smartphone 200 receives data transmitted from the sensor device 100 through wireless communication such as Bluetooth (registered trademark), temporarily stores and processes the data as necessary, and then performs data transmission through network communication. Is transmitted to the server 300. Further, the smartphone 200 may receive the result of the analysis performed by the server 300 based on the transmitted data and output it to the user via a display, a speaker, or the like. Note that the user does not have to play sports when the analysis result is output. The output of the analysis result may be executed by an information processing terminal used by the user, for example, various personal computers or tablet terminals, a game machine, a television, or the like other than the smartphone 200.
Moreover, the smart phone 200 does not necessarily need to be arrange | positioned in the vicinity of the user who is playing sports. In this case, the sensor device 100 accumulates the detected data in an internal storage area (memory or external storage device). For example, when the sensor device 100 and the smartphone 200 approach each other after playing sports, data may be transmitted from the sensor device 100 to the smartphone 200 by wireless communication such as Bluetooth (registered trademark). Or, after playing sports, data may be transmitted when the sensor device 100 and the smartphone 200 are connected by wire via USB or the like. In addition, a removable recording medium may be used for data transfer from the sensor device 100 to the smartphone 200.
　サーバ３００は、スマートフォン２００とネットワークを介して通信し、センサ装置１００が備える各種のセンサによって検出されたデータを受信する。サーバ３００は、受信されたデータを用いた解析処理を実行し、スポーツのプレーに関するさまざまな情報を生成する。例えば、サーバ３００は、モーションセンサによって取得された、スポーツをプレーするユーザのモーションを直接的または間接的に示すデータに基づいて、プレーイベントを定義する。プレーイベントは、例えばラケットＲを用いた１回のショットに対応する。プレーイベントを定義することによって、例えば、モーションデータによって表されるユーザのプレーを、｛サーブ、ストローク、ボレー、…｝といったような意味をもったプレーの連なりとして把握することができる。 The server 300 communicates with the smartphone 200 via the network, and receives data detected by various sensors included in the sensor device 100. The server 300 executes an analysis process using the received data, and generates various types of information regarding sports play. For example, the server 300 defines a play event based on data obtained by a motion sensor and directly or indirectly indicating a motion of a user who plays a sport. A play event corresponds to one shot using a racket R, for example. By defining a play event, for example, a user's play represented by motion data can be grasped as a series of plays having a meaning such as {serve, stroke, volley,.
　さらに、サーバ３００は、プレーイベントの解析処理によって、プレーイベントが分類される時系列のセグメントや、プレーイベントの時間的な配列から推定されるユーザのプレーパターンなどを特定してもよい。サーバ３００の解析処理によって生成された情報は、例えばスマートフォン２００に送信され、スマートフォン２００のディスプレイやスピーカを介してユーザに向けて出力される。あるいは、サーバ３００は、スマートフォン２００以外の情報処理端末に情報を送信し、ユーザに向けて出力させてもよい。また、サーバ３００は、複数のユーザについてそれぞれ受信されたデータに基づいて解析処理を実行し、各ユーザについて生成されたプレーパターンなどを比較した結果に基づく情報を生成し、各ユーザの情報処理端末に送信してもよい。 Further, the server 300 may specify a time-series segment in which play events are classified, a user play pattern estimated from a temporal arrangement of play events, and the like by play event analysis processing. The information generated by the analysis processing of the server 300 is transmitted to the smartphone 200, for example, and output to the user via the display or speaker of the smartphone 200. Alternatively, the server 300 may transmit information to an information processing terminal other than the smartphone 200 and output the information to the user. In addition, the server 300 performs analysis processing based on data received for each of a plurality of users, generates information based on a result of comparing the play patterns generated for each user, and the information processing terminal for each user May be sent to.
　図２は、本開示の一実施形態に係るシステムの装置構成を概略的に示すブロック図である。図２を参照すると、センサ装置１００は、センサ１１０と、処理部１２０と、送信部１３０とを含む。スマートフォン２００は、受信部２１０と、処理部２２０と、記憶部２３０と、送信部２４０と、撮像部２５０と、入力部２６０と、出力部２７０とを含む。サーバ３００は、受信部３１０と、処理部３２０と、記憶部３３０と、送信部３４０とを含む。なお、それぞれの装置を実現するためのハードウェア構成例（センサ装置および解析装置のハードウェア構成例）については後述する。 FIG. 2 is a block diagram schematically illustrating a device configuration of a system according to an embodiment of the present disclosure. Referring to FIG. 2, the sensor device 100 includes a sensor 110, a processing unit 120, and a transmission unit 130. The smartphone 200 includes a reception unit 210, a processing unit 220, a storage unit 230, a transmission unit 240, an imaging unit 250, an input unit 260, and an output unit 270. Server 300 includes a reception unit 310, a processing unit 320, a storage unit 330, and a transmission unit 340. A hardware configuration example (a hardware configuration example of a sensor device and an analysis device) for realizing each device will be described later.
　センサ装置１００では、センサ１１０が取得したデータを処理部１２０が処理し、処理されたデータを送信部１３０がスマートフォン２００に送信する。センサ１１０は、上述の通り、例えばモーションセンサを含み、スポーツをプレーするユーザのモーションを直接的または間接的に検出する。また、センサ１１０は、振動センサやユーザの環境情報を取得するためのセンサなどをさらに含んでもよい。処理部１２０は、プログラムに従って動作するプロセッサによって実現され、センサ１１０によって取得されたデータを必要に応じて前処理する。前処理は、例えばサンプリングやノイズ除去などを含みうる。前処理は必ずしも実行されなくてもよい。送信部１３０は、通信装置によって実現され、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信を利用してデータをスマートフォン２００に送信する。また、図２には示していないが、センサ装置１００は、データを一時的に蓄積するための記憶部を備えてもよい。 In the sensor device 100, the processing unit 120 processes the data acquired by the sensor 110, and the transmission unit 130 transmits the processed data to the smartphone 200. As described above, the sensor 110 includes, for example, a motion sensor, and directly or indirectly detects a motion of a user who plays sports. The sensor 110 may further include a vibration sensor, a sensor for acquiring user environment information, and the like. The processing unit 120 is realized by a processor that operates according to a program, and preprocesses data acquired by the sensor 110 as necessary. The preprocessing can include, for example, sampling and noise removal. The preprocessing does not necessarily have to be executed. The transmission unit 130 is realized by a communication device, and transmits data to the smartphone 200 using wireless communication such as Bluetooth (registered trademark). Although not shown in FIG. 2, the sensor device 100 may include a storage unit for temporarily storing data.
　スマートフォン２００では、受信部２１０がセンサ装置１００によって送信されたデータを受信し、送信部２４０がデータをサーバ３００に送信する。受信部２１０および送信部２４０は、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信、および有線または無線のネットワーク通信を実行する通信装置によって実現される。受信されたデータは、例えば処理部２２０によって記憶部２３０に一時的に格納されてから送信される。また、受信されたデータについて、処理部２２０が前処理を実行してもよい。処理部２２０はプログラムに従って動作するプロセッサによって実現され、記憶部２３０はメモリまたはストレージによって実現される。受信部２１０は、さらに、サーバ３００から送信された情報を受信してもよい。受信された情報は、例えば処理部２２０の制御に従って出力部２７０からユーザに向けて出力される。出力部２７０は、例えばディスプレイやスピーカを含む。 In the smartphone 200, the reception unit 210 receives data transmitted by the sensor device 100, and the transmission unit 240 transmits data to the server 300. The reception unit 210 and the transmission unit 240 are realized by a communication device that performs wireless communication such as Bluetooth (registered trademark) and wired or wireless network communication. The received data is transmitted after being temporarily stored in the storage unit 230 by the processing unit 220, for example. Further, the processing unit 220 may perform preprocessing on the received data. The processing unit 220 is realized by a processor that operates according to a program, and the storage unit 230 is realized by a memory or a storage. The receiving unit 210 may further receive information transmitted from the server 300. The received information is output from the output unit 270 to the user according to the control of the processing unit 220, for example. The output unit 270 includes a display and a speaker, for example.
　さらに、スマートフォン２００では、撮像部２５０によって画像が取得される。撮像部２５０は、例えば撮像素子にレンズなどの光学系を組み合わせたカメラモジュールによって実現される。画像は、スポーツをプレーするユーザを被写体として含んでもよい。撮像部２５０によって取得された画像は、例えば受信部２１０によって受信されたデータとともに送信部２４０からサーバ３００に送信される。画像は、サーバ３００において、例えばセンサ装置１００によって取得されたデータとともに解析処理に用いられてもよいし、解析処理によって生成された情報に組み込まれてもよい。入力部２６０は、例えばタッチパネルやハードウェアボタン、および／または音声入力やジェスチャ入力を受け付けるためのマイクロフォンやカメラを含む。処理部２２０は、入力部２６０を介して取得されたユーザ操作に従って、送信部２４０を介してサーバ３００に情報をリクエストしてもよい。 Furthermore, in the smartphone 200, an image is acquired by the imaging unit 250. The imaging unit 250 is realized by, for example, a camera module that combines an imaging device with an optical system such as a lens. The image may include a user who plays sports as a subject. The image acquired by the imaging unit 250 is transmitted from the transmission unit 240 to the server 300 together with the data received by the reception unit 210, for example. The image may be used in the analysis process in the server 300 together with the data acquired by the sensor device 100, for example, or may be incorporated in information generated by the analysis process. The input unit 260 includes, for example, a touch panel, hardware buttons, and / or a microphone and a camera for receiving voice input and gesture input. The processing unit 220 may request information from the server 300 via the transmission unit 240 according to a user operation acquired via the input unit 260.
　サーバ３００は、受信部３１０と、処理部３２０と、記憶部３３０と、送信部３４０とを備える。受信部３１０は、通信装置によって実現され、スマートフォン２００からインターネットなどのネットワーク通信を利用して送信されたデータを受信する。処理部３２０は、例えばＣＰＵなどのプロセッサによって実現され、受信されたデータを処理する。例えば、処理部３２０は、受信されたデータの処理の解析処理を実行し、解析後のデータをさらに記憶部３３０に蓄積したり、送信部３４０を介して出力したりしてもよい。あるいは、処理部３２０は、スマートフォン２００などにおいて既に解析されたデータの蓄積および出力の制御を実行するだけであってもよい。 The server 300 includes a reception unit 310, a processing unit 320, a storage unit 330, and a transmission unit 340. The receiving unit 310 is realized by a communication device, and receives data transmitted from the smartphone 200 using network communication such as the Internet. The processing unit 320 is realized by a processor such as a CPU, and processes received data. For example, the processing unit 320 may execute an analysis process on the received data, and may further accumulate the analyzed data in the storage unit 330 or output the data via the transmission unit 340. Alternatively, the processing unit 320 may only execute accumulation and output control of data already analyzed in the smartphone 200 or the like.
　以上、本開示の一実施形態に係るシステムの構成について説明した。なお、上記で説明された構成は一例であり、他の実施形態ではさまざまな変形が可能である。例えば、上記の例では、センサ装置１００によって取得されたデータを用いた解析処理がサーバ３００の処理部３２０で実行されたが、解析処理はスマートフォン２００の処理部２２０で実行されてもよいし、センサ装置１００の処理部１２０で実行されてもよい。システム１０は、センサ装置１００と、スマートフォン２００と、サーバ３００とを含むものとして説明されているが、例えばスマートフォン２００の処理部２２０で解析処理が実行される場合には、システム１０にサーバ３００が含まれなくてもよい。あるいは、この場合、サーバ３００は、解析処理によって得られた情報を保存し、ユーザ間で共有するサービスを提供してもよい。また、例えばセンサ装置１００の処理部１２０で解析処理が実行される場合には、システム１０にスマートフォン２００およびサーバ３００が含まれなくてもよい。センサ装置１００は、例えばユーザまたは用具に装着される専用のセンサ装置であってもよいし、携帯可能な情報処理端末に搭載されたセンサモジュールがセンサ装置１００として機能してもよい。従って、センサ装置１００は、スマートフォン２００と同一の装置でありうる。 The configuration of the system according to an embodiment of the present disclosure has been described above. The configuration described above is an example, and various modifications can be made in other embodiments. For example, in the above example, the analysis process using the data acquired by the sensor device 100 is executed by the processing unit 320 of the server 300, but the analysis process may be executed by the processing unit 220 of the smartphone 200, It may be executed by the processing unit 120 of the sensor device 100. Although the system 10 is described as including the sensor device 100, the smartphone 200, and the server 300, for example, when an analysis process is executed by the processing unit 220 of the smartphone 200, the server 300 is included in the system 10. It does not have to be included. Alternatively, in this case, the server 300 may store the information obtained by the analysis process and provide a service shared between users. For example, when an analysis process is performed by the processing unit 120 of the sensor device 100, the smartphone 10 and the server 300 may not be included in the system 10. The sensor device 100 may be a dedicated sensor device attached to a user or a tool, for example, or a sensor module mounted on a portable information processing terminal may function as the sensor device 100. Therefore, the sensor device 100 can be the same device as the smartphone 200.
　（３．セグメンテーション）
　以下、本実施形態における解析処理のいくつかの例について、さらに具体的に説明する。なお、以下で説明される解析処理は、別途の記載がある場合を除いてプロセッサによって実行される。上述の通り、解析処理を実行するプロセッサは、図２に示したサーバ３００の処理部３２０、スマートフォン２００の処理部２２０、および／またはセンサ装置１００の処理部１２０に対応する。 (3. Segmentation)
Hereinafter, some examples of analysis processing in the present embodiment will be described more specifically. Note that the analysis process described below is executed by the processor unless otherwise described. As described above, the processor that executes the analysis processing corresponds to the processing unit 320 of the server 300, the processing unit 220 of the smartphone 200, and / or the processing unit 120 of the sensor device 100 illustrated in FIG.
　図３は、本開示の一実施形態におけるセグメンテーションについて説明するための図である。図３を参照すると、セグメンテーションでは、イベント時系列データ４０１が入力として用いられる。イベント時系列データ４０１は、スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報である。解析処理を実行するプロセッサは、このような情報、例えばイベント時系列データ４０１を取得する機能を実現する。例えば、プロセッサは、他の装置のプロセッサによって生成されたイベント時系列データ４０１を受信してもよい。あるいは、プロセッサは、ユーザに直接的または間接的に装着されたセンサ（例えばセンサ装置１００が備えるセンサ１１０）によるユーザのモーションの検出結果を受信する機能と、検出結果に基づいてプレーイベントを定義する機能とを実現してもよい。 FIG. 3 is a diagram for describing segmentation according to an embodiment of the present disclosure. Referring to FIG. 3, event time series data 401 is used as an input in segmentation. The event time-series data 401 is information indicating play events that are defined based on the motion of a user who plays sports and are arranged in time. The processor that executes the analysis process realizes a function of acquiring such information, for example, event time series data 401. For example, the processor may receive the event time series data 401 generated by the processor of another device. Alternatively, the processor defines a play event based on the function of receiving a detection result of the user's motion by a sensor (for example, the sensor 110 included in the sensor device 100) attached directly or indirectly to the user, and the detection result. Functions may be realized.
　以下の説明では、入力となるイベント時系列データを、
　｛Ｘｉ｝ｉ＝１，…，Ｎ
とする。Ｎは時系列内に含まれるプレーイベントの数である。プレーイベントは、例えばテニスのプレーにおけるショットごとに定義される。この場合、センサ装置１００のセンサ１１０に含まれるモーションセンサによって取得されたプレー中のユーザのモーションデータが、例えばサーブやストローク、スマッシュなどのショットごとのモーションの特徴と比較され、該当するモーションが検出された場合にはその区間についてプレーイベントが定義される。モーションデータは時系列のデータであるため、プレーイベントも時間的に配列される。個々のイベント時系列データＸｉには、例えば、ショットの時刻、スイング種類、スイング速度、ボール速度、ラケット上でボールのインパクトが発生した位置などの解析結果が含まれる。 In the following explanation, event time series data to be input is
{X i } i = 1,..., N
And N is the number of play events included in the time series. The play event is defined for each shot in tennis play, for example. In this case, the motion data of the playing user acquired by the motion sensor included in the sensor 110 of the sensor device 100 is compared with the motion characteristics of each shot such as serve, stroke, and smash, and the corresponding motion is detected. If it is, a play event is defined for that section. Since the motion data is time-series data, play events are also arranged in time. Each event time-series data X i includes, for example, analysis results such as shot time, swing type, swing speed, ball speed, and a position where a ball impact occurs on the racket.
　図示された例では、イベント時系列データ｛Ｘｉ｝に対して、前処理４０３が実行される。以下の説明では、前処理４０３を経たイベント時系列データを、
　｛Ｘ~ｉ｝ｉ＝１，…，Ｎ
とする。前処理４０３は、例えば、プレーイベント（ショット）の発生時刻ｔ（Ｘｉ）およびｔ（Ｘｉ＋１）から、ショット間の時間ｔ（Ｘｉ＋１－Ｘｉ）を算出し、イベント時系列データＸ~ｉの属性の１つとして追加する処理を含んでもよい。 In the illustrated example, pre-processing 403 is performed on the event time series data {X i }. In the following description, the event time series data that has undergone the pre-processing 403 is
{X ~ i } i = 1,..., N
And For example, the pre-processing 403 calculates the time t (X i + 1 −X i ) between shots from the occurrence times t (X i ) and t (X i + 1 ) of the play event (shot), and the event time series data X˜ A process of adding as one of the attributes of i may be included.
　さらに、前処理後のイベント時系列データ｛Ｘ~ｉ｝に対して、解析処理４０５が実行され、セグメンテーション４０７が出力される。以下の説明では、セグメンテーション４０７によってイベント時系列データＸ~ｉのそれぞれについて決定されるセグメントの時系列を、
　Ｙ＝｛Ｙｉ｝ｉ＝１，…，Ｎ
とする。それぞれのセグメントＹｉは、例えば、テニスであれば試合、ウォームアップ、練習などである。試合のセグメントＹｉは、スポーツのプレー単位に対応する時系列のセグメントの例であるといえる。本実施形態において、解析処理を実行するプロセッサは、プレーイベントの時間的な配列、例えばプレーイベント同士の前後関係や時間的な間隔などに基づいて、プレーイベントをセグメントに分類する。プレー単位は、例えばテニスの場合であれば、試合、試合の中のセット、セットの中のゲーム、ゲームの中のラリーのように、所定のルールに従ってスポーツのプレーを規定する単位である。解析処理を実行するプロセッサは、例えば予め与えられたスポーツのルールに従ってプレーイベントをプレー単位に対応するセグメントに分類してもよいし、プレー単位ごとのプレーイベントの配列の特徴を抽出することによってプレーイベントをプレー単位に対応するセグメントに分類してもよい。 Further, an analysis process 405 is executed on the event time series data { X˜i } after the preprocessing, and a segmentation 407 is output. In the following description, the segment time series determined for each of the event time series data X to i by the segmentation 407 is as follows.
Y = {Y i } i = 1,..., N
And Each segment Y i is, for example, a game, warm-up, practice, etc. for tennis. The game segment Y i is an example of a time-series segment corresponding to a sports play unit. In the present embodiment, the processor that executes the analysis process classifies play events into segments based on the temporal arrangement of play events, for example, the context and time interval between play events. For example, in the case of tennis, the play unit is a unit that regulates sports play according to a predetermined rule, such as a match, a set in a match, a game in a set, or a rally in a game. The processor that executes the analysis process may classify the play events into segments corresponding to the play units according to, for example, a predetermined sport rule, or extract the characteristics of the play event arrangement for each play unit. Events may be classified into segments corresponding to play units.
　解析処理４０５では、モデル４０９を用いて、セグメントの時系列Ｙを推定する。ここで、モデル４０９は、前処理後のイベント時系列データＸ~＝｛Ｘ~ｉ｝ｉ＝１，…，Ｎが与えられた下でのセグメントの時系列Ｙの条件付き確率を与えるものであり、ｐ（Ｙｉ｜Ｘ~ｉ）と表される。図示された例では、モデル４０９によって、セグメントの時系列Ｙのすべてのパターンに対して確率が計算される。例えば、セグメントＹｉが試合、ウォームアップ、練習のいずれかであれば、セグメントの時系列Ｙのパターンは３Ｎ通りになる。 In the analysis process 405, the time series Y of the segment is estimated using the model 409. Here, the model 409 gives a conditional probability of the time series Y of the segment under the pre-processed event time series data X˜ = { X˜i } i = 1 ,. Yes, and expressed as p (Y i | X ~ i ). In the example shown, the model 409 calculates probabilities for all patterns in the time series Y of segments. For example, segment Y i is the game, if the warm-up, any exercise, the pattern of the time series Y of the segment becomes 3 N street.
　ここで、モデル４０９は、例えば以下の式１のように表される。このようなモデルは、ＨＭＭ（Hidden　Markov　Model）とも呼ばれる。 Here, the model 409 is expressed as, for example, the following Expression 1. Such a model is also called an HMM (Hidden Markov Model).
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000001
　ここで、ｓは離散的な値をとる変数（例えば、１，２，…，１００）である。上記の場合、「モデルが与えられている」とは、式１の右辺のｐ（Ｘ~ｉ｜ｓｉ）、ｐ（Ｙｉ｜ｓｉ）、およびｐ（ｓｉ）の値が、ｘ，ｙ，ｓの関数として与えられていることを意味する。この値は、例えば何らかのパラメータθによって与えられている。従って、「モデルが与えられている」場合、任意の対のＸ~ｉ，Ｙｉに対して、式１を用いて確率ｐ（Ｘ~ｉ，Ｙｉ）を算出することができる。 Here, s is a variable having a discrete value (for example, 1, 2,..., 100). In the above case, “a model is given” means that the values of p ( X˜i | s i ), p (Y i | s i ), and p (s i ) on the right side of Equation 1 are x , Y, and s. This value is given by some parameter θ, for example. Therefore, if the "model is given" any pair X ~ i, with respect to Y i, can be calculated probability p (X ~ i, Y i ) a using Equation 1.
　解析処理４０５では、モデル４０９を用いて算出された確率が最も高いセグメントの時系列Ｙを、推定されるセグメントの時系列として採用する。これは、
　Ｙｅｓｔｉｍａｔｅｄ＝ａｒｇｍａｘＹｐ（Ｙ｜Ｘ~）
と書ける。よく知られた条件付き確率の定義から、ａｒｇｍａｘＹｐ（Ｙ｜Ｘ~）＝ａｒｇｍａｘＹｐ（Ｘ~，Ｙ）であるため、上記の式１を用いて算出された確率ｐ（Ｘ~ｉ，Ｙｉ）に基づいて、Ｙｅｓｔｉｍａｔｅｄを決定することができる。モデル４０９が上記のようなＨＭＭである場合、動的計画法と呼ばれるアルゴリズムを用いることによって、効率的に最適なＹを求めることができる。 In the analysis process 405, the time series Y of the segment having the highest probability calculated using the model 409 is adopted as the time series of the estimated segment. this is,
Y estimated = argmax Yp (Y | X ~)
Can be written. From well-known definition of conditional probability, argmax Y p (Y | X ~) = argmax Y p (X ~, Y) because it is the probability was calculated using Equation 1 above p (X ~ i , Y i ), Y estimated can be determined. When the model 409 is an HMM as described above, an optimal Y can be obtained efficiently by using an algorithm called dynamic programming.
　図４は、図３におけるイベント時系列データの例を示す図である。図４に示された例において、イベント時系列データ４０１は、イベントＩＤ、イベント種類、日付時刻、スイング種類、およびスイング速度の項目を含む。イベントＩＤは、各データを一意に識別するためのＩＤである。イベント種類は、図示されたデータの全部について「ショット」になっている。これは、これらのデータが「ショット」のプレーイベントについてのデータであることを示す。以下で例として説明するテニスの場合は、「ショット」の種類のプレーイベントに基づいてセグメントへの分類やプレーパターンの推定が実施されるが、テニスにおける他の例、および他のスポーツの例などでは、「ショット」以外の種類のプレーイベント、例えば「ジャンプ」や「ラン」などが定義されてもよい。 FIG. 4 is a diagram showing an example of event time-series data in FIG. In the example shown in FIG. 4, the event time series data 401 includes items of event ID, event type, date time, swing type, and swing speed. The event ID is an ID for uniquely identifying each data. The event type is “shot” for all of the illustrated data. This indicates that these data are for the “shot” play event. In the case of tennis described as an example below, segmentation and play pattern estimation are performed based on the “shot” type of play event, but other examples in tennis, other sports examples, etc. Then, a type of play event other than “shot”, for example, “jump” or “run” may be defined.
　日付時刻は、各データに対応するプレーイベントが発生した日付時刻を示す。ここで、プレーイベントが発生した時刻は、例えばプレーイベントとして特定されるユーザのモーションの検出が開始された時刻でもよいし、プレーイベント内での特徴的な時刻、例えば「ショット」のプレーイベントの場合であればラケットとボールとのインパクトの時刻であってもよい。スイングタイプは、モーションデータに基づいて特定されたショットのスイング種類を示す。スイング種類に用いられている略称は以下のとおりである。 * The date / time indicates the date / time when the play event corresponding to each data occurred. Here, the time at which the play event occurs may be, for example, the time at which detection of the user's motion specified as the play event is started, or a characteristic time within the play event, for example, a “shot” play event. In some cases, the time of impact between the racket and the ball may be used. The swing type indicates the swing type of the shot specified based on the motion data. Abbreviations used for the swing types are as follows.
Figure JPOXMLDOC01-appb-T000002
Figure JPOXMLDOC01-appb-T000002
　なお、ＮＳ（Ｎｏｔ　Ｓｗｉｎｇ）は、例えば、振動センサなどによってラケットとボールとのインパクトが検出され、モーションデータからもインパクトに対応する一連のモーションが検出されたものの、その種類のスイングであるかが判定できなかったプレーイベントを意味しうる。スイング速度は、例えば、インパクトの前後のモーションデータに基づいて算出される、インパクト時のラケットの速度である。 In NS (Not Swing), for example, the impact of the racket and the ball is detected by a vibration sensor or the like, and a series of motions corresponding to the impact is detected from the motion data. It can mean a play event that could not be determined. The swing speed is, for example, the speed of the racket at the time of impact calculated based on motion data before and after the impact.
　図５は、図３における前処理後のイベント時系列データの例を示す図である。図５に示された例において、前処理後のイベント時系列データ４０３ａは、イベントＩＤ，イベント種類、スイング種類、スイング速度、および時間差（間隔）の項目を含む。図示された例では、イベント時系列データの前処理において、日付時刻に基づいてプレーイベント間の時間差（間隔）が算出されている。時間差は、プレーイベントの時間的な配列（前後のプレーイベントの時間的な間隔）を示し、例えば解析処理４０５においてセグメントの推定に利用されうる。 FIG. 5 is a diagram showing an example of event time-series data after the preprocessing in FIG. In the example shown in FIG. 5, the pre-processed event time series data 403a includes items of event ID, event type, swing type, swing speed, and time difference (interval). In the illustrated example, the time difference (interval) between play events is calculated based on the date and time in the preprocessing of event time-series data. The time difference indicates a temporal arrangement of play events (a time interval between previous and next play events), and can be used for estimation of a segment in the analysis process 405, for example.
　図６は、本開示の一実施形態におけるセグメンテーションのためのモデル学習について説明するための図である。上記の図３の例では、モデル４０９は所与のものとして説明されたが、モデルは既に実施されたセグメンテーションの学習によって生成されてもよい。図６を参照すると、モデル４０９は、イベント時系列のセグメンテーション４０７に基づく学習処理４１１によって生成されうる。 FIG. 6 is a diagram for describing model learning for segmentation according to an embodiment of the present disclosure. In the example of FIG. 3 above, the model 409 has been described as a given one, but the model may be generated by already performed segmentation learning. Referring to FIG. 6, the model 409 can be generated by a learning process 411 based on an event time-series segmentation 407.
　ここで、イベント時系列のセグメンテーション４０７は、（Ｘｍ，Ｙｍ）ｍ＝１，…，Ｍと表わされ、それぞれがセグメントＹに分類されたＭ個のイベント時系列データＸを含む。学習処理４１１は、例えばＥＭアルゴリズムなどでありうる。モデル４０９は、例えばパラメータθを用いて表現されうる。 Here, the event time series segmentation 407 is expressed as (X m , Y m ) m = 1,..., M, and includes M event time series data X classified into the segment Y. The learning process 411 can be, for example, an EM algorithm. The model 409 can be expressed using the parameter θ, for example.
　例えば、モデル４０９をパラメータθを用いて表す場合、モデルがガウシアンＨＭＭであれば、θは以下の式２のようにして表される。 For example, when the model 409 is expressed using the parameter θ, if the model is a Gaussian HMM, θ is expressed as shown in Equation 2 below.
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000003
　パラメータθの値を調節して、よりよい確率分布を得ることを学習という。そのために推定されるθの値は、以下の式３のようにして表される。このように表現されるθの値を近似的に求めるアルゴリズムとしては、例えばＥＭアルゴリズムが用いられる。 学習 Learning to obtain a better probability distribution by adjusting the value of parameter θ. For this purpose, the estimated value of θ is expressed as in the following Expression 3. For example, an EM algorithm is used as an algorithm for approximately calculating the value of θ expressed in this way.
Figure JPOXMLDOC01-appb-M000004
Figure JPOXMLDOC01-appb-M000004
　図７は、本開示の一実施形態におけるイベント時系列データの他の例を示す図である。図７を参照すると、イベント時系列データ４０１ａは、プレーイベントＩＤと、イベント種類と、プレーヤ名と、日付時刻と、インパクト位置（ＩＰ：Impact　Point）と、サイド（ラケットの表面か裏面か）と、スイング種類と、スイング速度と、打球速度と、スピンの項目を含む。インパクト位置、サイド、打球速度、スピンについては、例えば、センサ装置１００が備えるセンサ１１０に含まれる振動センサによって取得されたラケットの振動と、モーションセンサによって取得されたラケットのモーショントに基づいて算出することができる。 FIG. 7 is a diagram illustrating another example of event time-series data according to an embodiment of the present disclosure. Referring to FIG. 7, event time series data 401a includes a play event ID, an event type, a player name, a date and time, an impact position (IP: Impact Point), and a side (whether it is the front or back side of the racket). This includes items of swing type, swing speed, hitting speed, and spin. The impact position, side, hitting speed, and spin are calculated based on, for example, the racket vibration acquired by the vibration sensor included in the sensor 110 included in the sensor device 100 and the racket motion acquired by the motion sensor. be able to.
　図８は、本開示の一実施形態におけるセグメント定義の例を示す図である。図８を参照すると、セグメントを定義するデータ４０７ａは、セグメントＩＤと、サブセグメントＩＤと、セグメント名と、サブセグメント名と、説明との項目を含む。後述するように、本実施形態において、セグメントは階層的に定義されうる。この場合、例えば図示されたデータ４０７ａのように、セグメントＩＤとサブセグメントＩＤとの組み合わせによってセグメントが識別されてもよい。例えば、それぞれのセグメントおよびサブセグメントについて名称や説明を定義することによって、セグメントをユーザにわかりやすく提示することができる。 FIG. 8 is a diagram illustrating an example of a segment definition according to an embodiment of the present disclosure. Referring to FIG. 8, data 407a defining a segment includes items of a segment ID, a subsegment ID, a segment name, a subsegment name, and a description. As will be described later, in this embodiment, segments can be defined hierarchically. In this case, for example, a segment may be identified by a combination of a segment ID and a sub-segment ID as in the illustrated data 407a. For example, by defining the name and description for each segment and sub-segment, the segment can be presented to the user in an easy-to-understand manner.
　図９は、本開示の一実施形態におけるセグメンテーションのより具体的な例を示す図である。図９を参照すると、３種類のプレーイベント１１０１からなる時系列が、４つのセグメント１１０３に分類されている。より具体的には、プレーイベント１１０１は、フォアハンドショット（ストローク、スライス、ボレー）のプレーイベント１１０１ａと、バックハンドショットのプレーイベント１１０１ｂと、オーバーハンドショット（サーブ、スマッシュ）のプレーイベント１１０１ｃとを含む。なお、プレーイベント１１０１は、さらに細かく分類されていてもよい（例えば、プレーイベント１１０１ａがフォアハンドストロークとフォアハンドスライスとフォアハンドボレーに分類されるなど）。セグメント１１０３は、ウォームアップのセグメント１１０３ａと、ラリー練習のセグメント１１０３ｂと、ショット練習のセグメント１１０３ｃと、試合のセグメント１１０３ｄとを含む。 FIG. 9 is a diagram illustrating a more specific example of segmentation according to an embodiment of the present disclosure. Referring to FIG. 9, a time series including three types of play events 1101 is classified into four segments 1103. More specifically, the play events 1101 include a forehand shot (stroke, slice, volley) play event 1101a, a backhand shot play event 1101b, and an overhand shot (serve, smash) play event 1101c. . The play event 1101 may be further classified (for example, the play event 1101a is classified into a forehand stroke, a forehand slice, and a forehand volley). The segment 1103 includes a warm-up segment 1103a, a rally practice segment 1103b, a shot practice segment 1103c, and a match segment 1103d.
　例えば、上記の例において、ウォームアップのセグメント１１０３ａは、ショットの間隔が短く、ミニラリーやボレー－ボレーといった特徴的なプレーイベントのシーケンスが見られ、またスイング速度がやや遅いという特徴によって判別されうる。また、ラリー練習のセグメント１１０３ｂは、ショットの間隔がやや広く、ストロークが多く、スイング速度が比較的速いという特徴によって判別されうる。ショット練習のセグメント１１０３ｃは、スイングが連続して発生し、ショットが３球、５球、１０球などにまとまっているという特徴によって判別されうる。試合のセグメント１１０１ｄは、サーブから始まる一連のショットがあり、この一連のショット同士の間隔は広く、またサーブから始まる一連のショットとリターンから始まる一連のショットとが交互に発生するという特徴によって判別されうる。 For example, in the above example, the warm-up segment 1103a can be identified by the feature that the shot interval is short, a characteristic sequence of play events such as mini rally and volley-volley is seen, and the swing speed is slightly slow. The rally practice segment 1103b can be identified by the characteristics that the shot interval is slightly wide, the stroke is large, and the swing speed is relatively fast. The shot practice segment 1103c can be identified by the feature that swings occur continuously and shots are grouped into three balls, five balls, ten balls, and the like. The segment 1101d of the match has a series of shots that start from the serve, the intervals between the series of shots are wide, and a series of shots that start from the serve and a series of shots that start from the return occur alternately. sell.
　上記の例のように、本実施形態において、プレーイベントは、その時間的な配列、つまり前後関係や時間的な間隔などに基づいてセグメントに分類されうる。さらに、プレーイベントは、対応するモーションの特徴、例えばスイング速度などに基づいてセグメントに分類されてもよい。 As in the above example, in the present embodiment, play events can be classified into segments based on their temporal arrangement, that is, context and time interval. Furthermore, play events may be classified into segments based on corresponding motion characteristics, such as swing speed.
　図１０は、本開示の一実施形態における階層的なセグメンテーションの例を示す図である。例えば、上記の図９の例に示したような試合のセグメント１１０３ｄなどでは、セグメントをプレー単位ごとにより細かく定義し、セグメントの階層構造を作ることができる。そのような例として、図１０には、階層的なセグメント１１０５が示されている。セグメント１１０５は、試合のセグメント１１０５ａと、セットのセグメント１１０５ｂと、ゲームのセグメント１１０５ｃと、ラリーのセグメント１１０５ｄとを含む。試合のセグメント１１０５ａにはいくつかのセットのセグメント１１０５ｂが含まれ、セットのセグメント１１０５ｂにはいくつかのゲームのセグメント１１０５ｃが含まれ、ゲームのセグメント１１０５ｃにはいくつかのラリーのセグメント１１０５ｄが含まれる。 FIG. 10 is a diagram illustrating an example of hierarchical segmentation according to an embodiment of the present disclosure. For example, in the game segment 1103d as shown in the example of FIG. 9 above, the segment can be defined more finely for each play unit, and a segment hierarchical structure can be created. As such an example, a hierarchical segment 1105 is shown in FIG. The segment 1105 includes a game segment 1105a, a set segment 1105b, a game segment 1105c, and a rally segment 1105d. The game segment 1105a includes several sets of segments 1105b, the set segment 1105b includes several game segments 1105c, and the game segment 1105c includes several rally segments 1105d. .
　上記の例のように、本実施形態において、プレーイベントは、階層的なセグメントに分類されうる。このような場合において、プレーイベントは、上述したような時間的な配列に基づいてセグメントに分類されるのに加えて、さらにスポーツのルールに基づいてセグメントに分類されてもよい。上記の例でいえば、いくつかのラリーのセグメント１１０５ｄがゲームのセグメント１１０５ｃを構成すること、いくつかのゲームのセグメント１１０５ｃがセットのセグメント１１０５ｂを構成すること、およびいくつかのセットのセグメント１１０５ｂが試合のセグメント１１０５ａを構成することは、セグメントの推定やモデルの生成時に予めルールとして与えられていてもよい。 As in the above example, in this embodiment, play events can be classified into hierarchical segments. In such a case, in addition to being classified into segments based on the temporal arrangement as described above, the play events may be further classified into segments based on sports rules. In the above example, several rally segments 1105d comprise a game segment 1105c, several game segments 1105c comprise a set segment 1105b, and several sets of segment 1105b comprise The composition of the game segment 1105a may be given in advance as a rule when the segment is estimated or the model is generated.
　図１１は、本開示の一実施形態によるセグメンテーションから得られる情報の例を示す図である。図１１に示した例では、ユーザの１日の練習データに含まれるプレーイベントがセグメントに分類された結果に基づいて、１日の練習構成を示す情報１１０７が生成されている。情報１１０７は、例えば、１日の練習におけるユーザのプレーを、ウォームアップ、練習、ゲーム、および休憩などの時間に分けて示す。 FIG. 11 is a diagram illustrating an example of information obtained from segmentation according to an embodiment of the present disclosure. In the example shown in FIG. 11, information 1107 indicating the daily practice configuration is generated based on the result of classifying play events included in the daily practice data of the user into segments. The information 1107 indicates, for example, the user's play in the daily practice divided into times such as warm-up, practice, game, and break.
　ここで、セグメンテーションから得られる情報は、例えば、セグメントがスポーツのプレー単位に対応していることによって、より有用な情報になりうる。例えば、ファーストサーブの成功率やラリー継続回数のような情報は、練習のセグメントのデータを除き、試合のセグメントに限定して抽出することによって、より有用な情報になりうる。なお、スポーツのプレー単位に必ずしも対応していないセグメント、例えばウォームアップのセグメントでも、どのくらいウォームアップをしていたのかといった有用な情報を得ることは可能である。 Here, the information obtained from the segmentation can be more useful information, for example, by the fact that the segment corresponds to a sport play unit. For example, information such as the success rate of the first serve and the number of times of rally continuation can be made more useful information by extracting only the game segment, except for the data of the practice segment. It should be noted that it is possible to obtain useful information such as how much warm-up was performed even in a segment that does not necessarily correspond to a sport play unit, for example, a warm-up segment.
　（４．プレーパターンの推定）
　図１２は、本開示の一実施形態におけるプレーパターンの推定処理の例を示すフローチャートである。図１２を参照すると、解析処理を実行するプロセッサは、イベント時系列データをゲームセグメントに分類する（Ｓ１０１）。ここでいうイベント時系列データは、例えば上記で図４または図７を参照して提示したようなデータであり、テニスにおけるショットに対応するプレーイベントを示す。ゲームセグメントは、例えば上記で図１０を参照して例示したようなセグメントであり、いくつかのラリーセグメントを含んで構成される。また、いくつかのゲームセグメントによってセットセグメントが構成される。 (4. Estimation of play pattern)
FIG. 12 is a flowchart illustrating an example of a play pattern estimation process according to an embodiment of the present disclosure. Referring to FIG. 12, the processor that executes the analysis process classifies the event time-series data into game segments (S101). The event time series data here is, for example, data presented with reference to FIG. 4 or FIG. 7 above, and indicates a play event corresponding to a shot in tennis. The game segment is, for example, a segment as exemplified above with reference to FIG. 10, and includes several rally segments. In addition, a set segment is composed of several game segments.
　なお、図１０に例示したような階層的なセグメントを、上位のセグメント（例えば試合セグメント）から特定するか、下位のセグメント（例えばラリーセグメント）から特定するか、中間のセグメント（例えばゲームセグメント）から特定するかは、例えば図３に示した解析処理４０５において用いられるアルゴリズムなどに応じて任意に設定されうる。 It should be noted that a hierarchical segment as illustrated in FIG. 10 is identified from an upper segment (for example, a game segment), a lower segment (for example, a rally segment), or an intermediate segment (for example, a game segment). Whether to specify can be arbitrarily set according to, for example, an algorithm used in the analysis processing 405 shown in FIG.
　次に、解析処理を実行するプロセッサは、ゲームセグメントをラリーセグメントに細分化する（Ｓ１０３）。図示された例では、ある階層のセグメント（ゲームセグメント）を特定するために用いられたアルゴリズムを、当該セグメント内で再帰的に実行することによって、下位の階層のセグメント（ラリーセグメント）が特定されている。このようなセグメンテーションの処理は一例であり、例えば下位の階層のセグメントの特定には上位の階層のセグメントの特定とは別のアルゴリズムが用いられてもよい。図示された例では、Ｓ１０３の処理によって、ゲームセグメント内でゲームのポイントに関係がないプレーイベント（例えば素振りによるスイングなど）が、ラリーセグメントには含まれないことによって解析の対象から除外される。 Next, the processor that executes the analysis processing subdivides the game segment into rally segments (S103). In the example shown in the figure, an algorithm used to identify a segment (game segment) in a certain hierarchy is recursively executed in the segment, thereby identifying a segment (rally segment) in a lower hierarchy. Yes. Such a segmentation process is an example, and for example, an algorithm different from the identification of the segment in the higher hierarchy may be used to identify the segment in the lower hierarchy. In the illustrated example, the play event that is not related to the game point in the game segment (for example, swing by swinging) is excluded from the analysis target because it is not included in the rally segment by the process of S103.
　次に、解析処理を実行するプロセッサは、ラリーセグメントにおけるプレーイベントの配列に基づいて、当該セグメントのプレーパターンを推定する（Ｓ１０５）。図示された例において、プレーパターンは、ラリーにおけるプレーイベント（ショット）の構成を示すパターンである。例えばテニスの場合、サービスゲームではラリーセグメントがサーブで始まり、レシーブゲームではラリーセグメントがサーブ以外のショットで始まることから、これらのゲームではラリーセグメントに含まれるショットの構成が異なる特徴を示す。なお、プレーパターンのより具体的な例については後述する。 Next, the processor that executes the analysis process estimates the play pattern of the segment based on the sequence of play events in the rally segment (S105). In the illustrated example, the play pattern is a pattern indicating the structure of a play event (shot) in the rally. For example, in the case of tennis, the rally segment starts with a serve in the service game, and the rally segment starts with a shot other than the serve in the receive game. Therefore, in these games, the composition of shots included in the rally segment is different. A more specific example of the play pattern will be described later.
　次に、解析処理を実行するプロセッサは、ラリーセグメントについて推定されたプレーパターンを解析して、ゲームの種類を推定する（Ｓ１０７）。上述のように、ゲームセグメントは複数のラリーセグメントを含んで構成される。これらのラリーセグメントについてそれぞれ推定されたプレーパターンに基づいて、より上位のセグメントであるゲームセグメントの種類を推定することができる。ゲームの種類は、例えば、上記のサービスゲームおよびレシーブゲームに対応しうる。 Next, the processor that executes the analysis process analyzes the play pattern estimated for the rally segment and estimates the type of game (S107). As described above, the game segment includes a plurality of rally segments. Based on the play patterns estimated for each of these rally segments, the type of game segment, which is a higher segment, can be estimated. The game type can correspond to, for example, the service game and the receive game described above.
　以下、図１２のフローチャートによって示されたプレーパターンの推定処理について、より具体的な例を示しながらさらに説明する。 Hereinafter, the play pattern estimation process shown in the flowchart of FIG. 12 will be further described with a more specific example.
　図１３は、図１２の処理におけるセグメントされたプレーイベントの例を示す図である。図１３を参照すると、プレーイベント１１０１からなる時系列が、１つのゲームセグメント１１０５ｃに分類されている。ゲームセグメント１１０５ｃは、６つのラリーセグメント１１０５ｄに細分化されている。なお、図示されているプレーイベント１１０１は、上記で図９を参照して例示されたプレーイベントと同様であり、フォアハンドショットのプレーイベント１１０１ａ、バックハンドショットのプレーイベント１１０１ｂ、およびオーバーハンドショットのプレーイベント１１０１ｃとを含む。図ではプレーイベントが３種類に分けて示されているが、実際にはプレーイベント１１０１がさらに細かく分類されていてもよい。なお、以下の説明では、オーバーハンドショットのプレーイベント１１０１ｃがサーブに対応することがわかっているものとする。 FIG. 13 is a diagram showing an example of segmented play events in the process of FIG. Referring to FIG. 13, a time series including play events 1101 is classified into one game segment 1105c. The game segment 1105c is subdivided into six rally segments 1105d. The play event 1101 shown in the figure is the same as the play event illustrated above with reference to FIG. 9, and the play event 1101a for the forehand shot, the play event 1101b for the backhand shot, and the play event for the overhand shot. Event 1101c. Although the play events are divided into three types in the figure, the play events 1101 may actually be further classified. In the following description, it is assumed that the play event 1101c of the overhand shot corresponds to the serve.
　ラリーセグメント１１０５ｄについてのプレーパターンの推定は、例えば、それぞれのラリーセグメント１１０５ｄにおけるプレーイベントの配列をパターンとして特定することでありうる。つまり、図１３に示された最初のラリーセグメント１１０５ｄであれば、「サーブ（プレーイベント１１０１ｃ）－フォアハンド（プレーイベント１１０１ａ）－フォアハンド－フォアハンド」というプレーパターンが推定される。また、２番目のラリーセグメント１１０５ｄであれば、「サーブ（プレーイベント１１０１ｃ）－サーブ－フォアハンド（プレーイベント１１０１ａ）－バックハンド（プレーイベント１１０１ｂ）」というプレーパターンが推定される。 The estimation of the play pattern for the rally segment 1105d can be, for example, specifying the sequence of play events in each rally segment 1105d as a pattern. That is, for the first rally segment 1105d shown in FIG. 13, a play pattern of “serve (play event 1101c) -forehand (play event 1101a) -forehand-forehand” ”is estimated. In the case of the second rally segment 1105d, a play pattern of “serve (play event 1101c) -serve-forehand (play event 1101a) -back hand (play event 1101b)” is estimated.
　図１４は、図１２の処理におけるプレーパターンに基づくゲームの種類の推定の例を示す図である。図１４には、ラリーセグメント（１～１０の番号で示す）ごとに抽出されたプレーイベント１１０９の配列が示されている。図示された例において、プレーイベント１１０９は、サーブ１１０９ａ、フォアハンドストローク１１０９ｂ、フォアハンドスライス１１０９ｃ、バックハンドボレー１１０９ｄ、およびバックハンドスライス１１０９ｅを含む。 FIG. 14 is a diagram showing an example of game type estimation based on the play pattern in the processing of FIG. FIG. 14 shows an array of play events 1109 extracted for each rally segment (indicated by numbers 1 to 10). In the illustrated example, play events 1109 include serve 1109a, forehand stroke 1109b, forehand slice 1109c, backhand volley 1109d, and backhand slice 1109e.
　ここで、１～５のラリーセグメントについては、すべてのセグメントがサーブ１１０９ａで始まっている。解析処理を実行するプロセッサは、テニスのルール（サービスゲームでは一方のプレーヤのサーブからすべてのゲームが開始される）に基づいて構成されたアルゴリズムから、これらの５つのラリーセグメントを含むゲームについて、サービスゲームである確率が高い（０．９５）という判断をする。 Here, for the 1-5 rally segments, all segments start with serve 1109a. The processor that executes the analysis process is configured to provide a service for a game including these five rally segments from an algorithm configured based on tennis rules (all games are started from one player's serve in a service game). It is determined that the probability of being a game is high (0.95).
　一方、６～１０のラリーセグメントについては、すべてのセグメントがサーブ１１０９ａ以外のプレーイベントで始まっている。解析処理を実行するプロセッサは、上記のテニスのルールに基づいて構成されたアルゴリズムから、これらの５つのラリーセグメントを含むゲームについて、他のプレーヤのサービスゲーム、すなわちレシーブゲームである確率が高い（０．８５）という判断をする。 On the other hand, for the 6-10 rally segments, all segments start with play events other than serve 1109a. The processor that executes the analysis process has a high probability that the game including these five rally segments is a service game of another player, that is, a receive game, based on an algorithm configured based on the above-mentioned tennis rules (0). .85).
　図１５は、図１２の処理における推定結果に基づいて再分類されたプレーイベントの例を示す図である。図１５を参照すると、図１３に例示したものと同様のプレーイベント１１０１からなる時系列が、ゲームの種類の推定結果に基づいて、サービスゲームのセグメント１１０５ｅと、レシーブゲームのセグメント１１０５ｆとに再分類されている。ここで、セグメント１１０５ｅ，１１０５ｆは、図１３に例示したラリーセグメント１１０５ｄを置換するセグメントとして定義されてもよいし、ラリーセグメント１１０５ｄとゲームセグメント１１０５ｃとの中間の階層のセグメントとして定義されてもよい。 FIG. 15 is a diagram illustrating an example of play events reclassified based on the estimation result in the process of FIG. Referring to FIG. 15, a time series including play events 1101 similar to those illustrated in FIG. 13 is reclassified into a service game segment 1105e and a receive game segment 1105f based on the game type estimation result. Has been. Here, the segments 1105e and 1105f may be defined as segments that replace the rally segment 1105d illustrated in FIG. 13, or may be defined as segments in the middle of the rally segment 1105d and the game segment 1105c.
　以上で図１２～図１５を参照して説明した例は、プレーイベントをその時間的な配列に基づいてスポーツのプレー単位に対応する時系列のセグメント（階層的であってもよい）に分類し、セグメント内のプレーイベントの配列に基づいてプレーパターンを推定し、プレーパターンに基づいてセグメントに対応するプレー単位（例えばゲーム、ラリーなど）の種類を指定する例といえる。なお、プレーイベントをセグメントに分類する処理と、プレーパターンを推定する処理とは、必ずしも同じシステムの中で実行されなくてもよい。つまり、第１のシステムにおいてプレーイベントがセグメントに分類され、その結果を提供された第２のシステムにおいてプレーイベントの配列に基づいてプレーパターンが推定されてもよい。この場合、第１のシステムと第２のシステムとは、いずれも独立して本開示の実施形態になりうる。 The examples described above with reference to FIGS. 12 to 15 classify play events into time-series segments (which may be hierarchical) corresponding to sports play units based on their temporal arrangement. This is an example in which a play pattern is estimated based on the arrangement of play events in the segment, and the type of play unit (eg, game, rally, etc.) corresponding to the segment is designated based on the play pattern. Note that the process of classifying play events into segments and the process of estimating play patterns need not necessarily be executed in the same system. In other words, the play event may be classified into segments in the first system, and the play pattern may be estimated based on the sequence of play events in the second system provided with the result. In this case, each of the first system and the second system can be an embodiment of the present disclosure independently.
　図１６は、本開示の一実施形態におけるプレーパターンの他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、ゲームセグメントにおけるプレーパターン１１１１に基づいてユーザのプレースタイルが推定される。例えば、ゲームセグメントにおいて、プレーパターン１１１１ａに示されるような特徴を有するパターンが多く検出されるユーザは、「オールラウンダー」というプレースタイルであると推定される。また、プレーパターン１１１１ｂに示されるような特徴を有するパターンが多く検出されるユーザは、「サーブ＆ボレー」というプレースタイルであると推定される。また、プレーパターン１１１１ｃに示されるような特徴を有するパターンが多く検出されるユーザは、「ベースライナー」というプレースタイルであると推定される。 FIG. 16 is a diagram for describing another example of a play pattern according to an embodiment of the present disclosure. In the illustrated example, the user's play style is estimated based on the play pattern 1111 in the game segment. For example, in a game segment, a user who often detects a pattern having characteristics as shown in the play pattern 1111a is presumed to have a play style of “all-rounder”. In addition, it is presumed that the user who detects many patterns having characteristics as shown in the play pattern 1111b has a play style of “serve and volley”. In addition, it is presumed that a user who detects many patterns having characteristics as shown in the play pattern 1111c is a play style called “base liner”.
　図１７は、図１６の例におけるプレースタイルの推定処理について説明するための図である。図１７を参照すると、あるユーザのラリーセグメントの履歴における、プレーパターンＰ１～Ｐｎのそれぞれの出現頻度が算出されている。解析処理を実行するプロセッサは、例えばこのような、ラリーセグメントの履歴におけるプレーパターンの出現頻度に基づいて、ユーザのプレースタイルを推定してもよい。図示された例では、プレースタイルが「オールラウンダー」である確率（スコア）が０．６、「サービス＆ボレー」である確率が０．３、「ベースライナー」である確率が０．１であると推定されている。このスコアに基づいて、ユーザのプレースタイルが「オールラウンダー」であると推定されてもよい。 FIG. 17 is a diagram for describing play style estimation processing in the example of FIG. Referring to FIG. 17, the appearance frequencies of the play patterns P1 to Pn in the history of the rally segment of a certain user are calculated. The processor that executes the analysis process may estimate the play style of the user based on the appearance frequency of the play pattern in the history of the rally segment, for example. In the illustrated example, the probability (score) that the play style is “all-rounder” is 0.6, the probability that it is “service and volley” is 0.3, and the probability that it is “baseliner” is 0.1. It is estimated. Based on this score, it may be estimated that the user's play style is “all-rounder”.
　図１８は、図１７の例に示すプレースタイルの推定処理におけるユーザ間の比較について説明するための図である。図１８を参照すると、２人のユーザ（第１のユーザおよび第２のユーザ）のそれぞれについて、図１７に例示したようなプレーパターンの出現頻度が算出されている。解析処理を実行するプロセッサは、例えばこれらのデータに基づいてそれぞれのユーザのプレースタイルを推定し、プレースタイルを比較した結果に基づく情報を生成してもよい。ここで生成される情報は、例えば、第１のプレーヤと第２のプレーヤとの相性を含みうる。プレーヤの相性は、例えば、第１のプレーヤと第２のプレーヤとの対戦相手またはパートナーとしての適合度を含む。また、生成される情報は、スタイルの類似度を含んでもよい。 FIG. 18 is a diagram for explaining comparison between users in the play style estimation process shown in the example of FIG. Referring to FIG. 18, the appearance frequency of the play pattern as illustrated in FIG. 17 is calculated for each of the two users (first user and second user). The processor that executes the analysis processing may estimate the play style of each user based on these data, for example, and may generate information based on the result of comparing the play style. The information generated here may include compatibility between the first player and the second player, for example. The compatibility of the player includes, for example, the degree of suitability of the first player and the second player as an opponent or partner. Further, the generated information may include the similarity of style.
　例えば、上記の図１７の例のように、定義されたプレースタイルごとのスコアが算出される場合、解析処理を実行するプロセッサは、それぞれのユーザのプレースタイルを特定しない状態で比較を実施してもよい。つまり、この場合、図１７に示した例のユーザは、「オールラウンダー：０．６、サービス＆ボレー０．３、ベースライナー０．１のスコアを有するユーザ」として他のユーザと比較されうる。 For example, when the score for each defined play style is calculated as in the example of FIG. 17 described above, the processor that executes the analysis process performs the comparison without specifying the play style of each user. Also good. That is, in this case, the user in the example illustrated in FIG. 17 can be compared with other users as “all rounders: 0.6, service & volley 0.3, baseline 0.1 score”.
　以上で図１６～図１８を参照して説明した例は、プレーイベントをその時間的な配列に基づいてスポーツのプレー単位に対応する時系列のセグメント（階層的であってもよい）に分類し、セグメント内のプレーイベントの配列に基づいてプレーパターンを推定し、複数のセグメントについて推定されたプレーパターンに基づいてユーザのプレースタイルを推定する例といえる。プレースタイルは、例えば複数のセグメントにおける各プレーパターンの出現頻度に基づいて推定されてもよい。また、ユーザは第１のユーザおよび第２のユーザを含み、第１のユーザおよび第２のユーザについてそれぞれ推定されたプレースタイルを比較した結果に基づく情報が生成されてもよい。 The example described above with reference to FIGS. 16 to 18 classifies play events into time-series segments (which may be hierarchical) corresponding to sports play units based on their temporal arrangement. This is an example in which a play pattern is estimated based on an arrangement of play events in a segment, and a user's play style is estimated based on a play pattern estimated for a plurality of segments. The play style may be estimated based on the appearance frequency of each play pattern in a plurality of segments, for example. In addition, the user includes a first user and a second user, and information based on a result of comparing the play styles estimated for the first user and the second user may be generated.
　そのほかに、本実施形態では、解析処理を実行するプロセッサによって、例えば、セグメント内のプレーイベントの配列に基づいてプレーイベント自体を評価する機能が実現されもよい。より具体的には、例えば、図１３に例示したようなラリーセグメント１１０５ｄにおいて、セグメント内で最初に１つだけサーブのプレーイベント１１０１ｃが発生している場合、当該サーブがファーストサーブであったと推定することができる。一方、ラリーセグメント１１０５ｄ内で、セグメント内で最初に２つのサーブのプレーイベント１１０１ｃが発生している場合、最初のサーブは失敗であり、２つめのサーブがセカンドサーブであると推定することができる。 In addition, in the present embodiment, a function for evaluating the play event itself based on, for example, the sequence of play events in the segment may be realized by the processor that executes the analysis process. More specifically, for example, in a rally segment 1105d as illustrated in FIG. 13, if only one serve play event 1101c occurs in the segment first, it is estimated that the serve is the first serve. be able to. On the other hand, in the rally segment 1105d, when the first two serve play events 1101c occur in the segment, it can be estimated that the first serve is a failure and the second serve is the second serve. .
　（５．練習セグメントの解析）
　図１９は、本開示の一実施形態における練習セグメントのイベント時系列データについて説明するための図である。図１９では、練習セグメント１１１３に分類されたプレーイベントと、各プレーイベント（ショット）でのスイング速度との関係が示されている。練習セグメント１１１３は、ストローク練習のセグメント１１１３ａと、ボレー練習のセグメント１１１３ｂと、スマッシュ練習のセグメント１１１３ｃとを含む。 (5. Practice segment analysis)
FIG. 19 is a diagram for describing event time-series data of practice segments according to an embodiment of the present disclosure. In FIG. 19, the relationship between the play event classified into the practice segment 1113 and the swing speed in each play event (shot) is shown. The practice segment 1113 includes a stroke practice segment 1113a, a volley practice segment 1113b, and a smash practice segment 1113c.
　図示された例では、ストローク練習のセグメント１１１３ａではＦＨＳＴ（フォアハンドストローク）およびＢＨＳＴ（バックハンドストローク）のプレーイベントが多く検出され、ボレー練習のセグメント１１１３ｂではＦＨＶＬ（フォアハンドボレー）およびＢＨＶＬ（バックハンドボレー）のプレーイベントが多く検出され、スマッシュ練習のセグメント１１１３ｃではＳＭＳＨ（スマッシュ）のプレーイベントが多く検出されていることがわかる。練習のセグメントは、例えばこのように特定の種類のプレーイベントが多く検出されることによって特定されてもよい。また、例えば、練習のセグメントは、図示されたようなスイング速度が試合の場合に比べて相対的に低いことによって特定されてもよい。 In the illustrated example, many FHST (forehand stroke) and BHST (backhand stroke) play events are detected in the stroke practice segment 1113a, and FHVL (forehand volley) and BHVL (backhand volley) are detected in the volley practice segment 1113b. It can be seen that many play events are detected, and in the smash practice segment 1113c, many play events of SMSH (smash) are detected. A practice segment may be specified by detecting a large number of specific types of play events, for example. Also, for example, the practice segment may be identified by the relatively low swing speed as shown in the figure as compared to the game.
　図２０および図２１は、図１９に示すストローク練習のセグメントにおいて検出されるプレーパターンの例を示す図である。図２０を参照すると、ストローク練習のセグメント１１１３ａにおいて、フォアハンドストロークのプレーイベント１１０９ｂと、バックハンドストロークのプレーイベント１１０９ｆとが、３回ずつ交互に発生していることがわかる。そこで、解析処理を実行するプロセッサは、図２１に示すように、フォアハンドストロークが３回連続するプレーパターンＰ１と、バックハンドストロークが３回連続するプレーパターンＰ２とを定義する。図２０に示した例において、プレーパターンＰ１，Ｐ２は、それぞれ３回ずつ出現している。 20 and 21 are diagrams showing examples of play patterns detected in the stroke practice segment shown in FIG. Referring to FIG. 20, in the stroke practice segment 1113a, the forehand stroke play event 1109b and the backhand stroke play event 1109f occur alternately three times each. Therefore, as shown in FIG. 21, the processor that executes the analysis processing defines a play pattern P1 in which the forehand stroke is continued three times and a play pattern P2 in which the backhand stroke is continued three times. In the example shown in FIG. 20, each of the play patterns P1 and P2 appears three times.
　このように、本実施形態では、セグメント全体についてプレーパターンが推定されてもよいし、セグメント内の一部の区間、例えば上記の例のようにプレーイベントが特定のシーケンスを繰り返す区間についてプレーパターンが推定されてもよい。 Thus, in the present embodiment, the play pattern may be estimated for the entire segment, or the play pattern may be estimated for a part of the segment, for example, a segment where the play event repeats a specific sequence as in the above example. It may be estimated.
　図２２は、図２０および図２１で検出されたプレーパターンに基づいて生成される情報の例を示す図である。図示された例では、テンプレートプレーパターン１１１５ａと実際に取得されたプレーパターン１１１５ｂとの間で達成率計算が実行される。テンプレートプレーパターン１１１５ａは、例えば予め設定された練習メニューに対応するプレーパターンでありうる。この場合、達成率計算を実行することによって、練習メニューの達成率が算出される。このような情報を生成することによって、練習セグメントの中でのプレーパターンに基づいて練習メニューの達成率を算出でき、コーチングやプレーヤのコンディション管理のために有用な情報を得ることができる。 FIG. 22 is a diagram showing an example of information generated based on the play patterns detected in FIGS. 20 and 21. In the illustrated example, the achievement rate calculation is executed between the template play pattern 1115a and the actually acquired play pattern 1115b. The template play pattern 1115a can be, for example, a play pattern corresponding to a preset practice menu. In this case, the achievement rate of the practice menu is calculated by executing the achievement rate calculation. By generating such information, the achievement rate of the practice menu can be calculated based on the play pattern in the practice segment, and useful information for coaching and player condition management can be obtained.
　以上で図１９～図２２を参照して説明した例のように、本実施形態におけるプレーパターンやプレーイベントなどの推定処理は、必ずしもセグメントを対象にして実行される必要はなく、セグメント内の一部の、またはセグメントに分類されていない時間的な区間に配列されたプレーイベントを対象として実行可能である。 As in the example described with reference to FIGS. 19 to 22 above, the estimation process of a play pattern, a play event, and the like in this embodiment does not necessarily have to be executed for a segment, It is possible to execute for play events arranged in time sections that are not classified or divided into segments.
　（６．他のスポーツの例）
　図２３は、本開示の一実施形態に係るセグメンテーションをゴルフに応用した例について説明するための図である。図２３を参照すると、プレーイベント１２０１からなる時系列が、セグメント１２０３に分類されている。より具体的には、プレーイベント１２０１は、ドライバーショットのプレーイベント１２０１ａと、アイアンショットのプレーイベント１２０１ｂと、パットのプレーイベント１２０１ｃとを含む。セグメント１２０３は、コースのセグメント１２０３ａと、ホールのセグメント１２０３ｂと、練習のセグメント１２０３ｃとを含む。 (6. Examples of other sports)
FIG. 23 is a diagram for describing an example in which segmentation according to an embodiment of the present disclosure is applied to golf. Referring to FIG. 23, a time series including play events 1201 is classified into segments 1203. More specifically, the play events 1201 include a driver shot play event 1201a, an iron shot play event 1201b, and a putt play event 1201c. The segment 1203 includes a course segment 1203a, a hole segment 1203b, and a practice segment 1203c.
　例えば、ゴルフについても、プレーヤ自身、クラブまたはグローブなどにセンサ装置１００を装着することによって、ゴルフをプレーするユーザのモーションの検出結果を取得し、これに基づいてプレーイベントを定義することが可能である。このようなプレーイベントについては、例えば、各ホールでのプレーがドライバーショット（またはアイアンショット）で始まりパットで終わるというルールに基づいてセグメントを定義することが可能である。 For example, for golf, by attaching the sensor device 100 to the player himself, a club, a glove, or the like, it is possible to acquire a motion detection result of a user playing golf and define a play event based on the detection result. is there. For such a play event, for example, a segment can be defined based on a rule that play in each hole starts with a driver shot (or iron shot) and ends with a putt.
　図２４は、本開示の一実施形態に係るセグメンテーションをサッカーに応用した例について説明するための図である。図２４を参照すると、プレーイベント１３０１からなる時系列が、セグメント１３０３に分類されている。より具体的には、プレーイベント１３０１は、ドリブルのプレーイベント１３０１ａと、パスのプレーイベント１３０１ｂと、ランのプレーイベント１３０１ｃと、歩きのプレーイベント１３０１ｄと、シュートのプレーイベント１３０１ｅとを含む。 FIG. 24 is a diagram for describing an example in which segmentation according to an embodiment of the present disclosure is applied to soccer. Referring to FIG. 24, a time series including play events 1301 is classified into segments 1303. More specifically, the play events 1301 include a dribble play event 1301a, a pass play event 1301b, a run play event 1301c, a walk play event 1301d, and a shot play event 1301e.
　例えば、サッカーについても、プレーヤ自身、または靴などにセンサ装置１００を装着することによって、サッカーをプレーするユーザのモーションの検出結果を取得し、これに基づいてプレーイベントを定義することが可能である。ただし、サッカーの場合、１つのボールに対して複数のユーザがプレーするため、関係するユーザのそれぞれのプレーイベントの時間的な配列の関係に基づいてプレーイベントをセグメントに分類することが望ましい。このようなセグメントへの分類の処理を一般化すると、スポーツをプレーしているユーザが第１のユーザおよび第２のユーザを含み、第１のユーザおよび第２のユーザのそれぞれのプレーイベントの時間的な関係に基づいて、第１のユーザおよび第２のユーザに共通するセグメントを設定する処理といえる。 For example, for soccer, it is possible to acquire a motion detection result of a user who plays soccer by attaching the sensor device 100 to the player himself or shoes, and to define a play event based on the detection result. . However, in the case of soccer, since a plurality of users play for one ball, it is desirable to classify the play events into segments based on the temporal arrangement relationship of the respective play events of the related users. By generalizing the process of classification into such segments, the users playing sports include the first user and the second user, and the time of each play event of the first user and the second user. It can be said that it is a process of setting a segment common to the first user and the second user based on the general relationship.
　図示された例では、キックオフやスローインなどによってプレーが開始されてから、シュートやアウトオブバウンズなどによってプレーが中断されるまでが、１つのセグメント１３０３に分類されている。このセグメント１３０３は、例えば、いずれかのプレーヤ（図示された例ではＡ～Ｃのいずれか。さらに多くてもよい）の歩き以外のプレーイベントが開始されてから、すべてのプレーヤのプレーイベントが歩きのプレーイベント１３０１ｄ、またはプレーイベント検出なし（立ち止まっていると推定される）のいずれかになるまでの間として定義されうる。これは、サッカーのプレーにおいて、プレーが継続されている間はいずれかのプレーヤがランかボールに関わる動き（ドリブル、パス、またはシュートなど）をしており、中断されると各プレーヤが立ち止まるか歩くという特徴に基づいたセグメントの定義である。 In the example shown in the figure, the segment from the start of play due to kick-off or throw-in to the interruption of play due to shot or out-of-bounds is classified into one segment 1303. The segment 1303 includes, for example, a play event other than the walk of any player (any one of A to C in the illustrated example, which may be more), and the play event of all the players. , Or until no play event is detected (estimated to be stationary). This is because in soccer play, any player is making a run or ball movement (dribbling, passing, or shooting) as long as play continues, and each player stops when interrupted. A segment definition based on the feature of walking.
　また、図示された例では、セグメント１３０３内のプレーイベント１３０１の配列に基づいて、プレーパターン１３０５が推定されている。プレーパターン１３０５は、複数のユーザ（図示された例ではＡ～Ｃ。さらに多くてもよい）からなるチームのプレーパターンである。より具体的には、１つのプレーパターン１３０５は、例えば「Ａのドリブル－Ａのパス－Ｃのドリブル－Ｃのパス－Ｂのドリブル－Ｂのシュート」といったように、チームの各メンバーのプレーイベントを横断して定義される（タイムチャートの矢印も参照）。このようなプレーパターンの推定の処理を一般化すると、スポーツをプレーしているユーザが第１のユーザおよび第２のユーザを含み、第１のユーザおよび第２のユーザのそれぞれのプレーイベントの時間的な配列の関係に基づいて、第１のユーザおよび第２のユーザを含むチームのプレーパターンを推定する処理といえる。 In the illustrated example, a play pattern 1305 is estimated based on the arrangement of play events 1301 in the segment 1303. The play pattern 1305 is a team play pattern composed of a plurality of users (A to C in the illustrated example, which may be more). More specifically, one play pattern 1305 may be a play event of each member of the team, such as “A dribble—A pass—C dribble—C pass—B dribble—B shot”. (See also the arrow on the time chart). By generalizing the process of estimating such a play pattern, users playing sports include a first user and a second user, and the time of each play event of the first user and the second user. It can be said that it is a process of estimating the play pattern of the team including the first user and the second user based on the general arrangement relationship.
　このとき、各メンバーのプレーイベントのうち、いくつかの種類のイベント（例えば、ボールに関わらないランや歩き）は、プレーパターンに含まれなくてもよい。このために、解析処理を実行するプロセッサは、例えば時系列上の各時刻において、プレーパターンの特定に用いられるプレーイベント（例えばボールに関わるドリブルやパスなどのプレーイベント）が発生しているユーザを特定してもよい。
　（７．ハードウェア構成）
　次に、図２５および図２６を参照して、本開示の実施形態に係るセンサ装置および解析装置（上述した例ではセンサ装置、スマートフォンまたはサーバ）を実現するためのハードウェア構成の例について説明する。 At this time, among the play events of each member, some types of events (for example, run and walk not related to the ball) may not be included in the play pattern. For this reason, the processor that executes the analysis processing, for example, identifies a user who has a play event (for example, a play event such as a dribbling or a pass related to a ball) used to specify a play pattern at each time on a time series. You may specify.
(7. Hardware configuration)
Next, with reference to FIG. 25 and FIG. 26, an example of a hardware configuration for realizing the sensor device and the analysis device (the sensor device, the smartphone, or the server in the example described above) according to the embodiment of the present disclosure will be described. .
　　（センサ装置）
　図２５は、本開示の実施形態に係るセンサ装置のハードウェア構成の例を示す図である。図２５を参照すると、センサ装置１００は、センサ１０１と、ＣＰＵ（Central　Processing　Unit）１０３と、ＲＯＭ（Read　Only　Memory）１０５と、ＲＡＭ（Random　Access　Memory）１０７と、ユーザインターフェース１０９と、外部記憶装置１１１と、通信装置１１３と、出力装置１１５とを含みうる。これらの要素は、例えばバスによって相互に接続される。 (Sensor device)
FIG. 25 is a diagram illustrating an example of a hardware configuration of the sensor device according to the embodiment of the present disclosure. Referring to FIG. 25, the sensor device 100 includes a sensor 101, a CPU (Central Processing Unit) 103, a ROM (Read Only Memory) 105, a RAM (Random Access Memory) 107, a user interface 109, and an external storage device. 111, a communication device 113, and an output device 115. These elements are connected to each other by, for example, a bus.
　センサ１０１は、例えば加速度センサ、角速度センサ、振動センサ、地磁気センサ、温度センサ、圧力センサ（押下スイッチを含む）、またはＧＰＳ（Global　Positioning　System）受信機などを含む。センサ１０１は、カメラ（イメージセンサ）やマイクロフォン（音センサ）を含んでもよい。 The sensor 101 includes, for example, an acceleration sensor, an angular velocity sensor, a vibration sensor, a geomagnetic sensor, a temperature sensor, a pressure sensor (including a push switch), or a GPS (Global Positioning System) receiver. The sensor 101 may include a camera (image sensor) and a microphone (sound sensor).
　ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７は、例えば外部記憶装置１１１に記録されたプログラム命令を読み込んで実行することによって、様々な機能をソフトウェア的に実現する。本開示の実施形態では、ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７によって、例えば、センサ装置１００全体の制御などの機能が実現されうる。 The CPU 103, the ROM 105, and the RAM 107 implement various functions in software by reading and executing program instructions recorded in the external storage device 111, for example. In the embodiment of the present disclosure, functions such as control of the entire sensor device 100 can be realized by the CPU 103, the ROM 105, and the RAM 107, for example.
　ユーザインターフェース１０９は、センサ装置１００へのユーザ操作を受け付ける、例えばボタンやタッチパネルなどの入力装置である。ユーザの操作は、例えば、センサ装置からのセンサ情報の送信の開始や終了を指示するものでありうる。 The user interface 109 is an input device such as a button or a touch panel that accepts a user operation to the sensor device 100. The user's operation can be, for example, an instruction to start or end transmission of sensor information from the sensor device.
　外部記憶装置１１１は、センサ装置１００に関する各種の情報を記憶する。外部記憶装置１１１には、例えば、ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７にソフトウェア的に機能を実現させるためのプログラム命令が格納されてもよく、またセンサ１０１によって取得されたデータが一時的にキャッシュされてもよい。センサ装置１００が打具などに装着されることを考慮すると、外部記憶装置１１１としては、例えば半導体メモリなどの衝撃に強いものを使用することが望ましい。
　なお、上述した、スマートフォン２００がスポーツをプレーしているユーザの近傍に配置されない場合における、センサ装置１００において検出されたデータを蓄積する内部の記憶領域（メモリまたは外部記憶装置）に対応する構成は、ＲＯＭ１０５、ＲＡＭ１０７、および／または外部記憶装置１１１である。 The external storage device 111 stores various types of information regarding the sensor device 100. The external storage device 111 may store, for example, program instructions for causing the CPU 103, the ROM 105, and the RAM 107 to realize functions in software, and the data acquired by the sensor 101 may be temporarily cached. Good. Considering that the sensor device 100 is mounted on a hitting tool or the like, it is desirable to use an external storage device 111 that is resistant to impact, such as a semiconductor memory.
Note that the configuration corresponding to the internal storage area (memory or external storage device) that accumulates data detected by the sensor device 100 when the smartphone 200 is not arranged in the vicinity of the user who is playing sports is described above. ROM 105, RAM 107, and / or external storage device 111.
　通信装置１１３は、有線または無線の各種通信方式によって後述する解析装置６００と通信する。また、通信装置１１３は、機器間通信によって直接的に解析装置６００と通信してもよいし、インターネットなどのネットワークを介して解析装置６００と通信してもよい。 The communication device 113 communicates with an analysis device 600 described later by various wired or wireless communication methods. Further, the communication device 113 may directly communicate with the analysis device 600 through inter-device communication, or may communicate with the analysis device 600 via a network such as the Internet.
　出力装置１１５は、情報を光、音声または画像として出力することが可能な装置で構成される。出力装置１１５は、例えばセンサ装置１００における時刻やプレーイベントの検出を通知する情報を出力してもよいし、解析装置６００から受信された解析結果、またはセンサ装置１００において算出された解析結果に基づいて、ユーザに対する視覚的または聴覚的な通知を出力してもよい。出力装置１１５は、例えば、例えばＬＥＤなどのランプ、ＬＣＤなどのディスプレイ、スピーカ、またはバイブレータなどを含む。 The output device 115 is configured by a device that can output information as light, sound, or an image. The output device 115 may output, for example, information notifying the detection of the time or play event in the sensor device 100, or based on the analysis result received from the analysis device 600 or the analysis result calculated in the sensor device 100. Thus, a visual or audible notification for the user may be output. The output device 115 includes, for example, a lamp such as an LED, a display such as an LCD, a speaker, or a vibrator.
　　（解析装置）
　図２６は、本開示の実施形態に係る解析装置のハードウェア構成の例を示す図である。解析装置６００は、本開示の実施形態に係る解析装置、例えば上記で説明したスマートフォン２００またはサーバ３００を実現しうる。なお、上述のように、解析装置は、センサ装置１００によって実現されてもよい。 (Analysis device)
FIG. 26 is a diagram illustrating an example of a hardware configuration of an analysis apparatus according to an embodiment of the present disclosure. The analysis device 600 may realize the analysis device according to the embodiment of the present disclosure, for example, the smartphone 200 or the server 300 described above. As described above, the analysis device may be realized by the sensor device 100.
　解析装置６００は、ＣＰＵ６０１と、ＲＯＭ６０３と、ＲＡＭ６０５と、ユーザインターフェース６０９と、外部記憶装置６１１と、通信装置６１３と、出力装置６１５とを含みうる。これらの要素は、例えばバスによって相互に接続される。 The analysis device 600 can include a CPU 601, a ROM 603, a RAM 605, a user interface 609, an external storage device 611, a communication device 613, and an output device 615. These elements are connected to each other by, for example, a bus.
　ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５は、例えば外部記憶装置６１１に記録されたプログラム命令を読み込んで実行することによって、様々な機能をソフトウェア的に実現する。本開示の実施形態では、ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５によって、例えば、解析装置６００全体の制御や、上記の機能構成における処理部の機能などが実現されうる。 The CPU 601, the ROM 603, and the RAM 605 realize various functions in software by reading and executing program instructions recorded in the external storage device 611, for example. In the embodiment of the present disclosure, the CPU 601, the ROM 603, and the RAM 605 can realize, for example, control of the entire analysis apparatus 600 and functions of the processing unit in the functional configuration described above.
　ユーザインターフェース６０９は、解析装置６００へのユーザ操作を受け付ける、例えばボタンやタッチパネルなどの入力装置である。 The user interface 609 is an input device such as a button or a touch panel that accepts a user operation to the analysis device 600.
　外部記憶装置６１１は、解析装置６００に関する各種の情報を記憶する。外部記憶装置６１１には、例えば、ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５にソフトウェア的に機能を実現させるためのプログラム命令が格納されてもよく、また通信装置６１３が受信したセンサ情報が一時的にキャッシュされてもよい。また、外部記憶装置６１１には、解析結果のログが蓄積されてもよい。 The external storage device 611 stores various types of information related to the analysis device 600. For example, the CPU 601, the ROM 603, and the RAM 605 may store program instructions for realizing functions in software, and the sensor information received by the communication device 613 is temporarily cached in the external storage device 611. Also good. The external storage device 611 may store analysis result logs.
　出力装置６１５は、情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置６１５は、例えば、ＬＣＤ（Liquid　Crystal　Display）などの表示装置、またはスピーカやヘッドホンなどの音声出力装置などでありうる。出力装置６１５は、解析装置６００の処理により得られた結果を、テキストまたは画像などの映像として出力したり、音声または音響などの音声として出力したりする。 The output device 615 is configured by a device capable of visually or audibly notifying information to the user. The output device 615 can be, for example, a display device such as an LCD (Liquid Crystal Display), or an audio output device such as a speaker or headphones. The output device 615 outputs the result obtained by the processing of the analysis device 600 as a video such as text or an image, or outputs it as a sound or sound.
　以上、センサ装置１００および解析装置６００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。 Heretofore, an example of the hardware configuration of the sensor device 100 and the analysis device 600 has been shown. Each component described above may be configured using a general-purpose member, or may be configured by hardware specialized for the function of each component. Such a configuration can be appropriately changed according to the technical level at the time of implementation.
　（８．補足）
　本開示の実施形態は、例えば、上記で説明したような解析装置（スマートフォンなどの情報処理端末、サーバ、またはセンサ装置）、システム、解析装置またはシステムで実行される情報処理方法、解析装置を機能させるためのプログラム、およびプログラムが記録された一時的でない有形の媒体を含みうる。 (8. Supplement)
Embodiments of the present disclosure function, for example, an analysis apparatus (an information processing terminal such as a smartphone, a server, or a sensor apparatus), a system, an analysis apparatus or an information processing method executed by the system, and the analysis apparatus as described above And a non-transitory tangible medium on which the program is recorded.
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。 The preferred embodiments of the present disclosure have been described in detail above with reference to the accompanying drawings, but the technical scope of the present disclosure is not limited to such examples. It is obvious that a person having ordinary knowledge in the technical field of the present disclosure can come up with various changes or modifications within the scope of the technical idea described in the claims. Of course, it is understood that it belongs to the technical scope of the present disclosure.
　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。 In addition, the effects described in this specification are merely illustrative or illustrative, and are not limited. That is, the technology according to the present disclosure can exhibit other effects that are apparent to those skilled in the art from the description of the present specification in addition to or instead of the above effects.
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得する取得機能と、
　前記時間的な配列に基づいて前記プレーイベントを前記スポーツのプレー単位に対応する時系列のセグメントに分類するセグメント機能と
　を実現するプロセッサを備える解析装置。
（２）前記プロセッサは、前記セグメント内の前記プレーイベントの配列に基づいてプレーパターンを推定するパターン推定機能をさらに実現する、前記（１）に記載の解析装置。
（３）前記プロセッサは、複数の前記セグメントについてそれぞれ推定された前記プレーパターンに基づいて前記ユーザのプレースタイルを推定するスタイル推定機能をさらに実現する、前記（２）に記載の解析装置。
（４）前記スタイル推定機能は、前記複数のセグメントにおける前記プレーパターンの出現頻度に基づいて前記プレースタイルを推定する、前記（３）に記載の解析装置。
（５）前記ユーザは、第１のユーザおよび第２のユーザを含み、
　前記プロセッサは、前記第１のユーザおよび前記第２のユーザについてそれぞれ推定された前記プレースタイルを比較した結果に基づく情報を生成する比較情報生成機能をさらに実現する、前記（３）または（４）に記載の解析装置。
（６）前記比較情報生成機能は、前記第１のユーザと前記第２のユーザとの相性を推定する情報を生成する、前記（５）に記載の解析装置。
（７）前記比較情報生成機能は、前記第１のユーザと前記第２のユーザとの対戦相手またはパートナーとしての適合度を推定する、前記（６）に記載の解析装置。
（８）前記ユーザは、第１のユーザおよび第２のユーザを含み、
　前記パターン推定機能は、前記第１のユーザおよび前記第２のユーザのそれぞれの前記プレーイベントの時間的な配列の関係に基づいて前記第１のユーザおよび前記第２のユーザを含むチームのプレーパターンを推定する、前記（２）～（７）のいずれか１項に記載の解析装置。
（９）前記プロセッサは、前記プレーパターンに基づいて前記プレー単位の種類を推定する種類推定機能をさらに実現する、前記（２）～（８）のいずれか１項に記載の解析装置。
（１０）前記プロセッサは、前記セグメント内のプレーイベントの配列に基づいて前記プレーイベントを評価するプレー評価機能をさらに実現する、前記（１）～（９）のいずれか１項に記載の解析装置。
（１１）前記スポーツは、テニスを含み、
　前記プレーイベントは、サーブを含み、
　前記プレー評価機能は、前記サーブがファーストサーブであるか否かを推定する、前記（１０）に記載の解析装置。
（１２）前記セグメント機能は、前記スポーツのルールにさらに基づいて前記プレーイベントを前記セグメントに分類する、前記（１）～（１１）のいずれか１項に記載の解析装置。
（１３）前記セグメント機能は、前記プレーイベントに対応する前記モーションの特徴にさらに基づいて前記プレーイベントを前記セグメントに分類する、前記（１）～（１２）のいずれか１項に記載の解析装置。
（１４）前記ユーザは、第１のユーザおよび第２のユーザを含み、
　前記セグメント機能は、前記第１のユーザおよび前記第２のユーザのそれぞれの前記プレーイベントの時間的な配列の関係に基づいて前記第１のユーザおよび前記第２のユーザに共通する前記セグメントを設定する、前記（１）～（１３）のいずれか１項に記載の解析装置。
（１５）前記セグメント機能は、前記プレーイベントを階層的な前記セグメントに分類する、前記（１）～（１４）のいずれか１項に記載の解析装置。
（１６）前記プレーイベントは、前記ユーザに直接的または間接的に装着されたセンサによる前記ユーザのモーションの検出結果に基づいて定義される、前記（１）～（１５）のいずれか１項に記載の解析装置。
（１７）前記プロセッサは、
　　前記センサから前記検出結果を受信する機能と、
　　前記検出結果に基づいて前記プレーイベントを定義する機能と
　をさらに実現する、前記（１６）に記載の解析装置。
（１８）スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得する取得機能と、
　前記時間的な配列に基づいて前記プレーイベントを前記スポーツのプレー単位に対応する時系列のセグメントに分類するセグメント機能と
　をコンピュータに実現させるためのプログラムが格納された記録媒体。
（１９）プロセッサが、
　スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得することと、
　前記時間的な配列に基づいて前記プレーイベントを前記スポーツのプレー単位に対応する時系列のセグメントに分類することと
　を含む解析方法。 The following configurations also belong to the technical scope of the present disclosure.
(1) An acquisition function for acquiring information indicating a play event defined based on a motion of a user who plays sports and arranged in time;
An analysis device comprising: a processor that realizes a segment function for classifying the play event into time-series segments corresponding to play units of the sport based on the temporal arrangement.
(2) The analysis device according to (1), wherein the processor further realizes a pattern estimation function for estimating a play pattern based on an array of the play events in the segment.
(3) The analysis device according to (2), wherein the processor further realizes a style estimation function for estimating the play style of the user based on the play patterns estimated for a plurality of the segments.
(4) The analysis device according to (3), wherein the style estimation function estimates the play style based on an appearance frequency of the play pattern in the plurality of segments.
(5) The user includes a first user and a second user,
The processor further realizes a comparison information generation function for generating information based on a result of comparing the play styles estimated for the first user and the second user, respectively (3) or (4) The analysis device described in 1.
(6) The analysis device according to (5), wherein the comparison information generation function generates information for estimating compatibility between the first user and the second user.
(7) The analysis device according to (6), wherein the comparison information generation function estimates a fitness as an opponent or a partner between the first user and the second user.
(8) The user includes a first user and a second user,
The pattern estimation function is a play pattern of a team including the first user and the second user based on a temporal arrangement relationship of the play events of the first user and the second user, respectively. The analysis apparatus according to any one of (2) to (7), wherein:
(9) The analysis device according to any one of (2) to (8), wherein the processor further realizes a type estimation function for estimating a type of the play unit based on the play pattern.
(10) The analysis device according to any one of (1) to (9), wherein the processor further realizes a play evaluation function for evaluating the play event based on an array of play events in the segment. .
(11) The sports include tennis,
The play event includes a serve,
The analysis device according to (10), wherein the play evaluation function estimates whether the serve is a first serve.
(12) The analysis device according to any one of (1) to (11), wherein the segment function classifies the play events into the segments based further on the sports rules.
(13) The analysis device according to any one of (1) to (12), wherein the segment function classifies the play event into the segment further based on a feature of the motion corresponding to the play event. .
(14) The user includes a first user and a second user,
The segment function sets the segment common to the first user and the second user based on a temporal arrangement relationship of the play events of the first user and the second user, respectively. The analyzer according to any one of (1) to (13).
(15) The analysis device according to any one of (1) to (14), wherein the segment function classifies the play events into the hierarchical segments.
(16) The play event is defined in any one of (1) to (15), wherein the play event is defined based on a detection result of the user's motion by a sensor attached directly or indirectly to the user. The analysis device described.
(17) The processor
A function of receiving the detection result from the sensor;
The analysis device according to (16), further realizing a function of defining the play event based on the detection result.
(18) An acquisition function for acquiring information indicating a play event defined based on a motion of a user who plays sports and arranged in time;
A recording medium storing a program for causing a computer to realize a segment function for classifying the play events into time-series segments corresponding to the play units of the sports based on the temporal arrangement.
(19) The processor
Obtaining information indicating play events that are defined based on the motion of a user playing sports and arranged in time;
Classifying the play event into time-series segments corresponding to play units of the sport based on the temporal arrangement.
　１０　　　システム
　１００　　センサ装置
　１１０　　センサ
　１２０　　処理部
　２００　　スマートフォン
　２１０　　受信部
　２２０　　処理部
　３００　　サーバ
　３１０　　受信部
　３２０　　処理部
　４０１　　イベント時系列データ
　４０３　　前処理
　４０５　　解析処理
　４０７　　セグメンテーション
　４０９　　モデル
  DESCRIPTION OF SYMBOLS 10 System 100 Sensor apparatus 110 Sensor 120 Processing part 200 Smartphone 210 Reception part 220 Processing part 300 Server 310 Reception part 320 Processing part 401 Event time series data 403 Pre-processing 405 Analysis process 407 Segmentation 409 Model

Claims (19)

  1. 　スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得する取得機能と、
    　前記時間的な配列に基づいて前記プレーイベントを前記スポーツのプレー単位に対応する時系列のセグメントに分類するセグメント機能と
    　を実現するプロセッサを備える解析装置。     An acquisition function for acquiring information indicating play events defined and temporally arranged based on a motion of a user who plays sports;
    An analysis device comprising: a processor that realizes a segment function for classifying the play event into time-series segments corresponding to play units of the sport based on the temporal arrangement.
  2. 　前記プロセッサは、前記セグメント内の前記プレーイベントの配列に基づいてプレーパターンを推定するパターン推定機能をさらに実現する、請求項１に記載の解析装置。 The analysis device according to claim 1, wherein the processor further realizes a pattern estimation function for estimating a play pattern based on an array of the play events in the segment.
  3. 　前記プロセッサは、複数の前記セグメントについてそれぞれ推定された前記プレーパターンに基づいて前記ユーザのプレースタイルを推定するスタイル推定機能をさらに実現する、請求項２に記載の解析装置。 3. The analysis apparatus according to claim 2, wherein the processor further realizes a style estimation function for estimating the play style of the user based on the play patterns estimated for a plurality of the segments.
  4. 　前記スタイル推定機能は、前記複数のセグメントにおける前記プレーパターンの出現頻度に基づいて前記プレースタイルを推定する、請求項３に記載の解析装置。 The analysis device according to claim 3, wherein the style estimation function estimates the play style based on the appearance frequency of the play pattern in the plurality of segments.
  5. 　前記ユーザは、第１のユーザおよび第２のユーザを含み、
    　前記プロセッサは、前記第１のユーザおよび前記第２のユーザについてそれぞれ推定された前記プレースタイルを比較した結果に基づく情報を生成する比較情報生成機能をさらに実現する、請求項３に記載の解析装置。     The users include a first user and a second user,
    The analysis device according to claim 3, wherein the processor further realizes a comparison information generation function for generating information based on a result of comparing the play styles estimated for the first user and the second user, respectively. .
  6. 　前記比較情報生成機能は、前記第１のユーザと前記第２のユーザとの相性を推定する情報を生成する、請求項５に記載の解析装置。 The analysis apparatus according to claim 5, wherein the comparison information generation function generates information for estimating compatibility between the first user and the second user.
  7. 　前記比較情報生成機能は、前記第１のユーザと前記第２のユーザとの対戦相手またはパートナーとしての適合度を推定する、請求項６に記載の解析装置。 The analysis device according to claim 6, wherein the comparison information generation function estimates a fitness level as an opponent or a partner between the first user and the second user.
  8. 　前記ユーザは、第１のユーザおよび第２のユーザを含み、
    　前記パターン推定機能は、前記第１のユーザおよび前記第２のユーザのそれぞれの前記プレーイベントの時間的な配列の関係に基づいて前記第１のユーザおよび前記第２のユーザを含むチームのプレーパターンを推定する、請求項２に記載の解析装置。     The users include a first user and a second user,
    The pattern estimation function is a play pattern of a team including the first user and the second user based on a temporal arrangement relationship of the play events of the first user and the second user, respectively. The analysis apparatus according to claim 2, wherein
  9. 　前記プロセッサは、前記プレーパターンに基づいて前記プレー単位の種類を推定する種類推定機能をさらに実現する、請求項２に記載の解析装置。 The analysis device according to claim 2, wherein the processor further realizes a type estimation function for estimating a type of the play unit based on the play pattern.
  10. 　前記プロセッサは、前記セグメント内のプレーイベントの配列に基づいて前記プレーイベントを評価するプレー評価機能をさらに実現する、請求項１に記載の解析装置。 The analysis device according to claim 1, wherein the processor further realizes a play evaluation function for evaluating the play event based on an array of play events in the segment.
  11. 　前記スポーツは、テニスを含み、
    　前記プレーイベントは、サーブを含み、
    　前記プレー評価機能は、前記サーブがファーストサーブであるか否かを推定する、請求項１０に記載の解析装置。     The sports include tennis,
    The play event includes a serve,
    The analysis apparatus according to claim 10, wherein the play evaluation function estimates whether the serve is a first serve.
  12. 　前記セグメント機能は、前記スポーツのルールにさらに基づいて前記プレーイベントを前記セグメントに分類する、請求項１に記載の解析装置。 2. The analysis device according to claim 1, wherein the segment function classifies the play events into the segments further based on the sports rules.
  13. 　前記セグメント機能は、前記プレーイベントに対応する前記モーションの特徴にさらに基づいて前記プレーイベントを前記セグメントに分類する、請求項１に記載の解析装置。 2. The analysis device according to claim 1, wherein the segment function classifies the play event into the segment based further on a feature of the motion corresponding to the play event.
  14. 　前記ユーザは、第１のユーザおよび第２のユーザを含み、
    　前記セグメント機能は、前記第１のユーザおよび前記第２のユーザのそれぞれの前記プレーイベントの時間的な配列の関係に基づいて前記第１のユーザおよび前記第２のユーザに共通する前記セグメントを設定する、請求項１に記載の解析装置。     The users include a first user and a second user,
    The segment function sets the segment common to the first user and the second user based on a temporal arrangement relationship of the play events of the first user and the second user, respectively. The analysis device according to claim 1.
  15. 　前記セグメント機能は、前記プレーイベントを階層的な前記セグメントに分類する、請求項１に記載の解析装置。 The analysis device according to claim 1, wherein the segment function classifies the play events into the hierarchical segments.
  16. 　前記プレーイベントは、前記ユーザに直接的または間接的に装着されたセンサによる前記ユーザのモーションの検出結果に基づいて定義される、請求項１に記載の解析装置。 The analysis apparatus according to claim 1, wherein the play event is defined based on a detection result of the user's motion by a sensor attached directly or indirectly to the user.
  17. 　前記プロセッサは、
    　　前記センサから前記検出結果を受信する機能と、
    　　前記検出結果に基づいて前記プレーイベントを定義する機能と
    　をさらに実現する、請求項１６に記載の解析装置。     The processor is
    A function of receiving the detection result from the sensor;
    The analysis device according to claim 16, further realizing a function of defining the play event based on the detection result.
  18. 　スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得する取得機能と、
    　前記時間的な配列に基づいて前記プレーイベントを前記スポーツのプレー単位に対応する時系列のセグメントに分類するセグメント機能と
    　をコンピュータに実現させるためのプログラムが格納された記録媒体。     An acquisition function for acquiring information indicating play events defined and temporally arranged based on a motion of a user who plays sports;
    A recording medium storing a program for causing a computer to realize a segment function for classifying the play events into time-series segments corresponding to the play units of the sports based on the temporal arrangement.
  19. 　プロセッサが、
    　スポーツをプレーするユーザのモーションに基づいて定義され、かつ時間的に配列されたプレーイベントを示す情報を取得することと、
    　前記時間的な配列に基づいて前記プレーイベントを前記スポーツのプレー単位に対応する時系列のセグメントに分類することと
    　を含む解析方法。
          Processor
    Obtaining information indicating play events that are defined based on the motion of a user playing sports and arranged in time;
    Classifying the play event into time-series segments corresponding to play units of the sport based on the temporal arrangement.
PCT/JP2014/079386 2013-12-27 2014-11-06 Analysis device, recording medium, and analysis method WO2015098301A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013273515 2013-12-27
JP2013-273515 2013-12-27

Publications (1)

Publication Number Publication Date
WO2015098301A1 true WO2015098301A1 (en) 2015-07-02

Family

ID=53478179

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/079386 WO2015098301A1 (en) 2013-12-27 2014-11-06 Analysis device, recording medium, and analysis method

Country Status (1)

Country Link
WO (1) WO2015098301A1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012139493A (en) * 2010-12-29 2012-07-26 Nike Internatl Ltd Athletic performance monitoring system and method in team sports environment
US20120212505A1 (en) * 2011-02-17 2012-08-23 Nike, Inc. Selecting And Correlating Physical Activity Data With Image Data
JP2013188426A (en) * 2012-03-15 2013-09-26 Sony Corp Information processing apparatus, information processing system, and program
EP2731090A2 (en) * 2012-11-09 2014-05-14 Wilson Sporting Goods Co. Sport performance system with ball sensing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012139493A (en) * 2010-12-29 2012-07-26 Nike Internatl Ltd Athletic performance monitoring system and method in team sports environment
US20120212505A1 (en) * 2011-02-17 2012-08-23 Nike, Inc. Selecting And Correlating Physical Activity Data With Image Data
JP2013188426A (en) * 2012-03-15 2013-09-26 Sony Corp Information processing apparatus, information processing system, and program
EP2731090A2 (en) * 2012-11-09 2014-05-14 Wilson Sporting Goods Co. Sport performance system with ball sensing

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CONNAGHAN,D. ET AL.: "An automatic visual analysis system for tennis", PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS, PART P: JOURNAL OF SPORTS ENGINEERING AND TECHNOLOGY, vol. 227, no. 4, pages 273 - 288 *
HIROHITO KIMURA: "Combination Pro Soccer [Extreme Hen] Saishu Koryaku", KABUSHIKI KAISHA AKUSERA, 24 September 1998 (1998-09-24), pages 88 *

Similar Documents

Publication Publication Date Title
US11322044B2 (en) Information processing device, sensor device, information processing system, and storage medium
JP6458739B2 (en) Analysis device, recording medium, and analysis method
JP6432523B2 (en) Analysis device, recording medium, and analysis method
KR20180022674A (en) Structure, apparatus and method configured to be gameable by sensor-based monitoring of physically performed functions, including position-specific gameplay
Yang et al. TennisMaster: An IMU-based online serve performance evaluation system
JPWO2015141251A1 (en) Information processing apparatus, information processing method, and recording medium
JP6560354B2 (en) Energy consumption calculation using data from multiple devices
Zhao et al. TennisEye: tennis ball speed estimation using a racket-mounted motion sensor
KR20180015648A (en) Structure, apparatus and method configured to enable media data retrieval based on user performance characteristics obtained from automated classification and / or performance sensor units
JP2016010714A (en) Information processing device, information processing system and recording medium
JP6459979B2 (en) Analysis device, recording medium, and analysis method
WO2015098301A1 (en) Analysis device, recording medium, and analysis method
US20130225294A1 (en) Detecting illegal moves in a game using inertial sensors
WO2015098303A1 (en) Analysis device, recording medium, and analysis method
CN109453501A (en) Ball training data processing method, equipment
US20220001237A1 (en) System and method for real-time activity classification and feedback

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14875317

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14875317

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP