WO2015098304A1 - 解析装置、記録媒体および解析方法 - Google Patents

解析装置、記録媒体および解析方法 Download PDF

Info

Publication number
WO2015098304A1
WO2015098304A1 PCT/JP2014/079389 JP2014079389W WO2015098304A1 WO 2015098304 A1 WO2015098304 A1 WO 2015098304A1 JP 2014079389 W JP2014079389 W JP 2014079389W WO 2015098304 A1 WO2015098304 A1 WO 2015098304A1
Authority
WO
WIPO (PCT)
Prior art keywords
play
analysis
user
play events
extracted
Prior art date
Application number
PCT/JP2014/079389
Other languages
English (en)
French (fr)
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
Priority to JP2015554651A priority Critical patent/JP6458739B2/ja
Priority to EP14875753.7A priority patent/EP3088058A4/en
Priority to US15/033,755 priority patent/US10558854B2/en
Priority to CN201480069802.6A priority patent/CN105828894A/zh
Publication of WO2015098304A1 publication Critical patent/WO2015098304A1/ja
Priority to US16/730,168 priority patent/US11042731B2/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
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training

Definitions

  • This disclosure relates to an analysis apparatus, a recording medium, and an analysis method.
  • 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.
  • an acquisition function for acquiring data indicating a play event defined based on a motion of a user who plays a sport, and a plurality of play events classified into the same type are extracted from the play events.
  • an analysis apparatus including a processor that realizes an extraction function and an analysis function for analyzing the data indicating the plurality of extracted play events.
  • an acquisition function that acquires data indicating a play event defined based on a motion of a user who plays a sport, and a plurality of play events classified into the same type from the above play events are provided.
  • a recording medium storing a program for causing a computer to implement an extraction function for extraction and an analysis function for analyzing the data indicating the plurality of extracted play events.
  • data indicating a play event defined based on a motion of a user who plays a sport is acquired, and a plurality of play events classified into the same type are extracted from the play events.
  • an analysis method including analyzing the data indicating the plurality of extracted play events.
  • data obtained from a series of sports plays can be analyzed as a series or a set.
  • FIG. 5 is a diagram for describing an example of analysis processing according to an embodiment of the present disclosure.
  • FIG. It is a figure which shows notionally the function of the filter part in the example shown in FIG.
  • FIG. It is a figure which shows the example of the analysis with respect to the play event group extracted in the example of FIG.
  • FIG. 11 shows the example of the information which expresses the result of the analysis shown in FIG. 11 in a two-dimensional plane. It is a figure which shows the example of the information which expresses the result of the analysis shown in FIG. 11 in a two-dimensional plane.
  • the following explanation is made using a specific example of sports (tennis), but the scope of application of the present technology is not limited to the exemplified sports.
  • 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.
  • FIG. 1 is a diagram illustrating an example of a system configuration according to an embodiment of the present disclosure.
  • the system 10 includes a sensor device 100, a smartphone 200, and a server 300.
  • 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.).
  • a motion sensor for example, an acceleration sensor, a gyro sensor, a geomagnetic sensor, etc.
  • the sensor device 100 directly detects the motion of the racket R.
  • the sensor device 100 indirectly detects the motion of the racket R. It can be said that the user's motion is detected.
  • the sensor device 100 is indirectly attached to the user and detects the user's motion.
  • 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. .
  • 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.
  • the sensor device 100 may include a vibration sensor.
  • 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.
  • 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).
  • the smartphone 200 is disposed near a user who is playing sports, for example.
  • 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.
  • 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.
  • the smart phone 200 does not necessarily need to be arrange
  • the sensor device 100 accumulates the detected data in an internal storage area (memory or external storage device).
  • data may be transmitted from the sensor device 100 to the smartphone 200 by wireless communication such as Bluetooth (registered trademark).
  • data may be transmitted when the sensor device 100 and the smartphone 200 are connected by wire via USB or the like.
  • a removable recording medium may be used for data transfer from the sensor device 100 to the smartphone 200.
  • 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.
  • 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.
  • 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,.
  • the server 300 may extract a plurality of play events classified into the same type from the play events by play event analysis processing, and analyze the data indicating the extracted play events.
  • 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.
  • the server 300 may transmit information to an information processing terminal other than the smartphone 200 and output the information to the user.
  • 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.
  • FIG. 2 is a block diagram schematically illustrating a device configuration of a system according to an embodiment of the present disclosure.
  • 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.
  • 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.
  • 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).
  • the sensor device 100 may include a storage unit for temporarily storing data.
  • 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.
  • 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.
  • 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.
  • 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.
  • 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.
  • the server 300 may store the information obtained by the analysis process and provide a service shared between users.
  • 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.
  • FIG. 3 is a diagram for describing an example of analysis processing according to an embodiment of the present disclosure.
  • the processor that executes the analysis process acquires, as inputs, motion data 401 and metadata 403 indicating a play event defined based on a motion of a user who plays sports.
  • the processor extracts a plurality of play events classified into the same type from the play events indicated by the data by the function of the filter unit 405.
  • the processor extracts the feature of the motion indicated by the data corresponding to the plurality of extracted play events by the function of the feature extraction unit 407, and performs the determination based on the feature by the function of the determination unit 409.
  • the motion data 401 is data acquired by a motion sensor included in the sensor 110 included in the sensor device 100, and indicates a motion of a user who plays sports.
  • the metadata 403 is data indicating a play event defined based on this motion.
  • the motion data 401 and the metadata 403 correspond to each other.
  • the metadata 403 defines the type and attribute of the play event represented by the corresponding motion data 401.
  • play event types may include shot types such as serve, forehand stroke, backhand stroke, forehand volley, and the like.
  • the attributes of the play event may include information such as the occurrence time (for example, the time when the impact between the racket and the ball occurs), the swing speed, and the like.
  • the motion data 401 and the metadata 403 are examples of data indicating a play event, and data indicating a play event can be acquired in various other formats.
  • each play event may be indicated by a single data in which motion data and metadata are combined, or motion data indicating a plurality of play events that occur in succession is integrated into one.
  • Different sections of the motion data may be referred to by a plurality of metadata.
  • the filter unit 405 extracts a plurality of play events classified into the same type from the play events indicated by the motion data 401 and the metadata 403.
  • the types of play events may include shot types such as serve, forehand stroke, backhand stroke, and forehand volley. Therefore, the filter unit 405 extracts a play event of any shot type. Note that a single play event may be extracted. However, in this case, the analysis process executed for the extracted play event may be different from the processes in the feature extraction unit 407 and the determination unit 409 described later.
  • the feature extraction unit 407 includes data indicating a plurality of play events extracted by the filter unit 405, that is, data corresponding to a plurality of play events extracted by the filter unit 405 out of the motion data 401 and the metadata 403. An analysis process for extracting features is executed. What features the feature extraction unit 407 extracts from play event data may differ depending on, for example, the analysis processing performed by the determination unit 409 that follows. Further, the extracted feature may be different depending on the type of play event extracted by the filter unit 405. As a feature extraction method, for example, k-means coding, an auto encoder, or the like can be used. Since these methods are already well known, detailed description thereof is omitted here.
  • the determination unit 409 performs some determination on the plurality of play events extracted by the filter unit 405 based on the features extracted by the feature extraction unit 407. For example, when the plurality of extracted play events are single user play events, the determination unit 409 may determine the proficiency level of play indicated by these play events. More specifically, the determination unit 409 may evaluate the stability of play based on the extracted features, and determine the proficiency level based on the stability. Alternatively, the determination unit 409 uses a proficiency level determination device that learns based on teacher data for each proficiency level (advanced / intermediate / beginner) collected in advance for each type of play event (for example, the type of swing). The proficiency level may be determined.
  • the determination unit 409 may determine the similarity of each user's play indicated by these play events. More specifically, the determination unit 409 calculates a distance in the feature space of each user's play based on the extracted feature (similar to the above-described stability evaluation), and the similarity based on the distance May be determined.
  • the processor that executes the analysis processing may further realize a function of displaying information generated by the analysis on a display (for example, included in the output unit 270 of the smartphone 200).
  • a display for example, included in the output unit 270 of the smartphone 200.
  • information indicating the feature extracted by the feature extraction unit 407 may be displayed on the display.
  • the analysis processing executed by the feature extraction unit 407 and the determination unit 409 in the above example may be replaced by analysis processing by another method, for example, analysis processing not based on feature extraction.
  • analysis processing not based on feature extraction.
  • the motion data 401 indicates the user's motion in a certain type of play event as a waveform such as acceleration
  • the above-described stability and similarity are calculated based on the distance between waveforms in each of a predetermined number of sample sections. You may judge.
  • a user's play habit may be detected.
  • FIG. 4 is a diagram conceptually showing the function of the filter unit in the example shown in FIG. FIG. 4 shows an example in which the same type of play event group 1103 is extracted from a time series including three types of play events 1101. More specifically, the play events 1101 include a forehand stroke (FHST) play event 1101a, a backhand stroke (BHST) play event 1101b, and a serve (SRV) play event 1101c.
  • the play event group 1103 includes a forehand stroke play event group 1103a, a backhand stroke play event group 1103b, and a serve play event group 1103c.
  • the filter unit 405 extracts the play event groups 1103a to 1103c from the time series of the play events 1101.
  • the play event groups 1103a to 1103c are extracted in parallel, and analysis processing for each play event group is executed by the feature extraction unit 407 and the determination unit 409, and analysis results for a plurality of play event types are output simultaneously. May be.
  • only a part of the play event groups 1103a to 1103c may be extracted, and analysis processing for the extracted play event group may be executed by the feature extraction unit 407 and the determination unit 409.
  • the play event group 1103 is extracted from the play event 1101 of a single user, but the same applies to the case of extracting the play event group from the play events of a plurality of users.
  • metadata such as a user ID indicating which user's play event may be added to the play event data included in the play event group.
  • FIG. 5 is a diagram showing an example of analysis for the play event group extracted in the example of FIG. Referring to FIG. 5, for each of the play event groups 1103a to 1103c extracted by the filter unit 405, the feature extraction unit 407 extracts the features of each play event, and the determination unit 409 distributes the distribution of the features of each play event (Distribution). ) To evaluate the stability.
  • the feature of each play event is expressed as, for example, a multidimensional feature vector.
  • such dispersion of feature vectors is expressed in a two-dimensional plane.
  • a function for displaying information generated by analysis by a processor that executes analysis processing is realized on a display, such information indicating the dispersion of each play event in the feature space in a two-dimensional plane is displayed. May be.
  • a technique for visualizing a multidimensional feature vector in a two-dimensional plane or a three-dimensional space is already well known, and a detailed description thereof will be omitted here.
  • the distribution of the characteristics of each play event is greatly different for each play event group 1103. Therefore, the stability evaluated based on the variance is also greatly different for each play event group 1103.
  • the stability may be used as an index indicating the proficiency level of play. Therefore, in the illustrated example, the proficiency level of play can be determined for each play event group 1103, that is, for each type of play event. If the level of proficiency is higher as stability is higher, the user in the illustrated example has a relatively high proficiency for forehand stroke, a relatively low proficiency for backhand stroke, and a proficiency level for serve. Presumed to be moderate.
  • one of the advantages of the present embodiment is that information such as the proficiency level is generated for each type of play event, in the case of tennis, for example.
  • FIG. 6 is a diagram for explaining the relationship between the distribution of the characteristics of the play events shown in the example of FIG. 5 and the proficiency level.
  • the stability (Stability) of two play event groups 1103a1 and 1103a2 for the forehand stroke is evaluated based on the distribution.
  • the play event group 1103a1 is a forehand stroke play event group for a senior tennis player
  • the play event group 1103a2 is a forehand stroke play event group for a tennis beginner.
  • the distribution of the characteristics of play events included in the play event group of the same type of shot becomes smaller as the proficiency level increases. Accordingly, the variance in the feature space of each play event included in the play event group 1103a1 of the advanced player is smaller than the variance in the feature space of each play event included in the play event group 1103a2 of the beginner. This is thought to be due to the fact that the higher the proficiency level, the smaller the variation in swing motion, and in many cases the same swing can be achieved.
  • the characteristics of the play event defined based on the user's motion at the time of the shot differ depending on the type of shot. Therefore, even if the characteristic distribution of play events is calculated in a state where different types of play events (shots) are mixed, the relationship between the distribution, stability, and proficiency shown in FIG. 6 does not hold. Therefore, it is possible to evaluate the stability based on the characteristics as described above, and to determine the proficiency based on the stability.
  • This embodiment is analyzed for each play event group in which the play events are classified into the same type. This is one of the advantages.
  • FIG. 7 is a diagram showing another example of analysis based on the characteristics of the play event in the example of FIG.
  • regions A1 to A3 in which features of play events of players (users) of various proficiency levels are distributed are defined.
  • the area A1 is an area where the characteristics of the beginner player are distributed
  • the area A2 is an area where the characteristics of the intermediate player are distributed
  • the area A3 is an area where the characteristics of the advanced player are distributed.
  • the determination unit 409 determines the proficiency level learned based on the teacher data for each proficiency level (advanced / intermediate / beginner) collected in advance for each type of play event (for example, the type of swing). This corresponds to the case where the proficiency level is judged using a vessel.
  • the proficiency level determination unit is formed by learning using the distribution of the characteristics of the play event of the player of each proficiency level as teacher data. For example, the representation of a region on a two-dimensional plane as shown in FIG. 7 may also be used when a function for displaying information generated by analysis by a processor executing analysis processing on a display is realized.
  • a point P indicating time series transition of a feature distribution of a certain user is shown in the feature space.
  • the center of the user's feature distribution that was at the point P1 of the elementary area A1 at the beginning of service use transitions to the point P2 of the intermediate area A2 as it progresses, and further toward the advanced area A3. It is shown that it has moved and is at point P3 (still intermediate area A2).
  • Such a representation of time series transition may also be used to display information generated by analysis.
  • FIGS. 8 and 9 are diagrams showing further examples of the analysis result of a single user's play event in the present embodiment. Expressions of analysis results such as these examples may also be used for displaying information generated by analysis.
  • a temporal change in the stability of the characteristic of the play event described above with reference to FIGS. 5 and 6 in the day is detected.
  • the stability of the characteristics of the play event every hour for the day when the user was playing almost all day (approximately 10:00 to 17:00) It is expressed by a broken line from Ps to the end point Pe.
  • information such as “time required for warming up” and “time until tiredness is affected by play” can be obtained from changes in the stability of play during the day. .
  • the stability of the feature calculated for each type of play event may be averaged and output for each type of play event. Good. As described above, it is effective to execute analysis processing for each type of play event in order to calculate meaningful stability, but after the stability is calculated, the average exceeding the type of play event, etc. The process may be executed.
  • the temporal change in the stability (Stability) of the characteristic of the play event described above with reference to FIGS. 5 and 6 is detected over a relatively long period of several months.
  • the stability of the feature of the play event for each month is expressed with time as the horizontal axis. For example, it is possible to know how much play has improved in the past few months from changes in the stability of play over time. If the stability is expressed for each type of play event (shot) as in the illustrated example, it is possible to compare the progress of play corresponding to each type of play event. Similar expressions may also be used to compare stability between different users for the same type of play event.
  • FIG. 10 is a diagram for describing an example of analysis of play events of a plurality of users according to an embodiment of the present disclosure.
  • the processor that executes the analysis process executes the comparison process 413 based on the feature data 411 extracted by the feature extraction unit 407 from a plurality of user play events, and obtains an analysis result 415.
  • the analysis result 415 can include, for example, a feature map of each player's play described below, a similar player map, and the like.
  • additional information 417 for providing to the first user whose characteristic data 411 includes the characteristic data of the play event may be used.
  • the result of the comparison process 413 indicates that the play is similar to the first user (similarly, the feature data of the play event is included in the feature data 411)
  • the first user Additional information 417 may be provided for.
  • the incidental information 417 may include, for example, advice on a specific type of play by the user (for example, forehand stroke in the case of tennis), the user's past opponents and their impressions, and the like.
  • the second user whose feature data 411 indicates that the play is similar to the first user there is a high possibility that the same incidental information 417 as the first user is valid.
  • FIG. 11 is a diagram for more specifically describing an example of analysis of play events of a plurality of users according to an embodiment of the present disclosure.
  • the processor that executes the analysis process issues a query 419 to execute the data extraction process 423 from the motion data 421.
  • An analysis result 427 is obtained from the extracted data by the analysis process 425. Further, the display 431 of the analysis result is realized by the display process 429 based on the analysis result 427.
  • the type of play event to be extracted for example, for tennis, the type of shot, forehand stroke, backhand stroke, serve, etc.
  • the user to be extracted are designated.
  • the motion data 421 of many users is stored in the database of the storage unit 330 of the server 300, but analysis of play events in the present embodiment, for example, determination of play similarity, can be executed effectively. Since the number is limited, the target user may be limited. In addition, since motion data is also a kind of personal information, the extraction target user may be limited by limiting the disclosure target (up to friends, etc.).
  • the processes of the feature extraction unit 407 and the determination unit 409 described above are executed. That is, the feature of the play event is extracted from the extracted motion data (limited to a specific type of play event by the query 419), and the similarity and the like are determined based on the extracted feature. For example, when calculating the distance in the play feature space of a plurality of players (users) in the analysis process 425, the process can be executed by a program as shown below.
  • the analysis result 427 indicating the distance of each player in the play feature space may include a matrix C.
  • the element C (i, j) indicates the distance in the feature space between the play of the i-th player and the play of the j-th player.
  • the distance in the feature space of each user's play expressed by the matrix C is expressed in a two-dimensional plane by the process of solving the optimization problem as shown in the following Expression 1. .
  • FIG. 12 and 13 are diagrams showing examples of information expressing the result of the analysis shown in FIG. 11 on a two-dimensional plane.
  • the three-axis acceleration and angular velocity data are acquired using the sensor device 100 attached to the racket, and the motion of each user is obtained.
  • the positional relationship of the features extracted from the data in the feature space is expressed in a two-dimensional plane.
  • FIG. 12 shows the characteristics of a play event whose type (swing type) is a forehand stroke
  • FIG. 13 shows the characteristics of a play event whose type is a serve.
  • the representation of a region on a two-dimensional plane as shown in these drawings may also be used when a function for displaying information generated by analysis by a processor that executes analysis processing is realized on a display, for example. .
  • FIG. 14 and FIG. 15 are diagrams illustrating further examples of analysis results of a plurality of users' play events in the present embodiment. Expressions of analysis results such as these examples may also be used for displaying information generated by analysis.
  • the play (serve) indicated by the play event group 1103c1 for a certain user's serve is the play of any other user (for example, a professional player) to be compared. It is determined whether they are similar. In this case, the characteristics of the play event included in the user's play event group 1103c1 are compared with the characteristics of the play event included in each of the other user's play event groups 1103c2 to 1103c4, and each of the play event groups 1103c2 to 1103c4 is compared. Similarity is calculated. In the illustrated example, the similarity with the play event group 1103c3 is the highest, so that an analysis result 1105 indicating that the user is of the same type as the user of the play event group 1103c3 is output.
  • an analysis result 1107 that maps the characteristics of each user's play event to a two-dimensional plane and displays it with icons indicating each user is shown. It is output.
  • the analysis result 1107 is similar to the map described with reference to FIGS. 12 and 13, for example. However, by displaying it with an icon, for example, it becomes easier to understand that it is a similarity map of each user's play.
  • FIG. 16 is a diagram illustrating an example of a hardware configuration of the sensor device according to the embodiment of the present disclosure.
  • 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.
  • a bus for example, a bus.
  • 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).
  • 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.
  • 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.
  • 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.
  • 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.
  • 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 is described above.
  • 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.
  • 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.
  • FIG. 17 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.
  • 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.
  • 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.
  • 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.
  • 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.
  • the external storage device 611 stores various types of information related to the analysis device 600.
  • 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.
  • 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.
  • 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.
  • 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.
  • 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
  • a non-transitory tangible medium on which the program is recorded 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
  • a non-transitory tangible medium on which the program is recorded 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
  • an acquisition function for acquiring data indicating a play event defined based on a motion of a user who plays sports
  • An extraction function for extracting a plurality of play events classified into the same type from the play events
  • An analysis apparatus comprising a processor that realizes an analysis function for analyzing data indicating the plurality of extracted play events.
  • the analysis device according to (1) wherein the analysis function analyzes characteristics of the motion corresponding to the plurality of extracted play events.
  • the plurality of extracted play events are single user play events, The analysis device according to (2), wherein the analysis function evaluates the play of the single user indicated by the plurality of extracted play events based on the characteristics.
  • the analysis device evaluates the stability of play of the single user based on the characteristics.
  • the analysis device determines a proficiency level of play of the single user based on the stability.
  • the analysis device detects a temporal change in the feature.
  • the plurality of extracted play events include a plurality of user play events,
  • the analysis device compares the play of the plurality of users indicated by each of the extracted plurality of play events based on the characteristics.
  • the plurality of users includes a first user and a second user
  • the analysis function also provides information provided to the first user regarding the play to the second user whose result of the comparison indicates that the play is similar to the first user.
  • the analysis device according to (7).
  • the analysis device according to any one of (1) to (8), wherein the processor further realizes a display control function for displaying information generated by the analysis on a display.
  • the analysis function analyzes features of the motion corresponding to the plurality of extracted play events, The analysis device according to (9), wherein the display control function displays information indicating the feature.
  • the plurality of extracted play events include a plurality of user play events, The analysis device according to (10), wherein the display control function displays information indicating the characteristics of the plurality of users on a two-dimensional plane.
  • An acquisition function for acquiring data indicating a play event defined based on a motion of a user who plays sports;
  • An extraction function for extracting a plurality of play events classified into the same type from the play events;
  • a recording medium storing a program for causing a computer to realize an analysis function for analyzing data indicating the plurality of extracted play events.
  • (13) obtaining data indicating a play event defined based on a motion of a user who plays sports; Extracting a plurality of play events classified into the same type from the play events; Analyzing the data indicating the plurality of extracted play events.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Educational Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Social Psychology (AREA)
  • Evolutionary Biology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

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

Description

解析装置、記録媒体および解析方法
　本開示は、解析装置、記録媒体および解析方法に関する。
　これまでに、センシングや解析を利用して、スポーツのプレーを支援する技術が多く開発されてきている。例えば、特許文献１には、モーションセンサの検出データを用いてスイングの動作の検出を行い、スイングの動作が検出されたデータをスイング候補データとして抽出し、スイングに関連付けられる判定条件に基づきスイング候補データから真のスイングデータを選択する技術が記載されている。これによって、例えば、ユーザがスイング動作の開始や終了のタイミングを支持する必要がなく、比較的小さい計算負荷でスイングデータの抽出を行うことができる。
特開２０１２－２５４２０５号公報
　しかしながら、特許文献１に記載されたような技術では、個々のスイングを解析することはできるものの、得られたデータを系列または集合として解析していない。スポーツのプレーの上達のためには、スイングなどの個々のプレーを解析して改善点などを発見することも重要であるが、例えばゲームやセット構成する一連のプレーは相互に関係しており、個々のプレーに着目するにしてもその前後のプレーの影響は無視できない。また、いわゆる試合運びやプレーのコンビネーションといったものについては、一連のプレーについて得られたデータを系列または集合として解析しなければ把握することが困難である。
　そこで、本開示では、スポーツの一連のプレーについて得られたデータを系列または集合として解析することが可能な、新規かつ改良された解析装置、記録媒体および解析方法を提案する。
　本開示によれば、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、上記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、上記抽出された複数のプレーイベントを示すデータを解析する解析機能とを実現するプロセッサを備える解析装置が提供される。
　また、本開示によれば、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、上記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、上記抽出された複数のプレーイベントを示すデータを解析する解析機能とをコンピュータに実現させるためのプログラムが格納された記録媒体が提供される。
　また、本開示によれば、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得することと、上記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出することと、上記抽出された複数のプレーイベントを示すデータを解析することとを含む解析方法が提供される。
　以上説明したように本開示によれば、スポーツの一連のプレーについて得られたデータを系列または集合として解析することができる。
　なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態に係るシステム構成の例を示す図である。 本開示の一実施形態に係るシステムの装置構成を概略的に示すブロック図である。 本開示の一実施形態における解析処理の例について説明するための図である。 図３に示した例におけるフィルタ部の機能を概念的に示す図である。 図４の例において抽出されたプレーイベント群に対する解析の例を示す図である。 図５の例において示されたプレーイベントの特徴の分散と習熟度との関係について説明するための図である。 図４の例におけるプレーイベントの特徴に基づく解析の他の例を示す図である。 本実施形態における単一のユーザのプレーイベントの解析結果のさらなる例を示す図である。 本実施形態における単一のユーザのプレーイベントの解析結果のさらなる例を示す図である。 本開示の一実施形態における複数のユーザのプレーイベントの解析の例について説明するための図である。 本開示の一実施形態における複数のユーザのプレーイベントの解析の例についてより具体的に説明するための図である。 図１１に示した解析の結果を２次元平面において表現する情報の例を示す図である。 図１１に示した解析の結果を２次元平面において表現する情報の例を示す図である。 本実施形態における複数のユーザのプレーイベントの解析結果のさらなる例を示す図である。 本実施形態における複数のユーザのプレーイベントの解析結果のさらなる例を示す図である。 本開示の実施形態に係るセンサ装置のハードウェア構成の例を示す図である。 本開示の実施形態に係る解析装置のハードウェア構成の例を示す図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　なお、説明は以下の順序で行うものとする。
　１．システム構成
　２．解析処理の例
　　２－１．単一のユーザのプレーイベントの解析
　　２－２．複数のユーザのプレーイベントの解析
　３．ハードウェア構成
　４．補足
　なお、以下の説明は、具体的なスポーツの例（テニス）を用いてなされるが、本技術の適用範囲は例示されたスポーツには限られない。例えば、スポーツをプレーするユーザのモーションに基づいてプレーイベントが定義されうる限りにおいて、本技術はどのようなスポーツにでも適用可能である。
　（１．システム構成）
　図１は、本開示の一実施形態に係るシステム構成の例を示す図である。図１を参照すると、システム１０は、センサ装置１００と、スマートフォン２００と、サーバ３００とを含む。
　センサ装置１００は、テニスのラケットＲに装着される。センサ装置１００は、例えばモーションセンサ（例えば加速度センサ、ジャイロセンサ、地磁気センサなど）を備える。この場合、センサ装置１００が直接的に検出するのはラケットＲのモーションであるが、ラケットＲはユーザによって把持され、ユーザの意思に従って運動するため、センサ装置１００はラケットＲのモーションを介して間接的にユーザのモーションを検出しているともいえる。本明細書では、このような場合、センサ装置１００はユーザに間接的に装着されてユーザのモーションを検出しているという。
　なお、他の実施形態において、センサ装置１００は、例えばユーザの衣服や靴などに装着されてもよい。この場合も、センサ装置１００が直接的に検出するのは衣服や靴のモーションであるが、衣服や靴はユーザとともに運動するため、センサ装置は間接的にユーザのモーションを検出しているといえる。あるいは、センサ装置１００は、例えばバンドで腕に巻き付けられるなどして、ユーザに直接的に装着されていてもよい。この場合、センサ装置１００は直接的にユーザのモーションを検出しうる。センサ装置１００がユーザのモーションを直接的に検出する場合だけでなく、間接的に検出する場合であっても、検出されるモーションにユーザのモーションが反映されていれば、センサ装置１００が提供する検出結果に基づいて、スポーツをプレーするユーザのモーションに対応するプレーイベントを定義することが可能である。
　さらに、センサ装置１００は、振動センサを備えてもよい。振動センサによって検出されるデータによって、例えば、プレーイベントに対応する区間（例えばボールのインパクトの前後の区間）の特定が容易になりうる。また、振動センサによって検出されるデータも、モーションセンサによって検出されるデータと同様にプレーイベントの解析に用いられてもよい。また、センサ装置１００は、気温や湿度、明るさ、位置など、スポーツをプレーするユーザの環境情報を取得するためのセンサをさらに備えてもよい。センサ装置１００が備える各種のセンサによって検出されたデータは、必要に応じて前処理された上で、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によってスマートフォン２００に送信される。
　スマートフォン２００は、例えばスポーツをプレーしているユーザの近傍に配置される。この場合、スマートフォン２００は、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によってセンサ装置１００から送信されたデータを受信し、必要に応じて一時的に蓄積したり処理したりした上で、ネットワーク通信によってデータをサーバ３００に送信する。また、スマートフォン２００は、送信されたデータに基づいてサーバ３００が実行した解析の結果を受信し、ディスプレイやスピーカなどを介してユーザに向けて出力してもよい。なお、解析結果の出力時において、ユーザはスポーツをプレーしていなくてもよい。また、解析結果の出力は、スマートフォン２００とは別の、ユーザによって使用される情報処理端末、例えば各種のパーソナルコンピュータやタブレット端末、ゲーム機、テレビなどによって実行されてもよい。
　また、スマートフォン２００は、必ずしも、スポーツをプレーしているユーザの近傍に配置されていなくてもよい。この場合、センサ装置１００は、検出されたデータを内部の記憶領域（メモリまたは外部記憶装置）に蓄積しておく。例えば、スポーツのプレー後、センサ装置１００とスマートフォン２００とが接近したときに、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線通信によって、データがセンサ装置１００からスマートフォン２００に送信されてもよい。あるいは、スポーツのプレー後、センサ装置１００とスマートフォン２００とがＵＳＢなどで有線接続されたときにデータが送信されてもよい。また、センサ装置１００からスマートフォン２００へのデータの受け渡しには、リムーバブル記録媒体が用いられてもよい。
　サーバ３００は、スマートフォン２００とネットワークを介して通信し、センサ装置１００が備える各種のセンサによって検出されたデータを受信する。サーバ３００は、受信されたデータを用いた解析処理を実行し、スポーツのプレーに関するさまざまな情報を生成する。例えば、サーバ３００は、モーションセンサによって取得された、スポーツをプレーするユーザのモーションを直接的または間接的に示すデータに基づいて、プレーイベントを定義する。プレーイベントは、例えばラケットＲを用いた１回のショットに対応する。プレーイベントを定義することによって、例えば、モーションデータによって表されるユーザのプレーを、｛サーブ、ストローク、ボレー、…｝といったような意味をもったプレーの連なりとして把握することができる。
　さらに、サーバ３００は、プレーイベントの解析処理によって、プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出し、抽出された複数のプレーイベントを示すデータを解析してもよい。サーバ３００の解析処理によって生成された情報は、例えばスマートフォン２００に送信され、スマートフォン２００のディスプレイやスピーカを介してユーザに向けて出力される。あるいは、サーバ３００は、スマートフォン２００以外の情報処理端末に情報を送信し、ユーザに向けて出力させてもよい。また、サーバ３００は、複数のユーザについてそれぞれ受信されたデータに基づいて解析処理を実行し、各ユーザについて生成されたプレーパターンなどを比較した結果に基づく情報を生成し、各ユーザの情報処理端末に送信してもよい。
　図２は、本開示の一実施形態に係るシステムの装置構成を概略的に示すブロック図である。図２を参照すると、センサ装置１００は、センサ１１０と、処理部１２０と、送信部１３０とを含む。スマートフォン２００は、受信部２１０と、処理部２２０と、記憶部２３０と、送信部２４０と、撮像部２５０と、入力部２６０と、出力部２７０とを含む。サーバ３００は、受信部３１０と、処理部３２０と、記憶部３３０と、送信部３４０とを含む。なお、それぞれの装置を実現するためのハードウェア構成例（センサ装置および解析装置のハードウェア構成例）については後述する。
　センサ装置１００では、センサ１１０が取得したデータを処理部１２０が処理し、処理されたデータを送信部１３０がスマートフォン２００に送信する。センサ１１０は、上述の通り、例えばモーションセンサを含み、スポーツをプレーするユーザのモーションを直接的または間接的に検出する。また、センサ１１０は、振動センサやユーザの環境情報を取得するためのセンサなどをさらに含んでもよい。処理部１２０は、プログラムに従って動作するプロセッサによって実現され、センサ１１０によって取得されたデータを必要に応じて前処理する。前処理は、例えばサンプリングやノイズ除去などを含みうる。前処理は必ずしも実行されなくてもよい。送信部１３０は、通信装置によって実現され、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信を利用してデータをスマートフォン２００に送信する。また、図２には示していないが、センサ装置１００は、データを一時的に蓄積するための記憶部を備えてもよい。
　スマートフォン２００では、受信部２１０がセンサ装置１００によって送信されたデータを受信し、送信部２４０がデータをサーバ３００に送信する。受信部２１０および送信部２４０は、例えばＢｌｕｅｔｏｏｔｈ（登録商標）などの無線通信、および有線または無線のネットワーク通信を実行する通信装置によって実現される。受信されたデータは、例えば処理部２２０によって記憶部２３０に一時的に格納されてから送信される。また、受信されたデータについて、処理部２２０が前処理を実行してもよい。処理部２２０はプログラムに従って動作するプロセッサによって実現され、記憶部２３０はメモリまたはストレージによって実現される。受信部２１０は、さらに、サーバ３００から送信された情報を受信してもよい。受信された情報は、例えば処理部２２０の制御に従って出力部２７０からユーザに向けて出力される。出力部２７０は、例えばディスプレイやスピーカを含む。
　さらに、スマートフォン２００では、撮像部２５０によって画像が取得される。撮像部２５０は、例えば撮像素子にレンズなどの光学系を組み合わせたカメラモジュールによって実現される。画像は、スポーツをプレーするユーザを被写体として含んでもよい。撮像部２５０によって取得された画像は、例えば受信部２１０によって受信されたデータとともに送信部２４０からサーバ３００に送信される。画像は、サーバ３００において、例えばセンサ装置１００によって取得されたデータとともに解析処理に用いられてもよいし、解析処理によって生成された情報に組み込まれてもよい。入力部２６０は、例えばタッチパネルやハードウェアボタン、および／または音声入力やジェスチャ入力を受け付けるためのマイクロフォンやカメラを含む。処理部２２０は、入力部２６０を介して取得されたユーザ操作に従って、送信部２４０を介してサーバ３００に情報をリクエストしてもよい。
　サーバ３００は、受信部３１０と、処理部３２０と、記憶部３３０と、送信部３４０とを備える。受信部３１０は、通信装置によって実現され、スマートフォン２００からインターネットなどのネットワーク通信を利用して送信されたデータを受信する。処理部３２０は、例えばＣＰＵなどのプロセッサによって実現され、受信されたデータを処理する。例えば、処理部３２０は、受信されたデータの処理の解析処理を実行し、解析後のデータをさらに記憶部３３０に蓄積したり、送信部３４０を介して出力したりしてもよい。あるいは、処理部３２０は、スマートフォン２００などにおいて既に解析されたデータの蓄積および出力の制御を実行するだけであってもよい。
　以上、本開示の一実施形態に係るシステムの構成について説明した。なお、上記で説明された構成は一例であり、他の実施形態ではさまざまな変形が可能である。例えば、上記の例では、センサ装置１００によって取得されたデータを用いた解析処理がサーバ３００の処理部３２０で実行されたが、解析処理はスマートフォン２００の処理部２２０で実行されてもよいし、センサ装置１００の処理部１２０で実行されてもよい。システム１０は、センサ装置１００と、スマートフォン２００と、サーバ３００とを含むものとして説明されているが、例えばスマートフォン２００の処理部２２０で解析処理が実行される場合には、システム１０にサーバ３００が含まれなくてもよい。あるいは、この場合、サーバ３００は、解析処理によって得られた情報を保存し、ユーザ間で共有するサービスを提供してもよい。また、例えばセンサ装置１００の処理部１２０で解析処理が実行される場合には、システム１０にスマートフォン２００およびサーバ３００が含まれなくてもよい。センサ装置１００は、例えばユーザまたは用具に装着される専用のセンサ装置であってもよいし、携帯可能な情報処理端末に搭載されたセンサモジュールがセンサ装置１００として機能してもよい。従って、センサ装置１００は、スマートフォン２００と同一の装置でありうる。
　（２．解析処理の例）
　図３は、本開示の一実施形態における解析処理の例について説明するための図である。図３を参照すると、解析処理を実行するプロセッサは、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すモーションデータ４０１とメタデータ４０３とを入力として取得する。次に、プロセッサは、フィルタ部４０５の機能によって、データによって示されるプレーイベントの中から、同じ種類に分類される複数のプレーイベントを抽出する。さらに、プロセッサは、特徴抽出部４０７の機能によって、抽出された複数のプレーイベントに対応するデータによって示されるモーションの特徴を抽出し、判定部４０９の機能によって特徴に基づく判定を実施する。
　ここで、モーションデータ４０１は、センサ装置１００が備えるセンサ１１０に含まれるモーションセンサによって取得されたデータであり、スポーツをプレーするユーザのモーションを示す。メタデータ４０３は、このモーションに基づいて定義されたプレーイベントを示すデータである。図示された例において、モーションデータ４０１とメタデータ４０３とは対応している。メタデータ４０３は、対応するモーションデータ４０１によって表されるプレーイベントの種類や属性などを定義する。例えばテニスの場合、プレーイベントの種類は、サーブ、フォアハンドストローク、バックハンドストローク、フォアハンドボレーなどといったショットの種類を含みうる。また、この場合、プレーイベントの属性は、発生時刻（例えばラケットとボールとのインパクトが発生した時刻）、スイング速度などといった情報を含みうる。
　なお、モーションデータ４０１およびメタデータ４０３は、プレーイベントを示すデータの一例であり、他にもさまざまな形式で、プレーイベントを示すデータが取得されうる。例えば、個々のプレーイベントが、モーションデータとメタデータとが組み合わされた単一のデータによって示されてもよいし、連続して発生した複数のプレーイベントを示すモーションデータが１つに統合されており、複数のメタデータによって当該モーションデータの異なる区間が参照されてもよい。
　フィルタ部４０５は、上記の通り、モーションデータ４０１およびメタデータ４０３によって示されるプレーイベントの中から、同じ種類に分類される複数のプレーイベントを抽出する。上記のように、例えばテニスの場合、プレーイベントの種類は、サーブ、フォアハンドストローク、バックハンドストローク、フォアハンドボレーなどといったショットの種類を含みうる。そこで、フィルタ部４０５は、いずれかのショットの種類のプレーイベントを抽出する。なお、抽出されるプレーイベントは単一であってもよい。ただし、その場合、抽出されたプレーイベントに対して実行される解析処理は、後述する特徴抽出部４０７および判定部４０９における処理とは異なりうる。
　特徴抽出部４０７は、フィルタ部４０５によって抽出された複数のプレーイベントを示すデータ、つまり、モーションデータ４０１およびメタデータ４０３のうち、フィルタ部４０５によって抽出された複数のプレーイベントに対応するデータについて、特徴を抽出する解析処理を実行する。特徴抽出部４０７がプレーイベントのデータからどのような特徴を抽出するかは、例えば後続する判定部４０９での解析処理に応じて異なってもよい。また、抽出される特徴は、フィルタ部４０５が抽出するプレーイベントの種類に応じて異なってもよい。特徴の抽出方法としては、例えばｋ－ｍｅａｎｓコーディングや、オートエンコーダなどを利用することができる。これらの方法については既によく知られているため、ここでは詳細な説明を省略する。
　判定部４０９は、フィルタ部４０５によって抽出された複数のプレーイベントについて、特徴抽出部４０７によって抽出された特徴に基づいて何らかの判定を実施する。例えば、抽出された複数のプレーイベントが単一のユーザのプレーイベントである場合、判定部４０９は、これらのプレーイベントによって示されるプレーの習熟度を判定してもよい。より具体的には、判定部４０９は、抽出された特徴に基づいてプレーの安定度を評価し、安定度に基づいて習熟度を判定してもよい。あるいは、判定部４０９は、プレーイベントの種類（例えばスイングの種類）ごとに予め収集された、習熟度（上級・中級・初級）ごとの教師データに基づいて学習される習熟度判定器を用いて習熟度を判定してもよい。
　また、例えば、抽出された複数のプレーイベントが複数のユーザのプレーイベントを含む場合、判定部４０９は、これらのプレーイベントによって示される各ユーザのプレーの類似度を判定してもよい。より具体的には、判定部４０９は、抽出された特徴に基づいて各ユーザのプレーの特徴空間における距離を算出し（上記の安定度の評価と類似している）、距離に基づいて類似度を判定してもよい。
　解析処理を実行するプロセッサは、さらに、解析によって生成された情報をディスプレイ（例えばスマートフォン２００の出力部２７０に含まれる）に表示させる機能を実現してもよい。この場合、例えば、特徴抽出部４０７によって抽出された特徴を示す情報がディスプレイに表示されてもよい。このような表示のいくつかの例については後述する。
　なお、上記の例において特徴抽出部４０７および判定部４０９によって実行される解析処理は、他の方法による解析処理、例えば特徴の抽出によらない解析処理によって代替されてもよい。例えば、モーションデータ４０１によってある種類のプレーイベントにおけるユーザのモーションが加速度などの波形として示される場合、所定の数のサンプル区間のそれぞれおける波形間の距離に基づいて、上記の安定度や類似度を判定してもよい。また、解析処理では、例えばユーザのプレーの癖が検出されてもよい。
　図４は、図３に示した例におけるフィルタ部の機能を概念的に示す図である。図４には、３種類のプレーイベント１１０１からなる時系列から、同じ種類のプレーイベント群１１０３が抽出される例が示されている。より具体的には、プレーイベント１１０１は、フォアハンドストローク（ＦＨＳＴ）のプレーイベント１１０１ａと、バックハンドストローク（ＢＨＳＴ）のプレーイベント１１０１ｂと、サーブ（ＳＲＶ）のプレーイベント１１０１ｃとを含む。プレーイベント群１１０３は、フォアハンドストロークのプレーイベント群１１０３ａと、バックハンドストロークのプレーイベント群１１０３ｂと、サーブのプレーイベント群１１０３ｃとを含む。
　例えば、フィルタ部４０５は、プレーイベント１１０１の時系列から、プレーイベント群１１０３ａ～１１０３ｃを抽出する。プレーイベント群１１０３ａ～１１０３ｃは、同時並行的に抽出されて、それぞれのプレーイベント群についての解析処理が特徴抽出部４０７および判定部４０９で実行され、複数のプレーイベント種類についての解析結果が同時に出力されてもよい。あるいは、プレーイベント群１１０３ａ～１１０３ｃは、そのうちの一部だけが抽出されて、抽出されたプレーイベント群についての解析処理が特徴抽出部４０７および判定部４０９で実行されてもよい。
　なお、図示された例では、単一のユーザのプレーイベント１１０１からプレーイベント群１１０３が抽出されているが、複数のユーザのプレーイベントからプレーイベント群を抽出する場合についても同様である。この場合、プレーイベント群に含まれるプレーイベントのデータには、例えばどのユーザのプレーイベントであるかを示すユーザＩＤなどのメタデータが付加されてもよい。続く図５～図７を参照した説明では、単一のユーザのプレーイベントからプレーイベント群が抽出された場合の例について説明する。複数のユーザのプレーイベントからプレーイベント群が抽出された場合の例については、さらに後で説明する。
　（２－１．単一のユーザのプレーイベントの解析）
　図５は、図４の例において抽出されたプレーイベント群に対する解析の例を示す図である。図５を参照すると、フィルタ部４０５によって抽出されたプレーイベント群１１０３ａ～１１０３ｃのそれぞれについて、特徴抽出部４０７が各プレーイベントの特徴を抽出し、判定部４０９が各プレーイベントの特徴の分散（Distribution）に基づいて安定度（Stability）を評価する。
　ここで、各プレーイベントの特徴は、例えば多次元の特徴ベクトルとして表現される。図では、このような特徴ベクトルの分散が、２次元平面において表現されている。例えば、解析処理を実行するプロセッサによって解析によって生成された情報をディスプレイに表示させる機能が実現される場合、このような、各プレーイベントの特徴空間での分散を２次元平面において示す情報が表示されてもよい。なお、多次元の特徴ベクトルを２次元平面や３次元空間において可視化する技術については、既によく知られているため、ここでは詳細な説明を省略する。
　図示された例では、各プレーイベントの特徴の分散が、プレーイベント群１１０３ごとに大きく異なっている。従って、分散に基づいて評価される安定度も、プレーイベント群１１０３ごとに大きく異なる。次の図を参照して説明するように、安定度は、プレーの習熟度を示す指標として用いることができる場合がある。従って、図示された例では、プレーの習熟度を、プレーイベント群１１０３ごと、すなわちプレーイベントの種類ごとに判定できることになる。安定度が高いほど習熟度が高いとした場合、図示された例のユーザは、フォアハンドストロークについては習熟度が比較的高く、バックハンドストロークについては習熟度が比較的低く、サーブについては習熟度が中程度であることが推定される。このように、習熟度などの情報がプレーイベントの種類、テニスの例であればショットの種類ごとに生成される点は、本実施形態の利点の１つである。
　図６は、図５の例において示されたプレーイベントの特徴の分散と習熟度との関係について説明するための図である。図６を参照すると、フォアハンドストロークについての２つのプレーイベント群１１０３ａ１，１１０３ａ２について、分散（Distribution）に基づいて安定度（Stability）が評価されている。ここで、プレーイベント群１１０３ａ１はテニス上級者のフォアハンドストロークのプレーイベント群であり、プレーイベント群１１０３ａ２はテニス初級者のフォアハンドストロークのプレーイベント群である。
　本発明者らが立てた仮説によると、同じ種類のショットのプレーイベント群に含まれるプレーイベントの特徴の分散は、習熟度が高いほど小さくなる。従って、上級者のプレーイベント群１１０３ａ１に含まれる各プレーイベントの特徴空間での分散は、初級者のプレーイベント群１１０３ａ２に含まれる各プレーイベントの特徴空間での分散よりも小さい。これは、習熟度が高い上級者ほどスイングのモーションのばらつきが小さく、多くのケースで同じようなスイングができるためと考えられる。
　ここで、例えばプレーイベントがテニスのショットについて定義されるような場合、ショット時のユーザのモーションに基づいて定義されるプレーイベントの特徴は、ショットの種類によって異なる。従って、プレーイベントの特徴分散を、異なる種類のプレーイベント（ショット）が混在した状態で算出しても、図６に示したような分散と安定度、および習熟度の関係は成り立たない。従って、上記のような特徴に基づく安定度の評価、および安定度に基づく習熟度の判定が可能になるのも、プレーイベントが同じ種類に分類されるプレーイベント群ごとに解析される本実施形態の利点の１つであるといえる。
　図７は、図４の例におけるプレーイベントの特徴に基づく解析の他の例を示す図である。図７を参照すると、特徴空間において、さまざまな習熟度のプレーヤ（ユーザ）のプレーイベントの特徴が分布する領域Ａ１～Ａ３が定義されている。領域Ａ１は初級のプレーヤの特徴が分布する領域であり、領域Ａ２は中級のプレーヤの特徴が分布する領域であり、領域Ａ３は上級のプレーヤの特徴が分布する領域である。
　図示された例は、判定部４０９が、プレーイベントの種類（例えばスイングの種類）ごとに予め収集された、習熟度（上級・中級・初級）ごとの教師データに基づいて学習される習熟度判定器を用いて習熟度を判定するケースに対応する。図示された例において、習熟度判定器は、それぞれの習熟度のプレーヤのプレーイベントの特徴の分布を教師データとする学習によって形成される。例えば図７に示したような２次元平面での領域の表現も、例えば解析処理を実行するプロセッサによって解析によって生成された情報をディスプレイに表示させる機能が実現される場合に利用されてもよい。
　さらに、図示された例では、特徴空間において、あるユーザの特徴分布の時系列遷移を示す点Ｐが示されている。この例では、サービス利用開始当初は初級の領域Ａ１の点Ｐ１にあったユーザの特徴分布の中心が、上達に従って中級の領域Ａ２の点Ｐ２まで遷移し、さらに現在は上級の領域Ａ３に向かって移動して点Ｐ３（まだ中級の領域Ａ２）にあることが示されている。このような時系列遷移の表現も、解析によって生成された情報の表示に利用されてもよい。
　図８および図９は、本実施形態における単一のユーザのプレーイベントの解析結果のさらなる例を示す図である。これらの例のような解析結果の表現も、解析によって生成された情報の表示に利用されてもよい。
　図８に示す例では、上記で図５および図６を参照して説明されたプレーイベントの特徴の安定度（Stability）の、１日の中での時間的な変化が検出されている。図示された例では、ユーザがほぼ１日中（だいたい10:00から17:00まで）プレーしていたある日について、１時間ごとのプレーイベントの特徴の安定度が時間を横軸として、始点Ｐｓから終点Ｐｅまでの折れ線によって表現されている。このような表現によって、例えば、１日の中でのプレーの安定度の変化から、「ウォーミングアップに必要な時間」や、「疲れてプレーに影響が出るまでの時間」といった情報を得ることができる。
　なお、例えば図８に示すように、ユーザのプレー全体に関する情報を得る場合には、プレーイベントの種類ごとに算出された特徴の安定度が、各種類のプレーイベントについて平均されて出力されてもよい。上述の通り、意味のある安定度を算出するためにはプレーイベントの種類ごとに解析処理を実行することが有効であるが、安定度が算出された後はプレーイベントの種類を超えた平均などの処理を実行してもよい。
　図９に示す例では、上記で図５および図６を参照して説明されたプレーイベントの特徴の安定度（Stability）が、数カ月にわたる比較的長い期間での時間的な変化が検出されている。図示された例では、１月から７月までの期間について、１カ月ごとのプレーイベントの特徴の安定度が時間を横軸として表現されている。例えば、期間を通じたプレーの安定度の変化から、過去数カ月でプレーがどの程度上達したかを知ることができる。図示された例のように、安定度をプレーイベント（ショット）の種類ごとに表現すれば、それぞれの種類のプレーイベントに対応するプレーの上達具合を比較することもできる。また、同様の表現を、同じ種類のプレーイベントについての異なるユーザの間での安定度の比較に利用してもよい。
　（２－２．複数のユーザのプレーイベントの解析）
　図１０は、本開示の一実施形態における複数のユーザのプレーイベントの解析の例について説明するための図である。図１０を参照すると、解析処理を実行するプロセッサは、複数のユーザのプレーイベントから特徴抽出部４０７によって抽出された特徴データ４１１に基づいて、比較処理４１３を実行し、解析結果４１５を得る。解析結果４１５は、例えば、以下で説明する各プレーヤのプレーの特徴マップや、類似プレーヤマップなどを含みうる。
　また、比較処理４１３では、さらに、特徴データ４１１にプレーイベントの特徴データが含まれる第１のユーザに提供するための付帯情報４１７が用いられてもよい。この場合、比較処理４１３の結果によってプレーが第１のユーザと類似していることが示される第２のユーザ（同じく、特徴データ４１１にプレーイベントの特徴データが含まれる）に、第１のユーザのための付帯情報４１７が提供されてもよい。付帯情報４１７は、例えば、ユーザの特定の種類のプレー（テニスの場合、例えばフォアハンドストローク）へのアドバイスや、ユーザの過去の対戦相手とその感想、などを含みうる。特徴データ４１１によってプレーが第１のユーザに類似していることが示される第２のユーザに対しては、第１のユーザと同じ付帯情報４１７が有効である可能性が高い。
　図１１は、本開示の一実施形態における複数のユーザのプレーイベントの解析の例についてより具体的に説明するための図である。図１１を参照すると、解析処理を実行するプロセッサは、クエリ４１９を発行して、モーションデータ４２１からのデータの抽出処理４２３を実行する。抽出されたデータからは、解析処理４２５によって解析結果４２７が得られる。さらに、解析結果４２７に基づく表示処理４２９によって、解析結果の表示４３１が実現される。
　クエリ４１９では、例えば、抽出するプレーイベントの種類（例えばテニスであれば、ショットの種類、フォアハンドストロークやバックハンドストローク、サーブなど）と、抽出対象のユーザとが指定される。例えば、サーバ３００の記憶部３３０のデータベースには、多くのユーザのモーションデータ４２１が格納されているが、本実施形態におけるプレーイベントの解析、例えばプレーの類似度の判定が有効に実行できるユーザの数は限られているため、対象のユーザが限定されてもよい。また、モーションデータも個人情報の一種であるため、公開対象（友人まで、など）が限定されていることによって、抽出対象のユーザが限定されてもよい。
　解析処理４２５では、上述した特徴抽出部４０７および判定部４０９の処理が実行される。つまり、抽出されたモーションデータ（クエリ４１９によって、特定の種類のプレーイベントに限定されている）からプレーイベントの特徴を抽出し、抽出した特徴に基づいて類似度などの判定が実施される。例えば、解析処理４２５において複数のプレーヤ（ユーザ）のプレーの特徴空間での距離を算出する場合、以下に示すようなプログラムによって処理が実行されうる。
　for　i=1,...,N
　　for　j=i+1,...,N
　　（プレーヤｉとプレーヤｊの特徴間の平均距離を算出）
　　（算出された距離をＣ（ｉ，ｊ）に代入）
　　end
　end
　上記の場合、各プレーヤのプレーの特徴空間での距離を示す解析結果４２７は、行列Ｃを含みうる。上記のプログラムに示されるように、行列Ｃでは、要素Ｃ（ｉ，ｊ）が、ｉ番目のプレーヤのプレーとｊ番目のプレーヤのプレーとの特徴空間での距離を示す。さらに、この場合、表示処理４２９では、以下の式１に示すような最適化問題を解く処理によって、行列Ｃで表現された各ユーザのプレーの特徴空間での距離が２次元平面において表現される。
Figure JPOXMLDOC01-appb-M000001
　図１２および図１３は、図１１に示した解析の結果を２次元平面において表現する情報の例を示す図である。図示された例では、実際に複数のユーザがテニスをプレーしたときに、ラケットに装着したセンサ装置１００を用いて３軸の加速度および角速度のデータ（モーションデータ）を取得し、それぞれのユーザのモーションデータから抽出された特徴の特徴空間での位置関係を２次元平面において表現した。図１２は種類（スイング種類）がフォアハンドストロークのプレーイベントについての特徴を示し、図１３は種類がサーブのプレーイベントについての特徴を示す。例えばこれらの図に示したような２次元平面での領域の表現も、例えば解析処理を実行するプロセッサによって解析によって生成された情報をディスプレイに表示させる機能が実現される場合に利用されてもよい。
　上記の例では、図１２、図１３とも、女性のプレーヤ（ユーザ）の特徴が、２次元平面における領域Ａｗに集中して分布する傾向が見られた。この傾向が具体的に何を表しているかについてはさまざまな推測が可能である。この結果から、プレーイベントの種類ごとに特徴の解析を実施したことによって、解析結果において何らかの傾向が現れやすくなっていると推定される。
　図１４および図１５は、本実施形態における複数のユーザのプレーイベントの解析結果のさらなる例を示す図である。これらの例のような解析結果の表現も、解析によって生成された情報の表示に利用されてもよい。
　図１４に示す例では、あるユーザのサーブについてのプレーイベント群１１０３ｃ１によって示されるプレー（サーブ）が、比較対象となる他のユーザ（例えばプロのプレーヤであってもよい）のうち誰のプレーに似ているかが判定される。この場合、ユーザのプレーイベント群１１０３ｃ１に含まれるプレーイベントの特徴が、他のユーザのプレーイベント群１１０３ｃ２～１１０３ｃ４のそれぞれに含まれるプレーイベントの特徴と比較され、プレーイベント群１１０３ｃ２～１１０３ｃ４のそれぞれについて類似度が算出される。図示された例では、プレーイベント群１１０３ｃ３との類似度が最も高かったため、ユーザがプレーイベント群１１０３ｃ３のユーザと共通するタイプであることを示す解析結果１１０５が出力されている。
　図１５に示す例では、サーブについてのプレーイベント群１１０３ｃによって示されるプレー（サーブ）について、各ユーザのプレーイベントの特徴を２次元平面にマッピングし、各ユーザを示すアイコンとともに表示する解析結果１１０７が出力されている。解析結果１１０７は、例えば図１２および図１３を参照して説明したマップと類似しているが、例えばアイコンとともに表示することで、各ユーザのプレーの類似度マップであることがよりわかりやすくなる。
　（３．ハードウェア構成）
　次に、図１６および図１７を参照して、本開示の実施形態に係るセンサ装置および解析装置（上述した例ではセンサ装置、スマートフォンまたはサーバ）を実現するためのハードウェア構成の例について説明する。
　　（センサ装置）
　図１６は、本開示の実施形態に係るセンサ装置のハードウェア構成の例を示す図である。図１６を参照すると、センサ装置１００は、センサ１０１と、ＣＰＵ（Central　Processing　Unit）１０３と、ＲＯＭ（Read　Only　Memory）１０５と、ＲＡＭ（Random　Access　Memory）１０７と、ユーザインターフェース１０９と、外部記憶装置１１１と、通信装置１１３と、出力装置１１５とを含みうる。これらの要素は、例えばバスによって相互に接続される。
　センサ１０１は、例えば加速度センサ、角速度センサ、振動センサ、地磁気センサ、温度センサ、圧力センサ（押下スイッチを含む）、またはＧＰＳ（Global　Positioning　System）受信機などを含む。センサ１０１は、カメラ（イメージセンサ）やマイクロフォン（音センサ）を含んでもよい。
　ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７は、例えば外部記憶装置１１１に記録されたプログラム命令を読み込んで実行することによって、様々な機能をソフトウェア的に実現する。本開示の実施形態では、ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７によって、例えば、センサ装置１００全体の制御などの機能が実現されうる。
　ユーザインターフェース１０９は、センサ装置１００へのユーザ操作を受け付ける、例えばボタンやタッチパネルなどの入力装置である。ユーザの操作は、例えば、センサ装置からのセンサ情報の送信の開始や終了を指示するものでありうる。
　外部記憶装置１１１は、センサ装置１００に関する各種の情報を記憶する。外部記憶装置１１１には、例えば、ＣＰＵ１０３、ＲＯＭ１０５、およびＲＡＭ１０７にソフトウェア的に機能を実現させるためのプログラム命令が格納されてもよく、またセンサ１０１によって取得されたデータが一時的にキャッシュされてもよい。センサ装置１００が打具などに装着されることを考慮すると、外部記憶装置１１１としては、例えば半導体メモリなどの衝撃に強いものを使用することが望ましい。
　なお、上述した、スマートフォン２００がスポーツをプレーしているユーザの近傍に配置されない場合における、センサ装置１００において検出されたデータを蓄積する内部の記憶領域（メモリまたは外部記憶装置）に対応する構成は、ＲＯＭ１０５、ＲＡＭ１０７、および／または外部記憶装置１１１である。
　通信装置１１３は、有線または無線の各種通信方式によって後述する解析装置６００と通信する。また、通信装置１１３は、機器間通信によって直接的に解析装置６００と通信してもよいし、インターネットなどのネットワークを介して解析装置６００と通信してもよい。
　出力装置１１５は、情報を光、音声または画像として出力することが可能な装置で構成される。出力装置１１５は、例えばセンサ装置１００における時刻やプレーイベントの検出を通知する情報を出力してもよいし、解析装置６００から受信された解析結果、またはセンサ装置１００において算出された解析結果に基づいて、ユーザに対する視覚的または聴覚的な通知を出力してもよい。出力装置１１５は、例えば、例えばＬＥＤなどのランプ、ＬＣＤなどのディスプレイ、スピーカ、またはバイブレータなどを含む。
　　（解析装置）
　図１７は、本開示の実施形態に係る解析装置のハードウェア構成の例を示す図である。解析装置６００は、本開示の実施形態に係る解析装置、例えば上記で説明したスマートフォン２００またはサーバ３００を実現しうる。なお、上述のように、解析装置は、センサ装置１００によって実現されてもよい。
　解析装置６００は、ＣＰＵ６０１と、ＲＯＭ６０３と、ＲＡＭ６０５と、ユーザインターフェース６０９と、外部記憶装置６１１と、通信装置６１３と、出力装置６１５とを含みうる。これらの要素は、例えばバスによって相互に接続される。
　ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５は、例えば外部記憶装置６１１に記録されたプログラム命令を読み込んで実行することによって、様々な機能をソフトウェア的に実現する。本開示の実施形態では、ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５によって、例えば、解析装置６００全体の制御や、上記の機能構成における処理部の機能などが実現されうる。
　ユーザインターフェース６０９は、解析装置６００へのユーザ操作を受け付ける、例えばボタンやタッチパネルなどの入力装置である。
　外部記憶装置６１１は、解析装置６００に関する各種の情報を記憶する。外部記憶装置６１１には、例えば、ＣＰＵ６０１、ＲＯＭ６０３、およびＲＡＭ６０５にソフトウェア的に機能を実現させるためのプログラム命令が格納されてもよく、また通信装置６１３が受信したセンサ情報が一時的にキャッシュされてもよい。また、外部記憶装置６１１には、解析結果のログが蓄積されてもよい。
　出力装置６１５は、情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置６１５は、例えば、ＬＣＤ（Liquid　Crystal　Display）などの表示装置、またはスピーカやヘッドホンなどの音声出力装置などでありうる。出力装置６１５は、解析装置６００の処理により得られた結果を、テキストまたは画像などの映像として出力したり、音声または音響などの音声として出力したりする。
　以上、センサ装置１００および解析装置６００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。
　（４．補足）
　本開示の実施形態は、例えば、上記で説明したような解析装置（スマートフォンなどの情報処理端末、サーバ、またはセンサ装置）、システム、解析装置またはシステムで実行される情報処理方法、解析装置を機能させるためのプログラム、およびプログラムが記録された一時的でない有形の媒体を含みうる。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、
　前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、
　前記抽出された複数のプレーイベントを示すデータを解析する解析機能と
　を実現するプロセッサを備える解析装置。
（２）前記解析機能は、前記抽出された複数のプレーイベントに対応する前記モーションの特徴を解析する、前記（１）に記載の解析装置。
（３）前記抽出された複数のプレーイベントは、単一のユーザのプレーイベントであり、
　前記解析機能は、前記抽出された複数のプレーイベントによって示される前記単一のユーザのプレーを前記特徴に基づいて評価する、前記（２）に記載の解析装置。
（４）前記解析機能は、前記単一のユーザのプレーの安定度を前記特徴に基づいて評価する、前記（３）に記載の解析装置。
（５）前記解析機能は、前記単一のユーザのプレーの習熟度を前記安定度に基づいて判定する、前記（４）に記載の解析装置。
（６）前記解析機能は、前記特徴の時間的な変化を検出する、前記（３）～（５）のいずれか１項）に記載の解析装置。
（７）前記抽出された複数のプレーイベントは、複数のユーザのプレーイベントを含み、
　前記解析機能は、前記抽出された複数のプレーイベントのそれぞれによって示される前記複数のユーザのプレーを前記特徴に基づいて比較する、前記（２）に記載の解析装置。
（８）前記複数のユーザは、第１のユーザおよび第２のユーザを含み、
　前記解析機能は、前記プレーに関して第１のユーザに提供される情報を、前記比較の結果によって前記プレーが前記第１のユーザと類似していることが示される前記第２のユーザにも提供する、前記（７）に記載の解析装置。
（９）前記プロセッサは、前記解析によって生成された情報をディスプレイに表示させる表示制御機能をさらに実現する、前記（１）～（８）のいずれか１項）に記載の解析装置。
（１０）前記解析機能は、前記抽出された複数のプレーイベントに対応する前記モーションの特徴を解析し、
　前記表示制御機能は、前記特徴を示す情報を表示させる、前記（９）に記載の解析装置。
（１１）前記抽出された複数のプレーイベントは、複数のユーザのプレーイベントを含み、
　前記表示制御機能は、前記複数のユーザの前記特徴を２次元平面において示す情報を表示させる、前記（１０）に記載の解析装置。
（１２）スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、
　前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、
　前記抽出された複数のプレーイベントを示すデータを解析する解析機能と
　をコンピュータに実現させるためのプログラムが格納された記録媒体。
（１３）スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得することと、
　前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出することと、
　前記抽出された複数のプレーイベントを示すデータを解析することと
　を含む解析方法。
　１０　　　システム
　１００　　センサ装置
　１１０　　センサ
　１２０　　処理部
　２００　　スマートフォン
　２１０　　受信部
　２２０　　処理部
　３００　　サーバ
　３１０　　受信部
　３２０　　処理部
　４０１　　メタデータ
　４０３　　モーションデータ
　４０５　　フィルタ部
　４０７　　特徴抽出部
　４０９　　判定部
 

Claims (13)

  1. 　スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、
    　前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、
    　前記抽出された複数のプレーイベントを示すデータを解析する解析機能と
    　を実現するプロセッサを備える解析装置。
  2. 　前記解析機能は、前記抽出された複数のプレーイベントに対応する前記モーションの特徴を解析する、請求項１に記載の解析装置。
  3. 　前記抽出された複数のプレーイベントは、単一のユーザのプレーイベントであり、
    　前記解析機能は、前記抽出された複数のプレーイベントによって示される前記単一のユーザのプレーを前記特徴に基づいて評価する、請求項２に記載の解析装置。
  4. 　前記解析機能は、前記単一のユーザのプレーの安定度を前記特徴に基づいて評価する、請求項３に記載の解析装置。
  5. 　前記解析機能は、前記単一のユーザのプレーの習熟度を前記安定度に基づいて判定する、請求項４に記載の解析装置。
  6. 　前記解析機能は、前記特徴の時間的な変化を検出する、請求項３に記載の解析装置。
  7. 　前記抽出された複数のプレーイベントは、複数のユーザのプレーイベントを含み、
    　前記解析機能は、前記抽出された複数のプレーイベントのそれぞれによって示される前記複数のユーザのプレーを前記特徴に基づいて比較する、請求項２に記載の解析装置。
  8. 　前記複数のユーザは、第１のユーザおよび第２のユーザを含み、
    　前記解析機能は、前記プレーに関して第１のユーザに提供される情報を、前記比較の結果によって前記プレーが前記第１のユーザと類似していることが示される前記第２のユーザにも提供する、請求項７に記載の解析装置。
  9. 　前記プロセッサは、前記解析によって生成された情報をディスプレイに表示させる表示制御機能をさらに実現する、請求項１に記載の解析装置。
  10. 　前記解析機能は、前記抽出された複数のプレーイベントに対応する前記モーションの特徴を解析し、
    　前記表示制御機能は、前記特徴を示す情報を表示させる、請求項９に記載の解析装置。
  11. 　前記抽出された複数のプレーイベントは、複数のユーザのプレーイベントを含み、
    　前記表示制御機能は、前記複数のユーザの前記特徴を２次元平面において示す情報を表示させる、請求項１０に記載の解析装置。
  12. 　スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得する取得機能と、
    　前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出する抽出機能と、
    　前記抽出された複数のプレーイベントを示すデータを解析する解析機能と
    　をコンピュータに実現させるためのプログラムが格納された記録媒体。
  13. 　スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得することと、
    　前記プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出することと、
    　前記抽出された複数のプレーイベントを示すデータを解析することと
    　を含む解析方法。
     
PCT/JP2014/079389 2013-12-27 2014-11-06 解析装置、記録媒体および解析方法 WO2015098304A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2015554651A JP6458739B2 (ja) 2013-12-27 2014-11-06 解析装置、記録媒体および解析方法
EP14875753.7A EP3088058A4 (en) 2013-12-27 2014-11-06 Analysis device, recording medium, and analysis method
US15/033,755 US10558854B2 (en) 2013-12-27 2014-11-06 Analysis device, recording medium, and analysis method
CN201480069802.6A CN105828894A (zh) 2013-12-27 2014-11-06 分析装置、记录介质及分析方法
US16/730,168 US11042731B2 (en) 2013-12-27 2019-12-30 Analysis device, recording medium, and analysis method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013-273516 2013-12-27
JP2013273516 2013-12-27

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US15/033,755 A-371-Of-International US10558854B2 (en) 2013-12-27 2014-11-06 Analysis device, recording medium, and analysis method
US16/730,168 Continuation US11042731B2 (en) 2013-12-27 2019-12-30 Analysis device, recording medium, and analysis method

Publications (1)

Publication Number Publication Date
WO2015098304A1 true WO2015098304A1 (ja) 2015-07-02

Family

ID=53478182

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/079389 WO2015098304A1 (ja) 2013-12-27 2014-11-06 解析装置、記録媒体および解析方法

Country Status (5)

Country Link
US (2) US10558854B2 (ja)
EP (1) EP3088058A4 (ja)
JP (1) JP6458739B2 (ja)
CN (1) CN105828894A (ja)
WO (1) WO2015098304A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017189492A (ja) * 2016-04-15 2017-10-19 セイコーエプソン株式会社 表示方法、スイング解析装置、スイング解析システム、スイング解析プログラム、および記録媒体
JP2017189490A (ja) * 2016-04-15 2017-10-19 セイコーエプソン株式会社 表示方法、スイング解析装置、スイング解析システム、スイング解析プログラム、および記録媒体

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103917278B (zh) * 2011-11-08 2017-05-17 索尼公司 传感器装置、分析装置与记录介质
US20150352404A1 (en) * 2014-06-06 2015-12-10 Head Technology Gmbh Swing analysis system
US10706740B2 (en) * 2014-12-24 2020-07-07 Sony Corporation System and method for processing sensor data
JP2018093979A (ja) * 2016-12-09 2018-06-21 セイコーエプソン株式会社 運動診断装置、運動診断システム、プログラム、記録媒体及び運動診断方法
JP7385826B2 (ja) * 2019-11-08 2023-11-24 オムロン株式会社 動作分析装置、動作分析方法及び動作分析プログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0581232A (ja) * 1991-09-19 1993-04-02 Fujitsu Ltd スウイング動作時の運動解析方式
WO2012138605A2 (en) * 2011-04-05 2012-10-11 Nike International Ltd. Systems and methods for storing and analyzing golf data, including community and individual golf data collection and storage at a central hub
US20120277890A1 (en) * 2011-04-29 2012-11-01 Zheng Han Method of Ball Game Motion Recognition, Apparatus for the same, and motion assisting device
JP2012254205A (ja) 2011-06-09 2012-12-27 Seiko Epson Corp スイング分析装置、スイング分析プログラム、および記録媒体
US20130053190A1 (en) * 2011-08-29 2013-02-28 Icuemotion, Llc Racket sport inertial sensor motion tracking and analysis
JP2013244405A (ja) * 2012-05-23 2013-12-09 Babolat Vs テニスラケットを使用するときの再現性指標を計算するための方法

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060025229A1 (en) * 2003-12-19 2006-02-02 Satayan Mahajan Motion tracking and analysis apparatus and method and system implementations thereof
US9229540B2 (en) * 2004-01-30 2016-01-05 Electronic Scripting Products, Inc. Deriving input from six degrees of freedom interfaces
US20060084516A1 (en) * 2004-07-28 2006-04-20 Smartswing, Inc. Method and system for defining and using a reference swing for a sports training system
US7219033B2 (en) * 2005-02-15 2007-05-15 Magneto Inertial Sensing Technology, Inc. Single/multiple axes six degrees of freedom (6 DOF) inertial motion capture system with initial orientation determination capability
US20070105664A1 (en) * 2005-11-07 2007-05-10 Fun Racquets, Inc. Racquet with Entertainment and Performance Feedback
US20070135225A1 (en) * 2005-12-12 2007-06-14 Nieminen Heikki V Sport movement analyzer and training device
US7536033B2 (en) * 2006-03-03 2009-05-19 Richard Albert Kirby Portable swing analyzer
US20080200287A1 (en) * 2007-01-10 2008-08-21 Pillar Vision Corporation Trajectory detection and feedfack system for tennis
WO2009020886A1 (en) * 2007-08-03 2009-02-12 Pro Tee Systems, Inc. Golf gaming systems and methods
US8622795B2 (en) * 2008-12-04 2014-01-07 Home Box Office, Inc. System and method for gathering and analyzing objective motion data
US20110021280A1 (en) * 2009-07-27 2011-01-27 Vladimir Boroda Hitting technique by identifying ball impact points
EP2752224A1 (en) * 2009-09-25 2014-07-09 Head Technology GmbH Apparatus and method for enhancing performance in racket sports
JP2011232445A (ja) * 2010-04-26 2011-11-17 Sony Corp 情報処理装置、出題傾向設定方法及びプログラム
US8941723B2 (en) * 2010-08-26 2015-01-27 Blast Motion Inc. Portable wireless mobile device motion capture and analysis system and method
US9626554B2 (en) * 2010-08-26 2017-04-18 Blast Motion Inc. Motion capture system that combines sensors with different measurement ranges
JP2012228351A (ja) * 2011-04-26 2012-11-22 Dunlop Sports Co Ltd 打感の評価方法
JP5273214B2 (ja) * 2011-06-30 2013-08-28 株式会社デンソー 近距離無線通信装置
US20130018494A1 (en) * 2011-07-14 2013-01-17 Alexander Andre Amini System and method for motion analysis and feedback with ongoing dynamic training orientation determination
US8419560B2 (en) * 2011-07-14 2013-04-16 Alexander Andre Amini System and method for adaptive delivery of game balls based on player-specific performance data analysis
US9327177B2 (en) * 2011-10-14 2016-05-03 Dunlop Sports Co. Ltd. Tennis swing analysis method
EP2602779A3 (en) * 2011-10-14 2015-11-25 Dunlop Sports Co., Ltd. Device, method and computer-program for fitting tennis racket
US9311727B2 (en) * 2011-10-14 2016-04-12 Dunlop Sports Co. Ltd. Device, system, method and computer-readable storage medium for analyzing tennis swing motion
US9101812B2 (en) * 2011-10-25 2015-08-11 Aquimo, Llc Method and system to analyze sports motions using motion sensors of a mobile device
US9161708B2 (en) * 2013-02-14 2015-10-20 P3 Analytics, Inc. Generation of personalized training regimens from motion capture data

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0581232A (ja) * 1991-09-19 1993-04-02 Fujitsu Ltd スウイング動作時の運動解析方式
WO2012138605A2 (en) * 2011-04-05 2012-10-11 Nike International Ltd. Systems and methods for storing and analyzing golf data, including community and individual golf data collection and storage at a central hub
US20120277890A1 (en) * 2011-04-29 2012-11-01 Zheng Han Method of Ball Game Motion Recognition, Apparatus for the same, and motion assisting device
JP2012254205A (ja) 2011-06-09 2012-12-27 Seiko Epson Corp スイング分析装置、スイング分析プログラム、および記録媒体
US20130053190A1 (en) * 2011-08-29 2013-02-28 Icuemotion, Llc Racket sport inertial sensor motion tracking and analysis
JP2013244405A (ja) * 2012-05-23 2013-12-09 Babolat Vs テニスラケットを使用するときの再現性指標を計算するための方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A. AHMADI ET AL.: "Towards a wearable device for skill assessment and skillacquisition of a tennis player during the first serve", SPORTS TECHNOLOGY, 2010, vol. 2, no. 3-4, 2009, pages 129 - 136, XP055355384 *
S. KITAHARA ET AL.: "A Proposal on Automatic Analysis Method of Tennis Play Using Movies of Tennis Match", ITE TECHNICAL REPORT, vol. 37, no. 35, August 2013 (2013-08-01), pages 51 - 54, XP008184069 *
See also references of EP3088058A4
ZEPP LAB: "Zepp Tennis User Guide", Retrieved from the Internet <URL:https://zepp.zendesk.com/entries/22649719-Zepp-Tennis-User-Guide> [retrieved on 20150116] *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017189492A (ja) * 2016-04-15 2017-10-19 セイコーエプソン株式会社 表示方法、スイング解析装置、スイング解析システム、スイング解析プログラム、および記録媒体
JP2017189490A (ja) * 2016-04-15 2017-10-19 セイコーエプソン株式会社 表示方法、スイング解析装置、スイング解析システム、スイング解析プログラム、および記録媒体

Also Published As

Publication number Publication date
JP6458739B2 (ja) 2019-01-30
US10558854B2 (en) 2020-02-11
US20200134303A1 (en) 2020-04-30
CN105828894A (zh) 2016-08-03
US11042731B2 (en) 2021-06-22
JPWO2015098304A1 (ja) 2017-03-23
EP3088058A1 (en) 2016-11-02
EP3088058A4 (en) 2017-09-06
US20160253553A1 (en) 2016-09-01

Similar Documents

Publication Publication Date Title
JP6458739B2 (ja) 解析装置、記録媒体および解析方法
WO2020233464A1 (zh) 模型训练方法、装置、存储介质及设备
AU2017331639B2 (en) A system and method to analyze and improve sports performance using monitoring devices
US10769796B2 (en) Information processing apparatus, information processing method and recording medium
JP2014183931A (ja) 情報処理装置、センサ装置、情報処理システムおよび記録媒体
WO2012063560A1 (ja) 画像処理システム、画像処理方法、及び画像処理プログラムを記憶した記憶媒体
US20160346612A1 (en) Enhancing Exercise Through Augmented Reality
US10441847B2 (en) Framework, devices, and methodologies configured to enable gamification via sensor-based monitoring of physically performed skills, including location-specific gamification
CN111698564B (zh) 信息推荐方法、装置、设备及存储介质
JP7116097B2 (ja) ターゲット画像の検出による拡張現実経験のロック解除
JP2019136493A (ja) 運動の採点方法、システム及びプログラム
JP6432523B2 (ja) 解析装置、記録媒体および解析方法
JP6459979B2 (ja) 解析装置、記録媒体および解析方法
JP2016010714A (ja) 情報処理装置、情報処理システムおよび記録媒体
WO2015098303A1 (ja) 解析装置、記録媒体および解析方法
JP2022075741A (ja) アニメーション生成装置、アニメーション生成方法及びプログラム
US20130225294A1 (en) Detecting illegal moves in a game using inertial sensors
US11995233B2 (en) Biometric feedback captured during viewing of displayed content
WO2015098301A1 (ja) 解析装置、記録媒体および解析方法
CN117752998A (zh) 一种数据处理方法、装置、设备及介质
Gorla Active mobile interface for smart health

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: 14875753

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2015554651

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15033755

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2014875753

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2014875753

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE