WO2017069115A1 - 評価情報提供システムおよび評価情報提供方法 - Google Patents

評価情報提供システムおよび評価情報提供方法 Download PDF

Info

Publication number
WO2017069115A1
WO2017069115A1 PCT/JP2016/080827 JP2016080827W WO2017069115A1 WO 2017069115 A1 WO2017069115 A1 WO 2017069115A1 JP 2016080827 W JP2016080827 W JP 2016080827W WO 2017069115 A1 WO2017069115 A1 WO 2017069115A1
Authority
WO
WIPO (PCT)
Prior art keywords
attribute
user
data
evaluation information
information providing
Prior art date
Application number
PCT/JP2016/080827
Other languages
English (en)
French (fr)
Inventor
伸一 山際
吉伸 河原
規之 田渕
良信 渡辺
鳴尾　丈司
清水　雄一
翔平 柴田
Original Assignee
国立大学法人 筑波大学
国立大学法人大阪大学
美津濃株式会社
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 国立大学法人 筑波大学, 国立大学法人大阪大学, 美津濃株式会社 filed Critical 国立大学法人 筑波大学
Priority to US15/542,382 priority Critical patent/US10460451B2/en
Priority to EP16857429.1A priority patent/EP3366359A4/en
Publication of WO2017069115A1 publication Critical patent/WO2017069115A1/ja

Links

Images

Classifications

    • 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
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • 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
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/065—Visualisation of specific exercise parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing

Definitions

  • the present disclosure relates to an evaluation information providing system and an evaluation information providing method, and in particular, information for evaluating a user's operation using two or more operation data and user operation data stored in a storage device.
  • the present invention relates to an evaluation information providing system and an evaluation information providing method to be generated.
  • Non-Patent Document 1 disclose motion modeling for a ski robot.
  • Patent Document 1 and Non-Patent Document 4 disclose motion modeling for running.
  • Patent Document 2 discloses a motion modeling for a golf swing.
  • Patent Documents 3 and 4 disclose processing using a score determined using a motion model.
  • the model of operation provided by the conventional technology is uniform. Therefore, it may not be said that the user's operation could be evaluated based on various criteria.
  • the present disclosure has been devised in view of such circumstances, and its purpose is to enable the evaluation information providing system to allow the user to evaluate the user's operation based on various criteria. is there.
  • an evaluation information providing system acquires a designation of an attribute and a first calculation unit configured to calculate a statistical distance between each of the two or more pieces of movement data and the movement data of the user.
  • a second calculation unit configured to calculate a user score for the attribute; and an output unit configured to output the user score calculated by the second calculation unit.
  • the second calculation unit is characterized by the attribute acquired by the acquisition unit based on the statistical distance calculated by the first calculation unit for the operation data associated with the attribute acquired by the acquisition unit among the two or more operation data.
  • the feature data representing the data is selected and the statistical distance between the motion data and the feature data associated with the attribute acquired by the acquisition unit and the statistical distance between the user's motion data and the feature data are used. And the score of the user about the attribute which the acquisition part acquired is comprised.
  • Each of the motion data may represent the motion of one or more parts in the subject or user.
  • Each of the motion data may represent the motion of one or more parts in the tool displaced by the subject or the user.
  • the acquisition unit may accept an input for specifying an attribute.
  • the attribute may include a classification for superiority or inferiority of the operation.
  • the classification may be a time distinction about the running time of the marathon.
  • the attribute may include a category for a property other than superiority or inferiority of the operation.
  • the division may distinguish the person who operates.
  • the division may distinguish the tool used for the operation.
  • the second calculation unit is configured to select, as the feature data, the operation data having the smallest statistical distance average value with other operation data among the operation data associated with the attribute acquired by the acquisition unit. May be.
  • the second calculation unit sets the order of the statistical distance to the feature data in the operation data and the user operation data associated with the attribute acquired by the acquisition unit, and based on the order of the user operation data The user's score may be calculated.
  • the second calculation unit is configured to calculate a user score for each of the user operation data at a plurality of timings, and the output unit is configured to output a user score for each of the plurality of timings. It may be.
  • the output unit may further output information for evaluating whether the change in score at a plurality of timings is an increase or decrease in the score as time elapses.
  • the acquisition unit may acquire designation of a plurality of types of attributes.
  • the acquisition unit may be configured to acquire designation of the first type attribute and the second type attribute.
  • the second type of attribute may include two or more types of attributes.
  • the second calculation unit may be configured to acquire feature data that is operation data representing features of the first type of attribute for each type of the second type of attribute.
  • the second calculation unit may calculate a user score for the first type attribute for each type of the second type attribute.
  • the output unit may be configured to output a user score for the first type attribute for each type of the second type attribute.
  • the output unit evaluates the degree of association with the first type attribute in two or more types of the second type attribute by comparing scores for the respective types of the second type attribute. It may be configured to output information.
  • the output unit further calculates the statistical distance calculated by the first calculation unit with respect to the operation data associated with the comparison target attribute for the first type attribute, and the first type attribute and the comparison target attribute. It may be configured to output in a manner of identifying each.
  • evaluation information that outputs information for evaluating a user's action using two or more pieces of the action data of the subject stored in association with the attribute and the action data of the user A providing method.
  • the evaluation information providing method includes a step of calculating a statistical distance between each of the two or more pieces of operation data and the user's operation data, a step of obtaining designation of the attribute, and the two or more pieces of operation data.
  • feature data representing the feature of the attribute is selected from the motion data of the acquired attribute, and the motion data and the feature associated with the acquired attribute Using the statistical distance between the data and the statistical distance between the user's motion data and the feature data to calculate a user score for the acquired attribute; and Outputting a user's score.
  • the evaluation information providing system selects feature data from the motion data associated with the attribute based on a statistical distance for the motion data associated with the attribute, and Using the selected feature data and user action data, a score for the attribute specified by the user is calculated.
  • the selected feature data changes depending on what kind of action data is stored as the action data of the subject, and thereby the calculated score changes. Therefore, the evaluation information providing system can evaluate the user's operation based on various criteria.
  • FIG. 21 is a diagram for simply explaining the tendency shown in each of the graphs G11 to G13 in FIG. It is a figure for demonstrating the input aspect of operation data in the evaluation information provision system of 2nd Embodiment. It is a block diagram which shows the hardware constitutions of the sensor apparatus of 2nd Embodiment. It is a figure which shows the specific example of the detection output of a sensor apparatus. It is an example of the plot in 2nd Embodiment. It is another example of the plot in 2nd Embodiment. It is a figure which shows an example of the display of the attribute specified as a user's swing type in a user terminal.
  • FIG. 1 is a diagram for explaining an overview of an evaluation information providing system.
  • the evaluation information providing system provides the user with information for evaluating the operation of the user based on data on the operation of the user.
  • movement of many test subjects are utilized for the said evaluation.
  • a person who provides information is called a “user”, and a person who provides data used for providing information is generically called a “subject”.
  • the subject may be singular or plural.
  • the database 100 uses so-called big data as data representing the movement of the subject, the number of subjects is large.
  • the evaluation information providing system includes a database 100 that stores subject's operation data, a Web server 900, a user terminal 600 that browses information provided by the user, and user operations.
  • a running machine 800 that generates the data of the above and an arithmetic processing unit 500 that processes the data generated in the running machine 800 and registers it in the Web server 900.
  • the running machine 800 includes markers 831 to 836 attached to each of the six positions (shoulder, elbow, wrist, thigh root, knee, ankle) on the right side of the user T1.
  • the user T1 runs on the treadmill 810 while wearing the markers 831 to 836.
  • the markers 831 to 836 are photographed by the two high-speed cameras 820, and the photographed images are input to the arithmetic processing device 500.
  • the arithmetic processing device 500 is realized by, for example, a general-purpose computer in which an image processing application is installed.
  • the arithmetic processing unit 500 analyzes the input image to obtain the respective trajectories and / or moving speeds of the markers 831 to 836, and based on the trajectories and / or moving speeds, the operation data of the user T1. Is generated. Further, the user attribute is input to the arithmetic processing unit 500. The arithmetic processing unit 500 outputs user attributes and operation data to the Web server 900. The Web server 900 outputs information for evaluating the user's operation using the user's attribute and operation data.
  • the locations shown as markers 831 to 836 in FIG. 1 are an example of combinations of locations that represent the user's characteristic actions. As long as the data representing the user's action can be acquired, the marker may be attached to another part of the user.
  • the user requests information for evaluating the operation of the user from the Web server 900 via the user terminal 600.
  • the Web server 900 uses the data about the movement of the subject stored in the database 100 to generate information serving as a reference for evaluation.
  • the Web server 900 outputs information for evaluating the user's operation to the user terminal 600 using the data regarding the user's operation and the reference generated as described above.
  • the user browses the output information on the user terminal 600.
  • An example of the user terminal 600 is a personal computer.
  • Another example of the user terminal 600 is a smartphone.
  • the user terminal 600 is not limited to these examples as long as it has a display screen.
  • the action to be evaluated may be the action of a person different from the person viewing the evaluation. That is, for example, the supervisor of the user T1 may browse the information for evaluating the operation of the user T1 on the user terminal 600.
  • Outline of processing in evaluation information providing system> 2 to 4 are diagrams for explaining an outline of processing in the evaluation information providing system.
  • the database 100 stores data representing the motion of the subject (hereinafter referred to as “motion data”) in association with the attribute of the data.
  • data representing motion is biomechanics data such as joint angles and angular velocities.
  • Another example is the acceleration in the respective directions of axes perpendicular to each other (eg, x-axis, y-axis, and z-axis) detected by an acceleration sensor worn by the user.
  • Yet another example is angular velocities in planes (xy plane, yz plane, and zx plane) perpendicular to each other detected by a gyro sensor mounted on the user.
  • the attribute of the person who performed the operation corresponding to the operation data is, for example, name, sex, age, height, weight, monthly exercise amount, or running time of a full marathon.
  • Another example of an attribute is the date, time, or place (geographic information of the region where the action was performed) when the action data was acquired.
  • Still another example of the attribute is information for distinguishing a tool (for example, running shoes) used by the person who performed the operation.
  • the attribute may include information for distinguishing between superiority and inferiority of operation, such as a running time of a full marathon.
  • the attribute may include information that distinguishes properties other than superiority or inferiority of the operation, such as the name and sex of the person who performed the operation.
  • a set of operation data and attribute may be provided as a big data from any data source (server device or the like) of the network.
  • the evaluation information providing system outputs the operation data in the database 100 to the SVM (Support Vector Machines) together with the attributes associated with each operation data, as indicated as item (1) in FIG.
  • SVM Small Vector Machines
  • SVM is realized by a function realized by executing a program for SVM in a computer constituting Web server 900.
  • clustering of motion data is executed as indicated by the graph G1 in FIG.
  • the graph G1 in FIG. 3 schematically shows an N-dimensional graph composed of N factors in two dimensions.
  • the dot dp1 represents a combination of N motion data of a subject.
  • the Web server 900 generates a hyperplane that covers the operation data by clustering, as indicated by the hyperplane H1 in the graph G1.
  • the hyperplane H1 of the graph G1 in FIG. 3 is an N-dimensional plane when the dimension of the motion data is N-dimensional.
  • the dimension of motion data is the number of types of data included in the motion data. For example, when four types of data, that is, an elbow joint angle, a knee joint angle, an elbow angular velocity, and a knee angular velocity are employed as motion data, the hyperplane H1 is a four-dimensional plane.
  • the maximum distance with respect to the limitation of the hyperplane is calculated for each motion data (item (2) in FIG. 2).
  • the evaluation information providing system processes the operation data by a method called kernel method. Accordingly, each point of the operation data is nonlinearly transformed as indicated by the dots dp1 and the like in the graph G2 of FIG.
  • distance calculation the distance between the motion data is calculated ("Distance calculation" in FIG. 2).
  • distances statistics distances from other motion data are calculated for each motion data (item (3) in FIG. 2).
  • the evaluation information providing system accepts attribute designation as “skill selection”.
  • the designation of the attribute may be realized by the user inputting the attribute, or may be realized by reading an attribute registered in advance in the evaluation information providing system.
  • An example of the specified attribute is “full marathon running time is in the 2-hour range”.
  • the “full marathon running time” is an actual measurement time when the subject or user actually runs the full marathon, or an expected completion time of the full marathon for the subject or user.
  • the expected completion time of a full marathon is the expected time to complete a full marathon.
  • the expected completion time of a full marathon is calculated, for example, according to each person's past completion time, and is input by each person himself / herself to each server.
  • Another example of the attribute is “the age is in the twenties”.
  • the evaluation information providing system provides information on the movement of the user as described as item (4) or item (5) in FIG.
  • the evaluation information providing system uses the multidimensional scaling method (MDS) to obtain the motion data of the subject belonging to the specified attribute and the motion data of the user.
  • MDS multidimensional scaling method
  • GV1 in FIG. 4 is a two-dimensional graph showing the motion data of the subject and the user's motion data belonging to attribute A (for example, “full marathon running time is in the 2-hour range”) by multidimensional scaling. Show.
  • the distance between the motion data belonging to the attribute and the motion data of the subject belonging to the specified attribute is illustrated according to the multidimensional scaling method. More specifically, the distance between the operation data of the attribute A is indicated by an area AR1. Note that in the graph GV1, a point CA indicates feature data representing the feature of the attribute A, which is selected in a manner described later. In the graph GV1, the distance from the operation data of the attribute A with respect to the user's operation data is indicated by a point PA.
  • the evaluation information providing system outputs a user action score for the attribute specified as described above.
  • the user's motion score is calculated using a statistical distance between the user's motion data and the above-described feature data. Details of the score calculation method will be described later.
  • Hardware configuration> A hardware configuration of main apparatuses (the Web server 900 and the user terminal 600 in FIG. 1) in the evaluation information providing system will be described.
  • FIG. 5 is a diagram schematically illustrating the hardware configuration of the Web server 900.
  • the Web server 900 includes a CPU (Central Processing Unit) 910, an input unit 920 such as a keyboard, a memory 930, a memory interface 940, and a communication interface 950 as main components.
  • the CPU 910, the input unit 920, the memory 930, the memory interface 940, and the communication interface 950 are connected to each other via an internal bus.
  • the memory 930 is realized by a storage device such as a RAM (Random Access Memory) or a ROM (Read Only Memory).
  • the memory 930 stores a program executed by the CPU 910 and data used in executing the program.
  • the memory interface 940 reads data from the external storage medium 941.
  • the storage medium 941 is detachable from the Web server 900.
  • the CPU 910 reads data stored in the external storage medium 941 via the memory interface 940 and stores the data in the memory 930. Also, the CPU 910 reads data from the memory 930 and stores the data in the storage medium 941 via the memory interface 940.
  • a program executed by the CPU 910 may be stored in the storage medium 941. Further, the program executed by the CPU 910 may be downloaded via a network such as a public network and stored in the memory 930.
  • Communication I / F 950 is realized by an antenna or a connector.
  • the communication I / F 950 transmits / receives data to / from other devices by wired communication or wireless communication.
  • the CPU 910 receives programs, image data, text data, and the like from other devices via the communication I / F 950, and transmits image data and text data to the other devices.
  • the CPU 910 controls each unit of the Web server 900 by executing a program stored in the memory 930 or the storage medium 941.
  • FIG. 6 is a diagram illustrating a main hardware configuration in the user terminal 600.
  • the user terminal 600 includes a CPU 610, a touch panel 620, a memory 630, a memory interface 640, and a communication interface 650 as main components.
  • the touch panel 620 may be any type such as a resistive film method, a surface acoustic wave method, an infrared method, an electromagnetic induction method, and a capacitance method.
  • Touch panel 620 may include an optical sensor liquid crystal.
  • the touch panel 620 detects a touch operation on the touch panel 620 by an external object every predetermined time, and inputs touch coordinates (touch position) to the CPU 610. In other words, the CPU 610 sequentially acquires touch coordinates from the touch panel 620.
  • the memory 630 is realized by a storage device such as a RAM or a ROM.
  • the memory 630 stores a program executed by the CPU 610 and data used in executing the program.
  • Memory interface 640 reads data from external storage medium 641.
  • the storage medium 641 is detachable from the user terminal 600.
  • the CPU 610 reads data stored in the external storage medium 641 via the memory interface 640 and stores the data in the memory 630.
  • the CPU 610 reads data from the memory 630 and stores the data in the storage medium 641 via the memory interface 640.
  • a program executed by the CPU 610 may be stored in the storage medium 641. Further, the program executed by CPU 610 may be downloaded via a network such as a public network and stored in memory 630.
  • Communication I / F 650 is realized by an antenna or a connector.
  • the communication I / F 650 transmits / receives data to / from other devices by wired communication or wireless communication.
  • the CPU 610 receives programs, image data, text data, and the like from other devices via the communication I / F 650, and transmits image data and text data to other devices.
  • the CPU 610 controls each unit of the user terminal 600 by executing a program stored in the memory 630 or the storage medium 641.
  • the CPU 610 transmits provision of evaluation information to the Web server 900, and executes an application program for providing (displaying) the evaluation information.
  • the CPU 610 displays a screen such as a screen IMG00 of FIG. 10 described later on the touch panel 620 by executing the application program.
  • FIG. 7 is a diagram showing an example of functional blocks of the evaluation information providing system shown in FIG.
  • database 100 functions as an operation data storage device that stores the operation data of the subject.
  • the database 100 can be realized by a plurality of server devices existing on various networks.
  • the arithmetic processing device 500 functions as an operation data input device that generates subject motion data and inputs it to the database 100, and also generates user motion data and inputs it to the Web server 900.
  • the arithmetic processing device 500 uses the image input from the running machine 800, for example, to generate user (and subject) motion data.
  • the arithmetic processing device 500 further accepts input of the attributes of the user (and subject) and inputs the input attributes to the Web server 900. At this time, the arithmetic processing device 500 functions as an attribute input device. Operation data and attributes may be input to the Web server 900 from an apparatus other than the arithmetic processing apparatus 500.
  • the Web server 900 functions as a skill distance calculation unit 901, a distance storage unit 902, a score calculation unit 903, a skill grouping calculation unit 904, and an attribute storage unit 905.
  • the skill distance calculation unit 901 and the skill grouping calculation unit 904 execute, for example, a predetermined program by the CPU 910 (FIG. 5). It is realized by.
  • the distance storage unit 902, the score calculation unit 903, and the attribute storage unit 905 are realized by the memory 930 (FIG. 5).
  • the skill distance calculation unit 901 performs the above-described nonlinear transformation on the subject's motion data and the user's motion data input from the motion data storage device, and further calculates a statistical distance between the motion data.
  • the distance storage unit 902 stores the distance to other motion data calculated for each motion data.
  • the score calculation unit 903 uses the statistical distance for the operation data calculated by the skill distance calculation unit 901 to calculate a score for the user's operation.
  • the attribute storage unit 905 stores user attributes.
  • the skill grouping calculation unit 904 generates information for specifying a skill (attribute) having a large influence on the action from attributes calculated for a plurality of attributes, as shown in FIG. 19 described later.
  • the distance between motion data is calculated by processing the motion data with a single-class SVM. Processing by single-class SVM will be described.
  • the motion data of the subject or user at the time point i (i is 1, 2,... N) is defined.
  • d represents the type of data included in one set of operation data. It can be said that the number of types represents the dimension of motion data.
  • ⁇ (x) represents the mapping from the input space X to the feature space H. Then, if the hyperplane in the feature space H is set so that more motion data is separated by a distance farther from the origin, any hyperplane in the feature space H is described by the following equation (2). Is done.
  • ⁇ i is a slack variable.
  • ⁇ is a positive parameter for adjusting the amount of possible position on the origin side.
  • the kernel function is expressed by the following equation (4).
  • Equation (4) The kernel function of equation (4) is defined as shown in the following equation (5).
  • This optimization can be solved using a quadratic programming solver. It is defined as the following equation (7).
  • Equation (7) ⁇ > 0, and ⁇ is a parameter of the kernel function (kernel width), which is a commonly used parameter.
  • each of u and v designates a subject or a user.
  • c u , c v , p u , and p v are defined using the unit circle CR1 as shown in FIG.
  • D uv in equation (8) is derived from two documents (“F. Desobry, M. Davy, and C. Doncarli,“ An online kernel change detection algorithm, ”IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 53, no. 8, pp. 2961-2974, 2005. ”and“ [22] PS Riegel, “Athletic records and human endurance,” American Scientist May / Jun81, vol. 69, no. 3, p. 285, 1981. ” The normalized distance from the same viewpoint as the Fischer ratio described in the above.
  • the arc from the point c u to the point p u in equation (8) (denoted herein as “ ⁇ c u p u ⁇ ” for convenience) is the variance of the sample in ⁇ (x) in the feature space. It is a scale. When the samples spread, the arc “ ⁇ c u p u ⁇ ” becomes longer, and the margin expressed by the following equation (10) becomes smaller.
  • the above distance exhibits a behavior predicted in the feature space (that is, the value increases as the spread increases, and the value decreases as the overlap increases).
  • the distance D uv in equation (8) is calculated using the following assumed parameters. That is, the distance is represented by the unit circle and the length of the arc (“ ⁇ ab ⁇ ”) between the two vectors a and b. Note that the arc length of the vector a and the vector b is equivalent to the angle formed by these vectors. Further, the following equation (11) is established for the vector a and the vector b.
  • K uv is a kernel matrix.
  • the kernel matrix is represented by an element k (x u, i , x u, j ) for column i and row j.
  • the distance from the origin for each motion data is calculated by calculating the single-class SVM model. Then, the distance between the operation data subjected to nonlinear transformation is obtained from the distance from each origin.
  • FIG. 9 is a diagram schematically showing an aspect in which the distance between calculated motion data is stored.
  • the CPU 910 of the Web server 900 calculates the distance between the motion data as a brute force for two or more motion data (subject motion data) registered in the database 100. Then, CPU 910 stores the calculated distance in memory 930, for example, in the manner shown in FIG.
  • the brute force calculated for the five pieces of motion data d (1) to d (5) is registered in a matrix.
  • the value of the distance between the same motion data (for example, a diagonal line extending from the upper left to the lower right such as the distance between the motion data d (1)) is “0”.
  • FIG. 10 is a diagram showing an example of a screen for specifying attributes displayed on the user terminal 600.
  • the CPU 610 displays the screen by executing an application program for providing (displaying) evaluation information, for example.
  • the screen IMG00 in FIG. 10 includes a column IA00 for inputting attributes.
  • “travel time 2 hours” is shown as an example of the attribute.
  • the user terminal 600 transmits the specified attribute to the Web server 900.
  • the Web server 900 selects the operation data stored in association with the specified attribute from the test subject's operation data. For example, when the attribute “travel time 2 hours” is specified, the CPU 910 selects operation data associated with “travel time 2 hours” from the operation data stored in the database 100.
  • the CPU 910 of the Web server 900 calculates the distance between the operation data after the nonlinear conversion on the selected subject's operation data.
  • the stored distance matrix (FIG. 9) is read.
  • FIG. 11 shows an average value calculated for each operation data of the matrix shown in FIG. 9 as the matrix M1.
  • the operation data having the lowest average value is the operation data having the smallest distance from other operation data belonging to the specified attribute, it is estimated that the operation data represents the feature of the attribute. be able to.
  • the CPU 910 identifies the operation data having the smallest average value as the feature data from the operation data belonging to the specified attribute.
  • the operation data d (1) is specified as feature data.
  • a matrix M2 in FIG. 11 is a distance matrix in which a calculation result for user motion data is added to the matrix in FIG.
  • the calculation result for the user's motion data is shown as data for the user d (X).
  • the CPU 910 ranks each motion data based on the distance from the feature data of each motion data as indicated by a frame F in the row example M3 in FIG. The closer the distance to the feature data is, the closer the ranking is to the first.
  • the rank of the user (X) is second as shown in the table T01 in FIG.
  • the CPU 910 calculates the user's score S according to the following equation (17).
  • ⁇ (N ⁇ M + 1) / N ⁇ ⁇ 100 S (17) (where M ⁇ 1)
  • N represents the number of operation data belonging to the specified attribute.
  • M represents the rank of the average value of the users (“2” in the example of table T01 in FIG. 12).
  • the number of operation data belonging to the specified attribute is “5” and the rank of the user is “2”, it is specified.
  • the user's score S for the attribute is calculated as “80 points” according to the following equation (18).
  • FIG. 13 is a diagram illustrating an example of a screen that displays a user score calculated according to Expression (17).
  • the CPU 910 transmits the score calculation result to the user terminal 600.
  • the user terminal 600 displays the screen IMG01 of FIG. 13 on the touch panel 620.
  • Screen IMG01 displays the calculated score (60 points).
  • the CPU 910 may further transmit the values N and M in Expression (17) to the user terminal 600.
  • the CPU 610 of the user terminal 600 may display the values N and M on the screen IMG01.
  • Screen IMG01 in FIG. 13 includes a character string “2nd place out of 5” based on values N and M.
  • FIG. 14 is a diagram for explaining the concept of score calculation in more detail.
  • feature data in the attribute is selected based on a distance between motion data belonging to the attribute.
  • the operation data of the designated attribute is arranged in the order of the distance from the feature data as shown in FIG. 14, and the user operation data is also ordered based on the feature data.
  • each distance of the operation data of the designated attribute is indicated by “ ⁇ ” mark.
  • “d 1, p ” indicates the distance of the operation data of the user.
  • a line L1 schematically represents the tendency of the distance from the feature data in each operation data of the designated attribute.
  • the CPU 910 associates the score calculated for the user with the calculated time (or the time when the operation data of the user used for the calculation is generated), and the memory 930. May be stored.
  • the CPU 910 transmits the calculated score history to the user terminal 600 in accordance with an operation on the user terminal 600.
  • the CPU 610 may display the calculated score history on the touch panel 620.
  • the user designates a target period for displaying the history on the user terminal 600.
  • the CPU 610 transmits the specified period to the web server 900.
  • the CPU 910 acquires the history of the score for the specified period and transmits it to the user terminal 600.
  • the CPU 610 displays a history of scores transmitted from the Web server 900.
  • FIG. 15 is a diagram showing an example of a score history display.
  • the screen IMG11 in FIG. 15 displays an example of a specified period (July 1, 2015 to September 1, 2015) and a history of scores calculated in the period.
  • the history of scores displayed on the screen IMG11 has three scores: “10 points” calculated on July 1, 2015, “22 points” calculated on August 1, 2015, and 2015. Including “31 points” calculated on September 1 of the year.
  • Each score is shown together with the number N of motion data used for calculating the score and the rank of the user. For example, the score “10 points” calculated on July 1, 2015 is shown together with the character string “90th place out of 100 people”.
  • the CPU 610 of the user terminal 600 may generate information indicating the tendency of the user's operation using the score history and display the information on the touch panel 620. For example, the CPU 610 approximates the time change of the score with a straight line by the least square method, and specifies whether the tendency of the score change is an increase or a decrease depending on whether the slope of the approximate line is positive or negative To do.
  • FIG. 16 is a diagram showing an example of two screens representing the user's movement tendency.
  • Screen IMG12 of FIG. 16 shows a display example when the score tends to increase with the passage of time.
  • Screen IMG 12 includes a positive message: “Score is rising overall! Do your best in this condition!”
  • the screen IMG13 in FIG. 16 shows a display example when the score tends to decrease with the passage of time.
  • the screen IMG 13 includes a message that prompts the user to improve, “The score is generally decreasing. The form may have room for improvement.”
  • the messages displayed on the screen IMG12 and the screen IMG13 are stored in the memory 630 in association with the respective trends, for example.
  • CPU 610 selects a message associated with the identified trend and displays it on touch panel 620.
  • FIG. 17 is a diagram showing another example of the score history.
  • the screen IMG21 of FIG. 17 displays each score included in the history together with a graph that visualizes the statistical distance between the motion data associated with the specified attribute and the motion data of the user by, for example, multidimensional scaling. To do.
  • the point PU represents the operation data of the user.
  • the point PC represents feature data in the designated attribute.
  • the higher the score the shorter the distance between the point PU and the point PC. From this, the distance between the point PU and the point PC is a distance that changes in accordance with the score value for the designated attribute, and thus is recognized as a “skill distance” as an index of skill for the attribute. obtain.
  • the evaluation information providing system may accept designation of two types of attributes. More specifically, the evaluation information providing system accepts designation of a single attribute as the first type of attribute, and accepts designation of two or more types of attributes as the second type of attribute. Then, the evaluation information providing system calculates a score when the first type of attribute is combined with each of the second type of attribute. Then, the evaluation information providing system compares the score calculated for each of the second type of attributes, so that the first type of attribute is selected from the two or more attributes designated as the second type. Identify attributes that have a significant impact on your score.
  • FIG. 18 is a diagram illustrating an example of a screen that accepts designation of two types of attributes.
  • the screen IMG31 in FIG. 18 accepts the first type attribute as the “reference attribute” and accepts the second type attribute as the “evaluation attribute”. More specifically, the attribute “running time of 2 hours” is accepted as the first type of attribute (reference attribute).
  • the second type of attribute (evaluation attribute) an attribute “elbow (speed)”, attribute “knee (speed)”, and attribute “ankle (speed)” are accepted.
  • Attribute “elbow (speed)” means a measured value of the movement speed of the elbow.
  • the attribute “knee (speed)” means a measured value of the moving speed of the knee.
  • the attribute “ankle (speed)” means a measured value of the movement speed of the ankle.
  • the CPU 910 calculates three scores.
  • the first score is associated with the first type attribute (running time range of 2 hours) and is associated with the second type first attribute (elbow (speed)). It is calculated using the person's motion data.
  • the second score is associated with the first type attribute (running time range of 2 hours) and with the second type second attribute (knee (speed)) It is calculated using the person's motion data.
  • the third score is associated with the first type of attribute (running time range of 2 hours) and with the second type of third attribute (ankle (speed)) It is calculated using the person's motion data.
  • FIG. 19 is a diagram illustrating an example of a display screen of calculation results of three scores.
  • the screen IMG 32 in FIG. 19 shows the score for each of the three attributes specified as the evaluation attributes, together with the item (running time) specified as the reference attribute. Further, the screen IMG 32 shows the score of each of the three attributes in one figure in the lower part thereof, and in the upper part, which attribute of the three attributes has a great influence on the reference attribute. A message to indicate (from the score of the selected evaluation attribute, your improvement is considered an elbow).
  • the message in the screen IMG 32 is selected by the CPU 610.
  • the CPU 610 selects the score with the lowest value by comparing the scores of the three attributes transmitted from the CPU 910, and the attribute associated with the selected score has the most influence on the reference attribute.
  • the message in the screen IMG 32 is a message for informing the specified attribute.
  • This message is an example of information for evaluating the degree of association with the first type attribute in the second type attribute. That is, it is information representing an attribute having the highest degree of association with the first type of attribute among the two or more attributes of the second type.
  • the highest score among the calculated scores may be specified as the most influential attribute.
  • the evaluation information providing system is designated with one attribute as the first type attribute, and a plurality of second type attributes (in the examples of FIGS. 18 and 19, When the “three” attributes are designated, it is possible to further display attributes competing with the attributes designated as the first type of attributes.
  • FIG. 20 is a diagram illustrating an example of a screen that displays distances calculated for motion data of subjects belonging to a plurality of competing attributes in different modes.
  • the motion data of the subject whose travel time is in the 2-hour range the motion data of the subject in the 3-hour range, the motion data of the subject in the 4-hour range, and the 5-hour range
  • the distance from the feature data is visualized for each of the motion data of a subject, the motion data of the subject in the 6-hour range, and the motion data of the subject in the 7-hour range.
  • the thick lines in each of the graphs G11 to G13 schematically show the data trends in each of the graphs G11 to G13.
  • the expected completion time tends to be shorter toward the right side. That is, the user understands from the graphs G11 to G13 that the second attributes (elbow acceleration, knee acceleration, ankle acceleration) specified for each of the graphs G11 to G13 are related to the running time. it can.
  • points representing the operation data of the user are shown as points P11, P12, and P13.
  • FIG. 21 is a diagram for simply explaining the tendency shown in each of the graphs G11 to G13 in FIG.
  • the graph G20 in FIG. 21 shows the attributes A to D as the second type attribute and attributes competing with the second type attribute. More specifically, the distance from the feature data of the motion data belonging to each of the attributes A to D is indicated by a multidimensional scaling method. Attributes A, B, C, and D represent travel times of “2 hours”, “3 hours”, “4 hours”, and “5 hours”, respectively.
  • Attribute A to D are attributes that compete with each other, and the degree of superiority or inferiority of the operation is different.
  • the attribute A corresponds to the best operation
  • the superiority or inferiority is specified in the order of the attribute A, the attribute B, the attribute C, and the attribute D.
  • the first type when the distance tendency of the motion data forms a group for each attribute of attributes A to D, and the group array represents the same relationship as the superior / inferior array, the first type It can be understood that the above-mentioned attribute affects the superiority or inferiority of the second type attribute.
  • evaluation information about the user's batting form is provided instead of the user's running form.
  • FIG. 22 is a diagram for describing an operation data input mode in the evaluation information providing system according to the second embodiment.
  • the output of the sensor device 200 attached to the bat 80 which is an example of the tool used by the subject or the user, is an operation.
  • Data is input to the database 100.
  • the sensor device 200 is, for example, an acceleration sensor that detects acceleration about three axes (X axis, Y axis, Z axis) orthogonal to each other, and an angular velocity around the three axes (X axis, Y axis, Z axis). It is an angular velocity sensor that detects. Note that the sensor device 200 may detect only one of acceleration and angular velocity.
  • the sensor device 200 transmits the detection output to the database 100 and the Web server 900.
  • An example of an attribute associated with motion data in the second embodiment is information indicating the category of a subject or a user (whether he is a professional baseball player or an amateur player).
  • An example of the category belonging to the attribute is information (for example, the name of the player) that identifies each player.
  • Another example of the attribute is information indicating whether the subject or the user is a right-handed or left-handed grasshopper.
  • Still another example of the attribute is the material of the bat 80 (wood or metal).
  • FIG. 23 is a block diagram illustrating a hardware configuration of the sensor device 200 according to the second embodiment.
  • the sensor device 200 includes, as main components, a CPU 202 for executing various processes, a memory 204 for storing programs executed by the CPU 202, data, and the like, and three-axis directions.
  • I / F communication interface
  • FIG. 24 is a diagram illustrating a specific example of the detection output of the sensor device 200.
  • FIG. 24 shows accelerations in the X axis, Y axis, and Z axis (“AccX”, “AccY”, “AccZ” in FIG. 24), and angular velocities for the X axis, Y axis, and Z axis (see FIG. 24). 24, “GyroX”, “GyroY”, and “GyroZ”) are shown.
  • FIG. 25 is an example of a plot in the second embodiment.
  • FIG. 25 shows distances for 10 types of motion data for the attribute “amateur player”.
  • 10 types of operation data are identified by codes such as “A1, M, R”.
  • the code in FIG. 25 is divided into three parts such as “A1, M, R”.
  • the first part “A1” identifies the subject or user.
  • “A” means the attribute “Amateur”.
  • the second part “M” identifies the type of bat 80.
  • M means metal and “W” means wood.
  • the third part “R” specifies whether the swing is right-handed or left-handed. “R” means right-handed and “L” means left-handed.
  • each distance shown in FIG. 25 corresponds to each swing. That is, in FIG. 25, the distance corresponding to each of the subject or the user when they swing a plurality of times with the same combination of attributes is visualized.
  • the distance about the motion data is visualized in different manners (different plot types such as ⁇ and ⁇ ) for each category “subject or user”.
  • the user compares the distance distribution of the user's motion data with the distance distribution of the subject's motion data targeted by the user, thereby comparing the user's motion ( It is possible to obtain an insight as to how close the swing (swing) is to the target movement (swing) of the subject.
  • the user can perform the motion (swing) of the user as the target motion of the subject (the target) as time passes ( Gain insight into whether you are approaching or far away from the swing.
  • FIG. 26 is another example of the plot in the second embodiment.
  • distances for nine types of motion data for the attribute “professional player” are visualized.
  • nine types of operation data are identified by symbols such as “P1, W, L” as in FIG.
  • the code in FIG. 26 is divided into three parts, similar to the code in FIG.
  • the first part “P1” identifies the subject or user.
  • “P” means the attribute “Professional”.
  • the second part “W” identifies the type of bat 80.
  • the third part “L” specifies whether the swing is right-handed or left-handed.
  • the display of FIG. 26 visualizes the distance about the operation data in the different form (different plot types such as ⁇ and ⁇ ) for each category “subject or user” for the attribute “pro”.
  • the display of FIG. 26 has a tendency not to be seen in the display of FIG. 25, that is, a tendency that the range in which the distance about the motion data is distributed is specified depending on whether the swing is right-handed or left-handed.
  • a range in which right-handed swings are specified to be distributed is schematically shown as a range C01.
  • a range in which left-handed swings are specified to be distributed is schematically indicated by a range C02.
  • the display of both FIG. 25 and FIG. 26 is displayed on the user terminal 600, so that the user can be between professional players or between amateur players. Insight can be obtained that there is a tendency that was not seen.
  • the user can designate a target player.
  • the Web server 900 displays data indicating only the distance for the two types of motion data on the user terminal 600, that is, the distance for the motion data of the user and the player specified by the user. Only the distance for the operation data is generated and data to be displayed is transmitted to the user terminal 600. Thereby, the user can directly compare the movement tendency of the user with the movement tendency of the designated player.
  • the CPU 910 of the Web server 900 accepts designation of one attribute as the first type attribute and designation of two or more attributes as the second type attribute. it can. In response, the CPU 910 can calculate and output a user score for the first type of attribute for each of the second type of attributes.
  • An example of the first type of attribute is “professional baseball player”.
  • An example of the second type of attribute is “power hitter” and “average hitter”.
  • the CPU 910 calculates a score for each of the attribute “power hitter” and the attribute “average hitter”. That is, the CPU 910 selects feature data from the motion data associated with the attribute “professional baseball player” and associated with the attribute “power hitter” among the motion data stored in the database 100. Then, the statistical distance between the selected motion data and feature data is calculated, and the statistical distance between the user's motion data and feature data is calculated. Then, using these statistical distances, user scores for the attribute “professional baseball player” and the attribute “power hitter” are calculated.
  • the CPU 910 calculates user scores for the attribute “professional baseball player” and the attribute “average hitter”.
  • the CPU 910 transmits the two scores calculated for the user as described above to the user terminal 600.
  • the CPU 610 of the user terminal 600 specifies an attribute associated with the highest score from the two transmitted scores. Then, the CPU 610 displays the specified attribute as the attribute specified as the user's swing type.
  • FIG. 27 is a diagram showing an example of the display of the attribute specified as the user's swing type on the user terminal 600.
  • the screen IMG 41 of FIG. 27 displays the score for each of the two attributes designated as the second type attribute (“64 points” for the attribute “power hitter” and “80 points for the attribute“ average hitter ”). )) And the attribute “Average Hitter” specified as the user's swing type is displayed.
  • the score of the user's action regarding the running form and the provision of information accompanying the score have been described.
  • the operations targeted by the technology in the present disclosure are not limited to these.
  • the movements targeted by the technology in the present disclosure are sports movements other than those described above (for example, user movements during skiing), or movements other than sports (for example, user movements during walking training). There may be. That is, the technology in the present disclosure can provide a score for the motion and information accompanying the score using motion data acquired for all motions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

評価情報提供システムには、被験者の動作データが、属性に関連付けられて格納されている。属性が指定されると、評価情報提供システムは、当該指定された属性に関連付けられた被験者の動作データから特徴データを選択する。評価情報提供システムは、選択された特徴データと利用者の動作データとの統計的距離を用いて、利用者の動作について、指定された属性についてのスコアを計算する。計算されたスコアは、たとえば、画面（ＩＭＧ０１）として表示される。

Description

評価情報提供システムおよび評価情報提供方法
　本開示は、評価情報提供システムおよび評価情報提供方法に関し、特に、記憶装置に格納された２以上の動作データと利用者の動作データとを用いて、利用者の動作を評価するための情報を生成する、評価情報提供システムおよび評価情報提供方法に関する。
　従来、複数人のそれぞれについての身体の動きを表わす動作データを解析することにより、動きのモデルを作成する技術が知られている。たとえば、非特許文献１、非特許文献２、および非特許文献３は、スキーロボットについての動きのモデル化を開示している。特許文献１および非特許文献４は、ランニングについての動きのモデル化を開示している。特許文献２は、ゴルフスイングについての動きのモデル化を開示している。また、特許文献３および特許文献４は、動きのモデルを用いて決定されたスコアを用いた処理を開示している。
特許第５３１４２２４号公報 特開２０１４－９７１０４号公報 特開２０１０－１１９５６０号公報 特開２００３－２１６７７４号公報
Yoneyama,　T.,　Scott,　N.,　and　Kagawa,　H.、"Timing　of　force　application　and　joint　angles　during　a　long　ski　turn"、［online］、平成１８年（２００６年）発行、［平成２７年４月３日検索］、The　Engineering　of　Sport　6,　pages　293-298.　Springer　NewYork、＜URL:http://link.springer.com/chapter/10.1007%2F978-0-387-46050-5_52#page-1＞ Kondo,　A.,　Doki,　H.,　and　Hirose,　K、"Motion　analysis　and　joint　angle　measurement　of　skier　gliding　on　the　actual　snow　field　using　inertial　sensors"、［online］、平成２５年（２０１３年）発行、［平成２７年４月３日検索］、Procedia　Engineering,　60　pages　307-312、＜URL:http://ac.els-cdn.com/S1877705813011326/1-s2.0-S1877705813011326-main.pdf?_tid=256f2e7e-56e0-11e5-a103-00000aab0f01&acdnat=1441795820_726f173706bce887290572622f0d358f＞ Shinichi　Yamagiwa,　Hiroyuki　Ohshima　and　Kazuki　Shirakawa、"Skill　Scoring　System　for　Ski's　Parallel　Turn、平成２６年（２０１４年）発行、［平成２７年４月３日検索］、In　Proceedings　of　International　Congress　on　Sport　Sciences　Research　and　Technology　Support　(icSPORTS　2014),　pp.　121-128,　SCITEPRESS,　October　2014 渡辺良信、他５名、ランニングフォームの評価と定量化、シンポジウム、平成２５年（２０１３年）１１月、［平成２７年４月３日検索］、スポーツアンドヒューマンダイナミクス2013　講演論文集、日本機械学会
　しかしながら、従来の技術によって提供される、動作についてのモデルは、画一的なものであった。したがって、多様な基準で、ユーザの動作を評価することができていたとは言えない場合がある。
　本開示は、かかる実情に鑑み考え出されたものであり、その目的は、評価情報提供システムが、ユーザに、当該ユーザの動作について、多様な基準でユーザの動作を評価できるようにすることである。
　本開示のある局面に従うと、属性に関連付けられて記憶された被験者の２以上の動作データと、利用者の動作データとを用いて、当該利用者の動作を評価する情報を出力するための、評価情報提供システムが提供される。評価情報提供システムは、２以上の動作データおよび利用者の動作データのそれぞれの間の統計的距離を計算するように構成された第１の計算部と、属性の指定を取得し、指定された属性についての利用者のスコアを計算するように構成された第２の計算部と、第２の計算部が計算した利用者のスコアを出力するように構成された出力部とを備える。第２の計算部は、２以上の動作データのうち取得部が取得した属性に関連付けられた動作データについて第１の計算部が計算した統計的距離に基づいて、取得部が取得した属性の特徴を表わす特徴データを選択し、取得部が取得した属性に関連付けられた動作データと特徴データとの間の統計的距離、および、利用者の動作データと特徴データとの間の統計的距離を利用して、取得部が取得した属性についての利用者のスコアを計算するように構成されている。
　動作データのそれぞれは、被験者または利用者における１つ以上の部位の動作を表わしてもよい。
　動作データのそれぞれは、被験者または利用者によって変位される道具における１つ以上の部位の動作を表わしてもよい。
　取得部は、属性の指定の入力を受け付けてもよい。
　属性は、動作の優劣についての区分を含んでもよい。
　区分は、マラソンの走行タイムについての時間の区別してもよい。
　属性は、動作の優劣以外の性質についての区分を含んでもよい。
　区分は、動作をする者を区別してもよい。
　区分は、動作に利用された道具を区別してもよい。
　第２の計算部は、取得部が取得した属性に関連付けられた動作データのうち、他の動作データとの統計的距離の平均値が最も小さい動作データを特徴データとして選択するように構成されていてもよい。
　第２の計算部は、取得部が取得した属性に関連付けられた動作データおよび利用者の動作データに、特徴データとの統計的距離についての順序を設定し、利用者の動作データの順序に基づいて、利用者のスコアを計算するように構成されていてもよい。
　第２の計算部は、複数のタイミングにおける利用者の動作データのそれぞれについて、利用者のスコアを計算し、出力部は、複数のタイミングのそれぞれについて、利用者のスコアを出力するように構成されていてもよい。
　出力部は、複数のタイミングにおけるスコアの変化が、時間の経過とともにスコアが上昇するものであるか下降するものであるかを評価する情報をさらに出力してもよい。
　取得部は、複数の種類の属性の指定を取得してもよい。
　取得部は、第１の種類の属性および第２の種類の属性の指定を取得するように構成されていてもよい。第２の種類の属性は、２以上の種類の属性を含んでもよい。第２の計算部は、第２の種類の属性のそれぞれの種類について、第１の種類の属性の特徴を表わす動作データである特徴データを取得するように構成されていてもよい。第２の計算部は、第２の種類の属性のそれぞれの種類について、第１の種類の属性についての利用者のスコアを計算してもよい。出力部は、第２の種類の属性のぞれぞれの種類について、第１の種類の属性についての利用者のスコアを出力するように構成されていてもよい。
　出力部は、第２の種類の属性のそれぞれの種類についてのスコアを比較することにより、第２の種類の属性の２以上の種類における、第１の種類の属性との関連の度合いを評価する情報を出力するように構成されていてもよい。
　出力部は、さらに、第１の種類の属性に対する比較対象の属性に関連付けられた動作データについて第１の計算部によって計算された統計的距離を、第１の種類の属性および比較対象の属性のそれぞれを識別する態様で、出力するように構成されていてもよい。
　本開示の他の局面に従うと、属性に関連付けられて記憶された被験者の２以上の動作データと、利用者の動作データとを用いて、当該利用者の動作を評価する情報を出力する評価情報提供方法が提供される。評価情報提供方法は、２以上の動作データおよび利用者の動作データのそれぞれの間の統計的距離を計算するステップと、属性の指定を取得するステップと、２以上の動作データのうち取得された属性に関連付けられた動作データについて計算された統計的距離に基づいて、取得された属性の動作データから当該属性の特徴を表わす特徴データを選択し、取得された属性に関連付けられた動作データと特徴データとの間の統計的距離、および、利用者の動作データと特徴データとの間の統計的距離を利用して、取得された属性についての利用者のスコアを計算するステップと、計算された利用者のスコアを出力するステップとを備える。
　本開示のある局面によれば、評価情報提供システムは、属性に関連付けられた動作データについての統計的距離に基づいて、当該属性に関連付けられた動作データの中から特徴データを選択し、そして、当該選択された特徴データと利用者の動作データとを用いて、当該利用者の指定された属性についてのスコアを算出する。
　これにより、被験者の動作データとしてどのような動作データが記憶されているかに応じて、選択される特徴データが変化し、これにより、算出されるスコアが変化する。したがって、評価情報提供システムは、多様な基準でユーザの動作を評価できる。
評価情報提供システムの概要を説明するための図である。 評価情報提供システムにおける処理の概要を説明するための図である。 評価情報提供システムにおける処理の概要を説明するための図である。 評価情報提供システムにおける処理の概要を説明するための図である。 Ｗｅｂサーバのハードウェア構成を模式的に示す図である。 ユーザ端末における主なハードウェア構成を示す図である。 図１に示された評価情報提供システムの機能ブロックの一例を示す図である。 動作データ間の統計的距離の算出の方法を説明するための図である。 計算された動作データ間の距離が記憶される態様を模式的に示す図である。 ユーザ端末において表示される、属性を指定するための画面の一例を示す図である。 利用者のスコアの計算の方法を説明するための図である。 利用者のスコアの計算の方法を説明するための図である。 利用者のスコアを表示する画面の一例を示す図である。 スコアの計算の概念を説明するための図である。 スコアの履歴の表示の一例を示す図である。 利用者の動作の傾向を表わす２つの画面の例を示す図である。 スコアの履歴の他の例を示す図である。 ２種類の属性の指定を受け付ける画面の一例を示す図である。 ３つのスコアの計算結果の表示画面の一例を示す図である。 競合する複数の属性に属する被験者の動作データについて算出された距離を互いに異なる態様で表示する画面の一例を示す図である。 図２０のグラフＧ１１～Ｇ１３のそれぞれにおいて示された傾向を、単純化して説明するための図である。 第２の実施の形態の評価情報提供システムにおける、動作データの入力態様を説明するための図である。 第２の実施の形態のセンサ装置のハードウェア構成を示すブロック図である。 センサ装置の検出出力の具体例を示す図である。 第２の実施の形態におけるプロットの一例である。 第２の実施の形態におけるプロットの他の例である。 ユーザ端末における、利用者のスイングのタイプとして特定された属性の表示の一例を示す図である。
　以下、図面を参照しつつ、本開示の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。
　［第１の実施の形態］
　＜１．評価情報提供システムの構成の概要＞
　図１は、評価情報提供システムの概要を説明するための図である。評価情報提供システムは、利用者の動作についてのデータに基づいて、当該利用者に、当該利用者の動作を評価するための情報を提供する。なお、当該評価には、多数の被験者の動作についてのデータが利用される。ここで、本明細書では、情報の提供の対象となる者を「利用者」と呼び、情報の提供のために利用されるデータを提供した者を総称して「被験者」と呼ぶ。被験者は、単数である場合もあれば、複数である場合もある。特に、データベース１００が、被験者の動作を表わすデータとして、いわゆるビッグデータを利用する場合、被験者の数は多数となる。
　図１に示されるように、評価情報提供システムは、被験者の動作データを格納するデータベース１００と、Ｗｅｂサーバ９００と、利用者が提供された情報を閲覧するユーザ端末６００と、利用者の動作についてのデータを生成するランニングマシン８００と、ランニングマシン８００において生成されたデータを処理してＷｅｂサーバ９００へ登録する演算処理装置５００とを含む。
　ランニングマシン８００は、利用者Ｔ１の右側６箇所（肩、肘、手首、太腿付け根、膝、足首）のそれぞれに装着されるマーカ８３１～８３６を含む。利用者Ｔ１は、マーカ８３１～８３６を装着しながら、トレッドミル８１０上を走る。ランニングマシン８００では、２台のハイスピードカメラ８２０でマーカ８３１～８３６を撮影し、撮影された画像を演算処理装置５００に入力する。演算処理装置５００は、たとえば、画像処理用のアプリケーションをインストールされた、汎用のコンピュータによって実現される。演算処理装置５００は、入力された画像を解析することにより、マーカ８３１～８３６のそれぞれの軌跡および／または移動速度を取得し、当該軌跡および／または移動速度に基づいて、利用者Ｔ１の動作データを生成する。演算処理装置５００には、さらに、利用者の属性が入力される。演算処理装置５００は、利用者の属性および動作データを、Ｗｅｂサーバ９００へ出力する。Ｗｅｂサーバ９００は、利用者の属性および動作データを用いて、利用者の動作を評価する情報を出力する。図１においてマーカ８３１～８３６として示された箇所は、利用者の特徴的動作を表わす箇所の組合せの一例である。利用者の動作を表すデータが取得できるのであれば、マーカは利用者における他の箇所に付されても良い。
　第１の実施の形態では、利用者は、ユーザ端末６００を介して、Ｗｅｂサーバ９００に、当該利用者の動作を評価するための情報を要求する。これに応じて、Ｗｅｂサーバ９００は、データベース１００に格納された被験者の動作についてのデータを用いて、評価の基準となる情報を生成する。そして、Ｗｅｂサーバ９００は、利用者の動作についてのデータと上記のように生成された基準とを用いて、利用者の動作を評価する情報をユーザ端末６００へ出力する。利用者は、ユーザ端末６００で、出力された情報を閲覧する。ユーザ端末６００の一例は、パーソナルコンピュータである。ユーザ端末６００の他の例は、スマートフォンである。なお、ユーザ端末６００は、表示画面を有するものであれば、これらの例に限定されない。
　評価の対象となる動作は、当該評価を閲覧する者と異なる者の動作である場合もあり得る。つまり、たとえば、利用者Ｔ１の動作を評価する情報を、当該利用者Ｔ１の監督者が、ユーザ端末６００で閲覧する場合もあり得る。
　＜２．評価情報提供システムにおける処理の概要＞
　図２～図４は、評価情報提供システムにおける処理の概要を説明するための図である。まず、図２に示されるように、データベース１００では、被験者の動作を表わすデータ（以下、「動作データ」という）を当該データの属性と関連付けて記憶する。動作を表わすデータの一例は、関節角度や角速度等のバイオメカニクスデータである。他の例は、ユーザに装着された加速度センサによって検出される、互いに直角をなす軸（たとえば、ｘ軸、ｙ軸、およびｚ軸）のそれぞれの方向の加速度である。さらに他の例は、ユーザに装着されたジャイロセンサによって検出される、互いに直角をなす平面（ｘｙ平面、ｙｚ平面、および、ｚｘ平面）における角速度である。
　属性の一例は、動作データが対応する動作を行った者の属性である。者の属性とは、たとえば、氏名、性別、年齢、身長、体重、月間練習量、または、フルマラソンの走行タイムである。属性の他の例は、動作データが取得された日付、時刻、または、場所（動作が行なわれた地域の地理的情報）である。属性のさらに他の例は、動作を行なった者が動作に利用した道具（たとえば、ランニングシューズ）を区別する情報である。本開示において、属性は、フルマラソンの走行タイムのように、動作の優劣を区別する情報を含み得る。また、属性は、動作を行なった者の氏名や性別等の、動作の優劣以外の性質を区別する情報を含み得る。
　評価情報提供システムでは、動作データと属性との組は、たとえば、ビッグデータとしてネットワークのあらゆるデータ源（サーバ装置等）から提供される場合があり得る。
　そして、図２において項目（１）として示されたように、評価情報提供システムは、データベース１００内の動作データを、各動作データに関連付けられた属性とともに、ＳＶＭ（Support　Vector　Machines）へ出力する。第１の実施の形態の評価情報提供システムでは、Ｗｅｂサーバ９００を構成するコンピュータにおいて、ＳＶＭ用のプログラムの実行によって実現される機能により、ＳＶＭが実現される。これにより、図３においてグラフＧ１として示されたように、動作データのクラスタリングが実行される。
　より具体的には、図３のグラフＧ１は、Ｎ個のファクタからなるＮ次元のグラフを、２次元で模式的に示している。
　たとえば、ドットｄｐ１は、ある被験者のＮ個の動作データの組合せを表わす。
　Ｗｅｂサーバ９００は、クラスタリングにより、グラフＧ１において超平面Ｈ１として示されるように、動作データを覆う超平面を生成する。図３のグラフＧ１の超平面Ｈ１は、動作データの次元がＮ次元である場合、Ｎ次元の平面になる。動作データの次元は、動作データに含まれるデータの種類の数である。たとえば、動作データとして、肘の関節角度、膝の関節角度、肘の角速度、および膝の角速度の、４種類のデータが採用された場合、超平面Ｈ１は、４次元の平面である。
　また、ＳＶＭによるクラスタリングが行なわれることにより、各動作データについての、超平面の限定に対する最大化された距離が算出される（図２の項目（２））。
　その後、評価情報提供システムは、動作データを、カーネル法と呼ばれる方法で処理する。これにより、図３のグラフＧ２においてドットｄｐ１等で示されるように、動作データの各点は、非線形変換される。
　上記のように非線形変換された後、動作データ間の距離が算出される（図２の「距離の計算」）。ここでは、数式をして後述されるように、各動作データについて、他の動作データとの距離（統計的距離）が算出される（図２の項目（３））。
　次に、評価情報提供システムは、「スキルの選択」として、属性の指定を受け付ける。属性の指定は、利用者が属性を入力することによって実現されても良いし、評価情報提供システムにおいて予め登録された属性が読み出されることによって実現されても良い。指定される属性の一例は、「フルマラソンの走行タイムが２時間台であること」である。ここで、「フルマラソンの走行タイム」は、実際に被験者または利用者がフルマラソンを走行したときの実測タイム、または、被験者または利用者についてのフルマラソンの完走予想タイムである。フルマラソンの完走予想タイムとは、フルマラソンを完走するのに予想されるタイムである。フルマラソンの完走予想タイムは、たとえば、各者の過去の完走タイムに応じて算出され、各サーバに対して各者自身によって入力される。属性の他の例は、「年齢が２０歳代であること」である。
　そして、評価情報提供システムは、図２において項目（４）または項目（５）として記載されたように、利用者の動きについての情報を提供する。
　より具体的には、図２の項目（４）で、評価情報提供システムは、多次元尺度法（ＭＤＳ）を用いて、指定された属性に属する被験者の動作データと利用者の動作データとを可視化する。図４のＧＶ１は、属性Ａ（たとえば、「フルマラソンの走行タイムが２時間台である」）に属する被験者の動作データと利用者の動作データとを、多次元尺度法によって２次元のグラフで示す。
　グラフＧＶ１では、指定された属性に属する被験者の動作データについての、当該属性に属する動作データと間の距離が、多次元尺度法に従って図示される。より具体的には、属性Ａの動作データ間の距離が、領域ＡＲ１で示されている。なお、グラフＧＶ１において、点ＣＡは、後述する態様で選択される、属性Ａの特徴を表す特徴データを示す。また、グラフＧＶ１では、利用者の動作データについての属性Ａの動作データとの距離が、点ＰＡで示されている。
　図２の項目（５）で示されるように、評価情報提供システムは、上記のように指定された属性について、利用者の動作のスコアを出力する。利用者の動作のスコアは、利用者の動作データと上記した特徴データとの統計的距離を用いて計算される。スコアの計算方法の詳細は、後述される。
　＜３．ハードウェア構成＞
　評価情報提供システムにおける主な装置（図１のＷｅｂサーバ９００およびユーザ端末６００）のハードウェア構成について説明する。
　（１）Ｗｅｂサーバ９００
　図５は、Ｗｅｂサーバ９００のハードウェア構成を模式的に示す図である。図５に示されるように、Ｗｅｂサーバ９００は、主たる構成要素として、ＣＰＵ（Central　Processing　Unit）９１０と、キーボード等の入力部９２０と、メモリ９３０と、メモリインタフェース９４０と、通信インタフェース９５０とを含む。ＣＰＵ９１０、入力部９２０、メモリ９３０、メモリインタフェース９４０、および、通信インタフェース９５０は、互いに内部バスで接続されている。
　メモリ９３０は、ＲＡＭ（Random　Access　Memory）またはＲＯＭ（Read　Only　Memory）などの記憶装置によって実現される。メモリ９３０は、ＣＰＵ９１０によって実行されるプログラム、および、当該プログラムの実行において利用されるデータが格納される。
　メモリインタフェース９４０は、外部の記憶媒体９４１からデータを読み出す。記憶媒体９４１は、Ｗｅｂサーバ９００に対して着脱可能である。ＣＰＵ９１０は、メモリインタフェース９４０を介して外部の記憶媒体９４１に格納されているデータを読み出して、当該データをメモリ９３０に格納する。また、ＣＰＵ９１０は、メモリ９３０からデータを読み出し、当該データを、メモリインタフェース９４０を介して記憶媒体９４１に格納する。ＣＰＵ９１０が実行するプログラムは、記憶媒体９４１に格納されていてもよい。また、ＣＰＵ９１０が実行するプログラムは、公衆ネットワーク等のネットワークを介してダウンロードされて、メモリ９３０に格納されてもよい。
　通信Ｉ／Ｆ９５０は、アンテナやコネクタによって実現される。通信Ｉ／Ｆ９５０は、有線通信あるいは無線通信によって他の装置との間で、データを送受信する。ＣＰＵ９１０は、通信Ｉ／Ｆ９５０を介して、他の装置からプログラムや画像データやテキストデータなどを受信し、また、他の装置に画像データやテキストデータを送信する。
　ＣＰＵ９１０は、メモリ９３０あるいは記憶媒体９４１に記憶されているプログラムを実行することによって、Ｗｅｂサーバ９００の各部を制御する。
　（２）ユーザ端末６００
　図６は、ユーザ端末６００における主なハードウェア構成を示す図である。図６に示されるように、ユーザ端末６００は、主たる構成要素として、ＣＰＵ６１０と、タッチパネル６２０と、メモリ６３０と、メモリインタフェース６４０と、通信インタフェース６５０とを含む。
　タッチパネル６２０は、抵抗膜方式、表面弾性波方式、赤外線方式、電磁誘導方式、静電容量方式などのいずれのタイプであってもよい。タッチパネル６２０は、光センサ液晶を含んでもよい。タッチパネル６２０は、所定時間毎に外部の物体によるタッチパネル６２０へのタッチ操作を検知して、タッチ座標（タッチ位置）をＣＰＵ６１０に入力する。換言すれば、ＣＰＵ６１０は、タッチパネル６２０から順次タッチ座標を取得する。
　メモリ６３０は、ＲＡＭまたはＲＯＭなどの記憶装置によって実現される。メモリ６３０は、ＣＰＵ６１０によって実行されるプログラム、および、当該プログラムの実行において利用されるデータが格納される。
　メモリインタフェース６４０は、外部の記憶媒体６４１からデータを読み出す。記憶媒体６４１は、ユーザ端末６００に対して着脱可能である。ＣＰＵ６１０は、メモリインタフェース６４０を介して外部の記憶媒体６４１に格納されているデータを読み出して、当該データをメモリ６３０に格納する。また、ＣＰＵ６１０は、メモリ６３０からデータを読み出し、当該データを、メモリインタフェース６４０を介して記憶媒体６４１に格納する。ＣＰＵ６１０が実行するプログラムは、記憶媒体６４１に格納されていてもよい。また、ＣＰＵ６１０が実行するプログラムは、公衆ネットワーク等のネットワークを介してダウンロードされて、メモリ６３０に格納されてもよい。
　通信Ｉ／Ｆ６５０は、アンテナやコネクタによって実現される。通信Ｉ／Ｆ６５０は、有線通信あるいは無線通信によって他の装置との間で、データを送受信する。ＣＰＵ６１０は、通信Ｉ／Ｆ６５０を介して、他の装置からプログラムや画像データやテキストデータなどを受信し、また、他の装置に画像データやテキストデータを送信する。
　ＣＰＵ６１０は、メモリ６３０あるいは記憶媒体６４１に記憶されているプログラムを実行することによって、ユーザ端末６００の各部を制御する。
　また、ＣＰＵ６１０は、Ｗｅｂサーバ９００に対して評価情報の提供を送信し、また、評価情報を提供（表示）するためのアプリケーションプログラムを実行する。ＣＰＵ６１０は、当該アプリケーションプログラムを実行することにより、後述する図１０の画面ＩＭＧ００等の画面をタッチパネル６２０に表示する。
　＜４．機能ブロック＞
　図７は、図１に示された評価情報提供システムの機能ブロックの一例を示す図である。
　図７を参照して、第１の実施の形態の評価情報提供システムにおいて、データベース１００は、被験者の動作データを記憶する動作データ記憶装置として機能する。データベース１００は、種々のネットワーク上に存在する複数のサーバ装置によって実現され得る。
　演算処理装置５００は、被験者の動作データを生成してそれをデータベース１００へ入力し、また、利用者の動作データを生成してそれをＷｅｂサーバ９００へ入力する、動作データ入力装置として機能する。演算処理装置５００は、たとえばランニングマシン８００から入力された画像を利用して、利用者（および被験者）の動作データを生成する。演算処理装置５００は、さらに、利用者（および被験者）の属性の入力を受け付け、入力された属性をＷｅｂサーバ９００に入力する。このとき、演算処理装置５００は、属性入力装置として機能する。Ｗｅｂサーバ９００には、演算処理装置５００以外の装置から動作データおよび属性が入力されても良い。
　Ｗｅｂサーバ９００は、スキル距離計算部９０１、距離記憶部９０２、スコア計算部９０３、スキルグループ化計算部９０４、および属性記憶部９０５として機能する。
　より具体的には、図７に示されたＷｅｂサーバ９００の機能のうち、スキル距離計算部９０１およびスキルグループ化計算部９０４は、たとえばＣＰＵ９１０（図５）が予め定められたプログラムを実行することによって実現される。距離記憶部９０２、スコア計算部９０３、および属性記憶部９０５は、メモリ９３０（図５）によって実現される。
　スキル距離計算部９０１は、動作データ記憶装置から入力される被験者の動作データおよび利用者の動作データについて、上記した非線形変換を実行し、さらに、動作データ間の統計的距離を計算する。
　距離記憶部９０２は、それぞれの動作データについて計算された、他の動作データとの距離を記憶する。
　スコア計算部９０３は、スキル距離計算部９０１が計算した動作データについての統計的距離を利用して、利用者の動作についてのスコアを計算する。
　属性記憶部９０５は、利用者の属性を記憶する。
　スキルグループ化計算部９０４は、後述する図１９における表示のように、複数の属性について計算された属性から、動作に与える影響が大きいスキル（属性）を特定するための情報を生成する。
　＜５．動作データ間の統計的距離の算出＞
　次に、動作データ間の統計的距離の算出について説明する。なお、本明細書では、動作データ間の統計的距離を、単に「距離」と呼ぶ場合もある。
　動作データ間の距離は、動作データをsingle-class　ＳＶＭによって処理することによって算出する。single-class　ＳＶＭによる処理について説明する。
　single-class　ＳＶＭでは、次の式（１）に示されるように、タイムポイントｉ（ｉは、１、２…ｎ）での被験者または利用者の動作データを定義する。式（１）において、ｄは、１組の動作データに含まれるデータの種類を表す。当該種類の数は、動作データの次元を表すともいえる。
Figure JPOXMLDOC01-appb-M000001
　ここで、φ（ｘ）によって、入力空間Ｘから特徴空間Ｈへのマッピングを表す。そして、特徴空間Ｈにおける超平面を、それがより多くの動作データをより原点から離れた距離で分離するように設定すると、特徴空間Ｈにおけるいかなる超平面も次の式（２）のように記載される。
Figure JPOXMLDOC01-appb-M000002
　そして、このような超空間は、次の式（３）を解くことによって得られる。ここで、ξｉは、スラック変数である。νは、原点側に可能な位置の量を調整するための正のパラメータである。
Figure JPOXMLDOC01-appb-M000003
　また、カーネル関数は、次の式（４）で表される。
Figure JPOXMLDOC01-appb-M000004
　式（４）のカーネル関数は、次の式（５）に示されるように定義される。
Figure JPOXMLDOC01-appb-M000005
　そして、ここでの双対は、次の式（６）として得られる。
Figure JPOXMLDOC01-appb-M000006
　この最適化は、二次計画ソルバを用いて解決され得る。次の式（７）として定義される。
Figure JPOXMLDOC01-appb-M000007
　式（７）において、σ＞０であり、また、σは、カーネル関数のパラメータ（カーネル幅）であり、通常、一般に用いられるパラメータである。
　次に、「非線形変換された動作データ」として上記した各動作データのsingle-class　ＳＶＭモデルについて、当該モデル間の距離の算出について説明する。
　２つのsingle-class　ＳＶＭモデル「（αｕ，ρｕ）」と「（αｖ，ρｖ）」の間の距離Ｄｕｖは、次の式（８）として示される。
Figure JPOXMLDOC01-appb-M000008
　式（８）において、ｕとｖのそれぞれは、被験者または利用者を指定する。また、式（８）において、ｃｕ，ｃｖ，ｐｕ，ｐｖは、それぞれ、図８に示されたように、単位円ＣＲ１を用いて定義される。
　なお、図８中のｗｕは、次の式（９）で定義される。
Figure JPOXMLDOC01-appb-M000009
　ここで、式（８）中のＤｕｖは、２つの文献（「F.　Desobry,　M.　Davy,　and　C.　Doncarli,　“An　online　kernel　change　detection　algorithm,”　IEEE　TRANSACTIONS　ON　SIGNAL　PROCESSING,　vol.　53,　no.　8,　pp.　2961-2974,　2005.」および「[22]　P.　S.　Riegel,　“Athletic　records　and　human　endurance,”　American　Scientist　May/Jun81,　vol.　69,　no.　3,　p.　285,　1981.」）等に記載されたようなフィッシャー比と同様の観点で、正規化された距離である。
　式（８）における点ｃｕから点ｐｕまでの弧（本明細書中、便宜上「～ｃｕｐｕ～」と記述する。）は、特徴空間におけるφ（ｘ）中のサンプルの分散の尺度である。サンプル同士が広がれば、弧「～ｃｕｐｕ～」は長くなり、また、次の式（１０）で表されるマージンが小さくなる。
Figure JPOXMLDOC01-appb-M000010
　したがって、上記の距離は、特徴空間において予測される挙動（つまり、広がりが大きくなるほど値が大きくなり、また、重なりが大きくなるほど値が小さくなる）を呈する。
　式（８）の距離Ｄｕｖは、以下のような想定されるパラメータを用いて算出される。つまり、当該距離は、単位円と、２つのベクトルａとｂの間の弧の長さ（「～ａｂ～」）とで表される。なお、ベクトルａとベクトルｂの弧の長さは、これらのベクトルのなす角と等価である。また、ベクトルａとベクトルｂについて、次の式（１１）が成立する。
Figure JPOXMLDOC01-appb-M000011
　これにより、２つのベクトルａとｂの間の弧の長さは、次の式（１２）によって導出される。
Figure JPOXMLDOC01-appb-M000012
　したがって、次の、式（１３）から導出されるｃｕ、および、式（１４）から導出されるｃｖを用いて、ｃｕｃｖの弧の長さは、式（１５）に従って導出される。
Figure JPOXMLDOC01-appb-M000013
Figure JPOXMLDOC01-appb-M000014
Figure JPOXMLDOC01-appb-M000015
　式（１５）において、Ｋｕｖは、カーネルマトリクスである。当該カーネルマトリクスは、列ｉ、行ｊについての要素ｋ（ｘｕ，ｉ，ｘｕ，ｊ）で表される。
　また、同様に、ｃｕｐｕの弧の長さは、次の式（１６）で表される。
Figure JPOXMLDOC01-appb-M000016
　以上説明されたように、single-class　ＳＶＭモデルの計算により、各動作データについての原点からの距離が算出される。そして、それぞれの原点からの距離から、非線形変換された動作データ間の距離が求められる。
　図９は、計算された動作データ間の距離が記憶される態様を模式的に示す図である。Ｗｅｂサーバ９００のＣＰＵ９１０は、たとえば、データベース１００に登録されている２以上の動作データ（被験者の動作データ）について、総当たりで、動作データ間の距離を計算する。そして、ＣＰＵ９１０は、計算された距離を、たとえば図９に示された態様で、メモリ９３０に格納する。図９に示された距離行列では、動作データｄ（１）～ｄ（５）の５個の動作データについて総当たりで算出された距離がマトリクス状に登録されている。当該距離行列において、同一の動作データ間の距離（たとえば、動作データｄ（１）同士の距離等の、行列の左上から右下に延びる対角線）の値は、「０」とされている。
　＜６．スコアの計算方法＞
　次に、図１０～図１４を参照して、利用者に対して提供されるスコアの計算方法を説明する。
　評価情報提供システムでは、利用者は、スコアの基準となる属性を指定する。図１０は、ユーザ端末６００において表示される、属性を指定するための画面の一例を示す図である。ＣＰＵ６１０は、たとえば評価情報を提供（表示）するためのアプリケーションプログラムを実行することにより、当該画面を表示する。
　図１０の画面ＩＭＧ００は、属性を入力するための欄ＩＡ００を含む。図１０では、属性の一例として、「走行タイム２時間台」が示されている。ユーザ端末６００は、指定された属性を、Ｗｅｂサーバ９００へ送信する。
　Ｗｅｂサーバ９００は、属性の指定を受け付けると、被験者の動作データのうち、指定された属性に関連付けられて格納されている動作データを選択する。たとえば、属性「走行タイム２時間台」が指定されると、ＣＰＵ９１０は、データベース１００に格納された動作データのうち、「走行タイム２時間台」に関連付けられた動作データを選択する。
　そして、Ｗｅｂサーバ９００のＣＰＵ９１０は、選択された被験者の動作データについて、総当たりで、非線形変換された後の動作データ間の距離を計算する。当該総当たりで計算された距離が既にメモリ９３０に格納されている場合には、当該格納されている距離の行列（図９）を読み出す。
　そして、ＣＰＵ９１０は、動作データごとに、距離の絶対値の平均値を計算する。図１１には、行列Ｍ１として、図９に示された行列の各動作データについて計算された平均値が示されている。
　ここで、平均値が最も低い動作データは、指定された属性に属する他の動作データとの距離の合計が最も小さい動作データであるため、当該属性の特徴を表わしている動作データであると見積もることができる。
　そこで、ＣＰＵ９１０は、指定された属性に属する動作データから、最も平均値が小さい動作データを、特徴データとして特定する。図１１において行列Ｍ２として示される例では、動作データｄ（１）が、特徴データとして特定されている。
　一方、ＣＰＵ９１０は、利用者の動作データと、指定された属性に属する動作データのそれぞれとの距離を計算する。図１１の行列Ｍ２は、利用者の動作データについての計算結果が図９の行列に追加された、距離行列である。図１１の行列Ｍ２では、利用者の動作データについての計算結果が、利用者ｄ（Ｘ）についてのデータとして示されている。
　そして、ＣＰＵ９１０は、図１１の行例Ｍ３において、枠Ｆとして示されたように、各動作データの特徴データとの距離に基づいて、各動作データに順位を付ける。特徴データとの距離が近いほど、付される順位は１位に近づく。利用者（Ｘ）の順位は、図１２の表Ｔ０１として示されるように、２位である。
　そして、ＣＰＵ９１０は、次の式（１７）に従って、利用者のスコアＳを算出する。
　　｛（Ｎ－Ｍ＋１）／Ｎ｝×１００＝Ｓ　…（１７）　（ただし、Ｍ≧１）
　式（１７）において、Ｎは、指定された属性に属する動作データの数を表わす。Ｍは、利用者の平均値の順位（図１２の表Ｔ０１の例では、「２」）を表わす。
　たとえば、図１２の表Ｔ０１の例に示されたように、指定された属性に属する動作データの数が「５」であり、利用者の順位が「２」位である場合には、指定された属性についての利用者のスコアＳは、次の式（１８）に従って、「８０点」と計算される。
　　｛（５－２＋１）／５｝×１００＝８０　…（１８）
　図１３は、式（１７）に従って計算された利用者のスコアを表示する画面の一例を示す図である。ＣＰＵ９１０は、スコアの計算結果をユーザ端末６００へ送信する。これに応じて、ユーザ端末６００は、タッチパネル６２０に、図１３の画面ＩＭＧ０１を表示する。画面ＩＭＧ０１は、計算されたスコア（６０点）を表示する。
　なお、ＣＰＵ９１０は、さらに、式（１７）中の値Ｎ，Ｍをユーザ端末６００へ送信してもよい。これに応じて、ユーザ端末６００のＣＰＵ６１０は、値Ｎ，Ｍを画面ＩＭＧ０１に表示してもよい。図１３の画面ＩＭＧ０１は、値Ｎ，Ｍに基づく、文字列「５人中２位」を含む。
　図１４は、上記のスコアの計算の概念を、さらに詳細に説明するための図である。
　本開示によれば、属性が指定されると、当該属性に属する動作データ間の距離に基づいて、当該属性における特徴データが選択される。そして、指定された属性の動作データが図１４に示されるように特徴データとの距離の順に並べられ、さらに、利用者の動作データも特徴データに基づいて、指定された属性の動作データの順序に加えられる。図１４では、「●」印によって、指定された属性の動作データのそれぞれの距離が示される。また、「ｄ１，ｐ」によって、利用者の動作データの距離が示される。線Ｌ１は、指定された属性のそれぞれの動作データにおける特徴データとの距離の傾向を概略的に表す。
　そして、特徴データとの距離についての利用者の動作データの順位が特定される。そして、式（１７）に従って、特定された順位（式（１７）中の「Ｍ」）と指定された属性に関連付けられた動作データの数（式（１７）中の「Ｎ」）とを用いて、指定された属性についての利用者のスコアが計算される。
　＜７．スコアの履歴の表示＞
　本開示の評価情報提供システムでは、ＣＰＵ９１０は、利用者について計算されたスコアを、計算された時期（または、計算に利用された利用者の動作データが生成された時期）に関連付けて、メモリ９３０に格納してもよい。
　そして、ＣＰＵ９１０は、ユーザ端末６００における操作に応じて、計算されたスコアの履歴をユーザ端末６００に送信する。これに応じて、ユーザ端末６００において、ＣＰＵ６１０は、計算されたスコアの履歴をタッチパネル６２０に表示してもよい。
　たとえば、利用者は、ユーザ端末６００で、履歴の表示の対象期間を指定する。ＣＰＵ６１０は、指定された期間をＷｅｂサーバ９００へ送信する。これに応じて、ＣＰＵ９１０は、指定された期間のスコアの履歴を取得して、ユーザ端末６００へ送信する。これに応じて、ＣＰＵ６１０は、Ｗｅｂサーバ９００から送信されたスコアの履歴を表示する。
　図１５は、スコアの履歴の表示の一例を示す図である。図１５の画面ＩＭＧ１１は、指定された期間の一例（２０１５年７月１日～２０１５年９月１日）と、当該期間において計算されたスコアの履歴を表示する。画面ＩＭＧ１１において表示されるスコアの履歴は、３つのスコア、つまり、２０１５年７月１日に計算された「１０点」、２０１５年８月１日に計算された「２２点」、および、２０１５年９月１日に計算された「３１点」を含む。なお、各スコアは、スコアの算出に利用された動作データの数Ｎおよび利用者の順位とともに示されている。たとえば、２０１５年７月１日に計算されたスコア「１０点」は、「１００人中９０位」という文字列とともに示されている。
　ユーザ端末６００のＣＰＵ６１０は、スコアの履歴を用いて、利用者の動作の傾向を表わす情報を生成し、タッチパネル６２０に表示してもよい。ＣＰＵ６１０は、たとえば、スコアの時間変化を最小二乗法によって直線で近似し、近似直線の傾きが正であるか負であるかによって、スコアの変化の傾向が上昇であるのか下降であるのかを特定する。
　図１６は、利用者の動作の傾向を表わす２つの画面の例を示す図である。
　図１６の画面ＩＭＧ１２は、時間の経過とともにスコアが上昇する傾向にある場合の表示例を示す。画面ＩＭＧ１２は、「スコアは、全体的に上昇しています！この調子で、がんばってください！」というポジティブなメッセージを含む。
　図１６の画面ＩＭＧ１３は、時間の経過とともにスコアが下降する傾向にある場合の表示例を示す。画面ＩＭＧ１３は、「スコアは、全体的に下降しています。フォームに改善の余地があるかもしれません。」という、利用者に改善を促すメッセージを含む。
　画面ＩＭＧ１２および画面ＩＭＧ１３に表示されるメッセージは、たとえば、それぞれの傾向に関連付けられて、メモリ６３０に格納されている。ＣＰＵ６１０は、特定された傾向に関連付けられたメッセージを選択して、タッチパネル６２０に表示する。
　図１７は、スコアの履歴の他の例を示す図である。図１７の画面ＩＭＧ２１は、履歴に含まれる各スコアを、指定された属性に関連付けられた動作データと利用者の動作データとの統計的距離を、たとえば多次元尺度法によって可視化するグラフとともに、表示する。
　より具体的には、画面ＩＭＧ２１では、２０１５年７月１日に計算された「１０点」は、グラフＧ１１と共に表示される。２０１５年８月１日に計算された「２２点」は、グラフＧ１２と共に表示される。２０１５年９月１日に計算された「３１点」は、グラフＦ１３と共に表示される。グラフＧ１１～Ｇ１３のそれぞれにおいて、点ＰＵは、利用者の動作データを表わす。また、点ＰＣは、指定された属性における特徴データを表わす。グラフＧ１１～Ｇ１３のそれぞれにおいて、スコアが上昇するほど、点ＰＵと点ＰＣとの距離は短くなる。このことから、点ＰＵと点ＰＣとの距離は、指定された属性についてのスコアの値に応じて変化する距離であるため、「スキル距離」として、当該属性についての熟練度の指標として認識され得る。
　＜８．動作に与える影響が大きいスキル（属性）の特定＞
　評価情報提供システムは、２種類の属性の指定を受け付けてもよい。より具体的には、評価情報提供システムは、第１の種類の属性として単一の属性の指定を受け付け、さらに、第２の種類の属性として２以上の種類の属性の指定を受け付ける。そして、評価情報提供システムは、第１の種類の属性を第２の種類の属性のそれぞれに組合せたときのスコアを計算する。そして、評価情報提供システムは、第２の種類の属性のそれぞれについて計算されたスコアを比較することにより、第２の種類として指定された２以上の属性の中から、第１の種類の属性についてのスコアに対して大きな影響を与えている属性を特定する。
　図１８は、２種類の属性の指定を受け付ける画面の一例を示す図である。
　図１８の画面ＩＭＧ３１は、第１の種類の属性を「基準属性」として受け付け、また、第２の種類の属性を「評価用属性」として受け付ける。より具体的には、第１の種類の属性（基準属性）として、属性「走行タイム２時間台」が受け付けられる。また、第２の種類の属性（評価用属性）として、属性「ひじ（速度）」、属性「ひざ（速度）」、および属性「足首（速度）」が受け付けられる。
　属性「ひじ（速度）」は、肘の移動速度の計測値を意味する。属性「ひざ（速度）」は、ひざの移動速度の計測値を意味する。属性「足首（速度）」は、足首の移動速度の計測値を意味する。
　図１８に示されたような指定を受け付けると、ＣＰＵ９１０は、３つのスコアを計算する。１つ目のスコアは、第１の種類の属性（走行タイム２時間台）に関連付けられ、かつ、第２の種類の１つ目の属性（ひじ（速度））に関連付けられた、被験者および利用者の動作データを用いて、計算される。
　２つ目のスコアは、第１の種類の属性（走行タイム２時間台）に関連付けられ、かつ、第２の種類の２つ目の属性（ひざ（速度））に関連付けられた、被験者および利用者の動作データを用いて、計算される。
　３つ目のスコアは、第１の種類の属性（走行タイム２時間台）に関連付けられ、かつ、第２の種類の３つ目の属性（足首（速度））に関連付けられた、被験者および利用者の動作データを用いて、計算される。
　そして、ＣＰＵ９１０は、３つのスコアについての計算の結果を、ユーザ端末６００へ送信する。これに応じて、ユーザ端末６００のＣＰＵ６１０は、タッチパネル６２０へ、当該結果を表示する。図１９は、３つのスコアの計算結果の表示画面の一例を示す図である。
　図１９の画面ＩＭＧ３２は、基準属性として指定された項目（走行タイム）と共に、評価用属性として指定された３つの属性のそれぞれについてのスコアを示す。さらに、画面ＩＭＧ３２は、その下部に、３つの属性のそれぞれのスコアを１つの図にまとめて図示し、また、その上部に、３つの属性のうちどの属性が基準属性に与える影響が大きいかを示すメッセージ（選択された評価用属性のスコアから、あなたの改善点はひじと考えられます。）を示す。
　画面ＩＭＧ３２内のメッセージは、ＣＰＵ６１０によって選択される。ＣＰＵ６１０は、ＣＰＵ９１０から送信された３つの属性のそれぞれのスコアを比較することにより、最も値の低いスコアを選択し、選択されたスコアに関連付けられた属性を、基準属性に対して最も影響を与えている属性として特定する。そして、画面ＩＭＧ３２内のメッセージは、特定された属性を報知するためのメッセージである。このメッセージは、第２の種類の属性における、第１の種類の属性との関連の度合いを評価する情報の一例である。つまり、第２の種類の２以上の属性のうち最も第１の種類の属性に関連する度合いの高い属性を表わす情報である。
　なお、基準属性に対して最も影響を与えている属性の特定は、ＣＰＵ９１０によって実行されてもよい。
　また、最も影響を与えている属性として、計算されたスコアのうち、最も値の高いスコアが特定されてもよい。
　＜９．競合する複数の属性についての表示＞
　評価情報提供システムは、図１８および図１９に示されたように、第１の種類の属性として１つの属性を指定され、第２の種類の属性として複数（図１８および図１９の例では、「３つ」）の属性を指定された場合、さらに第１の種類の属性として指定された属性に競合する属性についての表示を行うことができる。
　図２０は、競合する複数の属性に属する被験者の動作データについて算出された距離を互いに異なる態様で表示する画面の一例を示す図である。
　図２０に示された例では、図１８および図１９に示された例と同様に、第１の種類の属性として「走行タイム２時間台」が選択され、第２の種類の属性として「ひじ（速度）」「ひざ（速度）」および「足首（速度）」が指定される。Ｗｅｂサーバ９００のメモリ９３０には、第１の種類の属性「走行タイム２時間台」に競合する属性として、５つの属性（走行タイム３時間台，４時間台，５時間台，６時間台，および，７時間台）が格納されている。そして、図２０に示された例では、ＣＰＵ９１０は、第２の種類の属性のそれぞれについて、属性「走行タイム２時間台」に関連付けられた動作データに加えて、上記５つの属性のそれぞれに属する動作データついても、特徴データ（属性「走行タイム２時間台」に関連付けられた動作データの中から選択されたもの）との距離を計算する。そして、計算された距離を、図２０においてグラフＧ１１～Ｇ１３として示されたように、多次元尺度法を利用して、表示する。
　つまり、たとえば、グラフＧ１１～Ｇ１３のそれぞれには、走行タイムが２時間台である被験者の動作データ、３時間台である被験者の動作データ、４時間台である被験者の動作データ、５時間台である被験者の動作データ、６時間台である被験者の動作データ、および、７時間台である被験者の動作データのそれぞれについて、特徴データとの距離が可視化されている。
　グラフＧ１１～Ｇ１３のそれぞれにおける太線は、グラフＧ１１～Ｇ１３のそれぞれにおけるデータの傾向を模式的に示す。グラフＧ１１～Ｇ１３のいずれにおいても、右側にいくほど、完走予想時間が短くなる傾向にある。つまり、利用者は、グラフＧ１１～Ｇ１３から、グラフＧ１１～Ｇ１３のそれぞれについて指定された第２の属性（ひじの加速度、ひざの加速度、足首の加速度）が、走行タイムと関連を持つことを理解できる。
　また、グラフＧ１１～Ｇ１３のそれぞれには、点Ｐ１１，Ｐ１２，Ｐ１３として、利用者の動作データを表わす点が示される。
　図２１は、図２０のグラフＧ１１～Ｇ１３のそれぞれにおいて示された傾向を、単純化して説明するための図である。
　図２１のグラフＧ２０には、第２の種類の属性およびそれに競合する属性として、属性Ａ～Ｄが示される。より具体的には、属性Ａ～Ｄのそれぞれに属する動作データの特徴データとの距離が、多次元尺度法で示されている。属性Ａ，Ｂ，Ｃ，Ｄは、それぞれ、走行タイムが「２時間」「３時間」「４時間」「５時間」を表わす。
　属性Ａ～Ｄは、互いに競合する属性であって、動作の優劣の度合いが異なる。たとえば、属性Ａ～Ｄのうち、属性Ａが最も優秀な動作に対応し、属性Ａ、属性Ｂ、属性Ｃ、属性Ｄの順に優劣が特定される。図２１に示されるように、動作データの距離の傾向が、属性Ａ～Ｄの属性ごとに群を形成し、かつ、群の配列が優劣の配列と同様の関係を表わす場合、第１の種類の属性が、第２の種類の属性の優劣に影響を与えていることを理解することができる。
　［第２の実施の形態］
　第２の実施の形態の評価情報提供システムでは、利用者のランニングフォームの代わりに、利用者のバッティングフォームについての評価用の情報が提供される。
　＜１．システムの概要＞
　図２２は、第２の実施の形態の評価情報提供システムにおける、動作データの入力態様を説明するための図である。図２２に示されたように、第２の実施の形態の評価情報提供システムでは、被験者または利用者が動作に利用する道具の一例であるバット８０に取り付けられたセンサ装置２００の出力が、動作データとして、データベース１００へ入力される。センサ装置２００は、たとえば、互いに直交する３軸（Ｘ軸，Ｙ軸，Ｚ軸）についての加速度を検出する加速度センサであり、かつ、３軸（Ｘ軸，Ｙ軸，Ｚ軸）まわりの角速度を検出する角速度センサである。なお、センサ装置２００は、加速度および角速度のいずれか一方のみを検出してもよい。センサ装置２００は、検出出力を、データベース１００およびＷｅｂサーバ９００へ送信する。
　第２の実施の形態において動作データに関連付けられる属性の一例は、被験者または利用者のカテゴリ（プロフェッショナルの野球の選手であるかアマチュアの選手であるか）を示す情報である。当該属性に属する区分の一例は、各選手を特定する情報（たとえば、選手の氏名）である。属性の他の例は、被験者または利用者が右利きのバッタであるか左利きのバッタであるかを示す情報である。属性のさらに他の例は、バット８０の材質（木製、または、金属製）である。
　＜２．センサ装置のハードウェア構成＞
　図２３は、第２の実施の形態のセンサ装置２００のハードウェア構成を示すブロック図である。図２３に示されるように、センサ装置２００は、主たる構成要素として、各種処理を実行するためのＣＰＵ２０２と、ＣＰＵ２０２によって実行されるプログラム、データなどを格納するためのメモリ２０４と、３軸方向の加速度を検出可能な加速度センサ２０６と、３軸のそれぞれのまわりの角速度を検出可能な角速度センサ２０８と、データベース１００と通信するための通信インタフェース（Ｉ／Ｆ）２１０と、センサ装置２００の各種構成要素に電力を供給する蓄電池２１２とを含む。
　＜３．データの具体例＞
　図２４は、センサ装置２００の検出出力の具体例を示す図である。図２４には、Ｘ軸、Ｙ軸、および、Ｚ軸における加速度（図２４中の「ＡｃｃＸ」「ＡｃｃＹ」「ＡｃｃＺ」）、ならびに、Ｘ軸、Ｙ軸、および、Ｚ軸についての角速度（図２４中の「ＧｙｒｏＸ」「ＧｙｒｏＹ」「ＧｙｒｏＺ」）が示されている。
　図２４に示されるように、被験者または利用者がバット８０（図２３）をスイングさせると、当該スイングにおける打点（図２４中の「Hit　point」を中心として、各検出出力の値が変化している。つまり、評価情報提供システムにおいて、Ｘ軸、Ｙ軸、および、Ｚ軸における加速度、ならびに、Ｘ軸、Ｙ軸、および、Ｚ軸についての角速度の検出出力の変化は、いずれも、バット８０のスイングの動作を反映する。
　＜４．動作データの表示例＞
　第２の実施の形態の評価情報提供システムにおいても、Ｗｅｂサーバ９００は、第１の実施の形態と同様に、動作データを非線形変換の後、動作データ間の距離を算出し、当該距離を多次元尺度法でプロットする。
　図２５は、第２の実施の形態におけるプロットの一例である。図２５には、属性「アマチュア選手」についての１０種類の動作データについての距離が示されている。図２５において、１０種類の動作データは、「Ａ１，Ｍ，Ｒ」等の符号で識別される。
　図２５中の符号は、「Ａ１，Ｍ，Ｒ」のように３つに部分に分割される。最初の部分「Ａ１」は、被験者または利用者を特定する。「Ａ」は、属性「アマチュア」を意味する。
　２番目の部分「Ｍ」は、バット８０の種類を特定する。「Ｍ」は金属製を意味し、「Ｗ」は木製を意味する。
　３番目の部分「Ｒ」は、スイングが右利きであるか左利きであるかを特定する。「Ｒ」は右利きを意味し、「Ｌ」は左利きを意味する。
　図２５に示された例では、各種類のデータとして、複数個の動作データについての距離が可視化されている。図２５に示された各距離は、スイングの各回に対応する。つまり、図２５では、被験者または利用者について、それぞれが同じ属性の組合せで複数回スイングしたときのそれぞれに対応する距離が可視化されている。
　図２５の表示は、属性「アマチュア」について、区分「被験者または利用者」ごとに、異なる態様（□，○等の互いに異なるプロットの種類）で、動作データについての距離が可視化される。これにより、利用者は、当該利用者の動作データについての距離の分布と、当該利用者が目標にしている被験者の動作データについての距離の分布とを比較することにより、当該利用者の動作（スイング）がどの程度目標にしている被験者の動作（スイング）にどの程度近いのかという見識を得ることができる。
　図２５の表示が、複数の時期の利用者の動作データのそれぞれについて行なわれた場合、利用者は、当該利用者の動作（スイング）が、時間の経過とともに、目標にしている被験者の動作（スイング）に近づいているのか遠のいているのかについての見識を得ることができる。
　図２６は、第２の実施の形態におけるプロットの他の例である。図２６には、属性「プロ選手」についての９種類の動作データについての距離が可視化されている。図２６において、９種類の動作データは、図２５と同様に、「Ｐ１，Ｗ，Ｌ」等の符号で識別される。
　図２６中の符号は、図２５中の符号と同様に、３つに部分に分割される。最初の部分「Ｐ１」は、被験者または利用者を特定する。「Ｐ」は、属性「プロ（プロフェッショナル）」を意味する。２番目の部分「Ｗ」は、バット８０の種類を特定する。３番目の部分「Ｌ」は、スイングが右利きであるか左利きであるかを特定する。
　図２６の表示は、属性「プロ」について、区分「被験者または利用者」ごとに、異なる態様（□，○等の互いに異なるプロットの種類）で、動作データについての距離が可視化される。特に、図２６の表示は、図２５の表示では見られなかった傾向、つまり、スイングが右利きであるか左利きであるかによって、動作データについての距離が分布する範囲が特定される、という傾向を有する。図２６では、右利きのスイングが分布することが特定された範囲が、模式的に範囲Ｃ０１で示されている。また、左利きのスイングが分布することが特定された範囲が、模式的に範囲Ｃ０２で示されている。
　第２の実施の形態の評価情報提供システムでは、ユーザ端末６００において、図２５および図２６の双方の表示が表示されることにより、利用者は、プロの選手の間では、アマチュアの選手の間では見られなかった傾向が存在するという見識を取得できる。
　また、第２の実施の形態では、利用者は、目標とする選手を指定することができる。当該指定に応じて、Ｗｅｂサーバ９００は、ユーザ端末６００に、２種類の動作データについての距離のみを表示するデータ、つまり、利用者の動作データについての距離と、当該利用者が指定した選手の動作データについての距離のみを、表示するデータを生成し、ユーザ端末６００に送信する。これにより、利用者は、当該利用者の動作の傾向と指定された選手の動作の傾向とを、直接的に比較することができる。
　また、第２の実施の形態においても、Ｗｅｂサーバ９００のＣＰＵ９１０は、第１の種類の属性として１つの属性の指定、および、第２の種類の属性として２以上の属性の指定を受け付けることができる。これに応じて、ＣＰＵ９１０は、第１の種類の属性についての利用者のスコアを、第２の種類の属性についてのそれぞれについて計算し、出力することができる。
　第１の種類の属性の一例は「プロ野球選手」である。第２の種類の属性の一例は、「パワーヒッター」および「アベレージヒッター」である。このような例では、ＣＰＵ９１０は、属性「パワーヒッター」および属性「アベレージヒッター」のそれぞれについて、スコアを算出する。つまり、ＣＰＵ９１０は、データベース１００に格納された動作データのうち、属性「プロ野球選手」に関連付けられ、かつ、属性「パワーヒッター」に関連付けられた動作データから特徴データを選択する。そして、選択された動作データと特徴データとの統計的距離を計算し、また、利用者の動作データと特徴データとの統計的距離を計算する。そして、これらの統計的距離を用いて、属性「プロ野球選手」および属性「パワーヒッター」についての、利用者のスコアを算出する。
　また、ＣＰＵ９１０は、同様に、属性「プロ野球選手」および属性「アベレージヒッター」についての、利用者のスコアを算出する。
　そして、ＣＰＵ９１０は、利用者について上記のように算出した２つのスコアを、ユーザ端末６００に送信する。
　ユーザ端末６００のＣＰＵ６１０は、送信された２つのスコアから、最もスコアが高いスコアに関連付けられた属性を特定する。そして、ＣＰＵ６１０は、特定された属性を、利用者のスイングのタイプとして特定された属性として表示する。
　図２７は、ユーザ端末６００における、利用者のスイングのタイプとして特定された属性の表示の一例を示す図である。図２７の画面ＩＭＧ４１は、第２の種類の属性として指定された２つの属性のそれぞれについてのスコア（属性「パワーヒッター」についての「６４点」、および、属性「アベレージヒッター」についての「８０点」）とともに、利用者のスイングのタイプとして特定された属性「アベレージヒッター」を表示する。
　今回開示された実施の形態およびその変形例はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は上記した説明ではなくて請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
　本開示では、第１の実施の形態として、ランニングフォームについての利用者の動作のスコアや当該スコアに付随する情報の提供について説明された。また、第２の実施の形態として、バッティングフォームについての利用者の動作のスコアや当該スコアに付随する情報の提供について説明された。なお、本開示における技術が対象とする動作は、これらに限定されない。本開示における技術が対象とする動作は、上記以外のスポーツの動作（たとえば、スキーの滑走時の利用者の動作）、または、スポーツ以外の動作（たとえば、歩行訓練時における利用者の動作）であってもよい。つまり、本開示における技術は、あらゆる動作について取得された動作データを用いて、当該動作についてのスコアや当該スコアに付随する情報を提供することができる。
　１００　データベース、２００　センサ装置、５００　演算処理装置、６００　ユーザ端末、６１０，９１０　ＣＰＵ、８００　ランニングマシン、９００　Ｗｅｂサーバ。

Claims (17)

  1. 　属性に関連付けられて記憶された被験者の２以上の動作データと、利用者の動作データとを用いて、当該利用者の動作を評価する情報を出力するための、評価情報提供システムであって、
    　２以上の動作データおよび前記利用者の動作データのそれぞれの間の統計的距離を計算するように構成された第１の計算部（９０１）と、
    　属性の指定を取得するように構成された取得部（９５０）と、
    　前記取得部（９５０）が取得した属性についての前記利用者のスコアを計算するように構成された第２の計算部（９０３）と、
    　前記第２の計算部（９０３）が計算した前記利用者のスコアを出力するように構成された出力部（９５０）とを備え、
    　前記第２の計算部（９０３）は、
    　　前記２以上の動作データのうち前記取得部（９５０）が取得した属性に関連付けられた動作データについて前記第１の計算部（９０１）が計算した統計的距離に基づいて、前記取得部（９５０）が取得した属性の特徴を表わす特徴データを選択し、
    　　前記取得部（９５０）が取得した属性に関連付けられた動作データと前記特徴データとの間の統計的距離、および、前記利用者の動作データと前記特徴データとの間の統計的距離を利用して、前記取得部（９５０）が取得した属性についての前記利用者のスコアを計算するように構成されている、評価情報提供システム。
  2. 　動作データのそれぞれは、被験者または利用者における１つ以上の部位の動作を表わす、請求項１に記載の評価情報提供システム。
  3. 　動作データのそれぞれは、被験者または利用者によって変位される道具における１つ以上の部位の動作を表わす、請求項１に記載の評価情報提供システム。
  4. 　前記取得部（９５０）は、属性の指定の入力を受け付けるように構成されている、請求項１に記載の評価情報提供システム。
  5. 　前記属性は、動作の優劣についての区分を含む、請求項１～請求項４のいずれか１項に記載の評価情報提供システム。
  6. 　前記区分は、マラソンの走行タイムについての時間の区別する、請求項５に記載の評価情報提供システム。
  7. 　前記属性は、動作の優劣以外の性質についての区分を含む、請求項１～請求項６のいずれか１項に記載の評価情報提供システム。
  8. 　前記区分は、動作をする者、または、動作に利用された道具を区別する、請求項７に記載の評価情報提供システム。
  9. 　前記第２の計算部（９０３）は、前記取得部（９５０）が取得した属性に関連付けられた動作データのうち、他の動作データとの統計的距離の平均値が最も小さい動作データを前記特徴データとして選択するように構成されている、請求項１～請求項８のいずれか１項に記載の評価情報提供システム。
  10. 　前記第２の計算部（９０３）は、前記取得部（９５０）が取得した属性に関連付けられた動作データおよび前記利用者の動作データに、前記特徴データとの統計的距離についての順序を設定し、前記利用者の動作データの順序に基づいて、前記利用者のスコアを計算するように構成されている、請求項１～請求項９のいずれか１項に記載の評価情報提供システム。
  11. 　前記第２の計算部（９０３）は、複数のタイミングにおける前記利用者の動作データのそれぞれについて、前記利用者のスコアを計算するように構成されており、
    　前記出力部（９５０）は、前記複数のタイミングのそれぞれについて、前記利用者のスコアを出力するように構成されている、請求項１～請求項１０のいずれか１項に記載の評価情報提供システム。
  12. 　前記出力部（９５０）は、前記複数のタイミングにおけるスコアの変化が、時間の経過とともにスコアが上昇するものであるか下降するものであるかを評価する情報をさらに出力するように構成されている、請求項１１に記載の評価情報提供システム。
  13. 　前記取得部（９５０）は、複数の種類の属性の指定を取得するように構成されている、請求項１～請求項１２のいずれか１項に記載の評価情報提供システム。
  14. 　前記取得部（９５０）は、第１の種類の属性および第２の種類の属性の指定を取得するように構成されており、
    　前記第２の種類の属性は、２以上の種類の属性を含み、
    　前記第２の計算部（９０３）は、前記第２の種類の属性のそれぞれの種類について、前記第１の種類の属性の特徴を表わす動作データである特徴データを取得するように構成されており、
    　前記第２の計算部（９０３）は、前記第２の種類の属性のそれぞれの種類について、前記第１の種類の属性についての前記利用者のスコアを計算するように構成されており、
    　前記出力部（９５０）は、前記第２の種類の属性のぞれぞれの種類について、前記第１の種類の属性についての前記利用者のスコアを出力するように構成されている、請求項１３に記載の評価情報提供システム。
  15. 　前記出力部（９５０）は、前記第２の種類の属性のそれぞれの種類についての前記スコアを比較することにより、前記第２の種類の属性の２以上の種類における、前記第１の種類の属性との関連の度合いを評価する情報を出力するように構成されている、請求項１４に記載の評価情報提供システム。
  16. 　前記出力部（９５０）は、さらに、前記第１の種類の属性に対する比較対象の属性に関連付けられた動作データについて前記第１の計算部（９０１）によって計算された統計的距離を、前記第１の種類の属性および前記比較対象の属性のそれぞれを識別する態様で、出力するするように構成されている、請求項１４または請求項１５に記載の評価情報提供システム。
  17. 　属性に関連付けられて記憶された被験者の２以上の動作データと、利用者の動作データとを用いて、当該利用者の動作を評価する情報を出力する評価情報提供方法であって、
    　２以上の動作データおよび前記利用者の動作データのそれぞれの間の統計的距離を計算するステップと、
    　属性の指定を取得するステップと、
    　前記２以上の動作データのうち取得された前記属性に関連付けられた動作データについて計算された統計的距離に基づいて、取得された前記属性の動作データから当該属性の特徴を表わす特徴データを選択し、取得された前記属性に関連付けられた動作データと前記特徴データとの間の統計的距離、および、前記利用者の動作データと前記特徴データとの間の統計的距離を利用して、取得された前記属性についての前記利用者のスコアを計算するステップと、
    　計算された前記利用者のスコアを出力するステップとを備える、評価情報提供方法。
PCT/JP2016/080827 2015-10-21 2016-10-18 評価情報提供システムおよび評価情報提供方法 WO2017069115A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US15/542,382 US10460451B2 (en) 2015-10-21 2016-10-18 Evaluation information provision system and evaluation information provision method
EP16857429.1A EP3366359A4 (en) 2015-10-21 2016-10-18 SYSTEM FOR PROVIDING EVALUATION INFORMATION AND METHOD FOR PROVIDING EVALUATION INFORMATION

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015207449A JP6163635B2 (ja) 2015-10-21 2015-10-21 評価情報提供システムおよび評価情報提供方法
JP2015-207449 2015-10-21

Publications (1)

Publication Number Publication Date
WO2017069115A1 true WO2017069115A1 (ja) 2017-04-27

Family

ID=58557030

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/080827 WO2017069115A1 (ja) 2015-10-21 2016-10-18 評価情報提供システムおよび評価情報提供方法

Country Status (4)

Country Link
US (1) US10460451B2 (ja)
EP (1) EP3366359A4 (ja)
JP (1) JP6163635B2 (ja)
WO (1) WO2017069115A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020150987A (ja) * 2019-03-18 2020-09-24 航 梅山 室内用有酸素運動装置、運動システム

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019082376A1 (ja) 2017-10-27 2019-05-02 株式会社アシックス 動作状態評価システム、動作状態評価装置、動作状態評価サーバ、動作状態評価方法、および動作状態評価プログラム
WO2019146024A1 (ja) * 2018-01-24 2019-08-01 富士通株式会社 画面生成プログラム、画面生成方法および情報処理装置
CN109614414B (zh) * 2018-09-11 2023-05-23 创新先进技术有限公司 一种用户信息的确定方法及装置
JP7014249B2 (ja) * 2020-03-19 2022-02-01 カシオ計算機株式会社 運動支援装置、運動支援方法及びプログラム
JP7322985B2 (ja) * 2020-03-19 2023-08-08 カシオ計算機株式会社 運動支援装置、運動支援方法及びプログラム
CN111680761B (zh) * 2020-06-17 2022-05-10 北京字节跳动网络技术有限公司 信息反馈方法、装置和电子设备
JP7173102B2 (ja) * 2020-07-01 2022-11-16 カシオ計算機株式会社 情報処理装置、情報処理方法及びプログラム
JP7079291B2 (ja) * 2020-07-21 2022-06-01 株式会社バンダイ 提示システム、提示制御装置及びプログラム
CN116249574A (zh) * 2020-10-20 2023-06-09 株式会社爱世克私 运动分析装置、运动分析方法及运动分析程序

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005198818A (ja) * 2004-01-15 2005-07-28 Ritsumeikan 身体動作の学習支援システム及び学習支援方法
WO2012039467A1 (ja) * 2010-09-22 2012-03-29 パナソニック株式会社 運動支援システム
JP2013103010A (ja) * 2011-11-15 2013-05-30 Sony Corp 画像処理装置、画像処理方法及びプログラム
WO2013129606A1 (ja) * 2012-02-29 2013-09-06 美津濃株式会社 ランニングフォーム診断システムおよびランニングフォームを得点化する方法
JP2014097104A (ja) * 2012-11-13 2014-05-29 Seiko Epson Corp ゴルフスイング解析装置、ゴルフスイング解析システム、ゴルフスイング解析プログラム、記録媒体及びゴルフスイング解析方法
JP2014131756A (ja) * 2014-02-17 2014-07-17 Fujitsu Ltd 携帯電子機器

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6056671A (en) * 1997-12-19 2000-05-02 Marmer; Keith S. Functional capacity assessment system and method
JP2003216774A (ja) 2002-01-24 2003-07-31 Ntt Docomo Kansai Inc イベント運営支援システム、情報処理装置、コンピュータプログラム、及び記録媒体
EP1846115A4 (en) * 2005-01-26 2012-04-25 Bentley Kinetics Inc METHOD AND SYSTEM FOR ANALYZING AND TEACHING ATHLETIC MOVEMENT
US9155487B2 (en) * 2005-12-21 2015-10-13 Michael Linderman Method and apparatus for biometric analysis using EEG and EMG signals
US7717826B2 (en) * 2007-03-21 2010-05-18 Ut-Battelle, Llc Electrical signature analysis to quantify human and animal performance on fitness and therapy equipment such as a treadmill
US8175326B2 (en) * 2008-02-29 2012-05-08 Fred Siegel Automated scoring system for athletics
JP2010119560A (ja) 2008-11-19 2010-06-03 Masao Atono 個人競技者支援システム
TWI455705B (zh) * 2009-10-07 2014-10-11 Ind Tech Res Inst 肢段肌力與運動體適偵知系統及方法
US20120231840A1 (en) * 2011-03-08 2012-09-13 Bank Of America Corporation Providing information regarding sports movements
JP5870603B2 (ja) * 2011-10-12 2016-03-01 富士ゼロックス株式会社 情報処理装置及び情報処理プログラム
US9350951B1 (en) * 2011-11-22 2016-05-24 Scott Dallas Rowe Method for interactive training and analysis
JP6439235B2 (ja) * 2012-08-10 2018-12-19 カシオ計算機株式会社 情報報知装置、情報報知方法及びプログラム
WO2014112632A1 (ja) * 2013-01-18 2014-07-24 株式会社東芝 動作情報処理装置及び方法
WO2014194337A1 (en) 2013-05-30 2014-12-04 Atlas Wearables, Inc. Portable computing device and analyses of personal data captured therefrom
JP6359343B2 (ja) * 2013-07-01 2018-07-18 キヤノンメディカルシステムズ株式会社 動作情報処理装置及び方法
US10503965B2 (en) * 2015-05-11 2019-12-10 Rcm Productions Inc. Fitness system and method for basketball training

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005198818A (ja) * 2004-01-15 2005-07-28 Ritsumeikan 身体動作の学習支援システム及び学習支援方法
WO2012039467A1 (ja) * 2010-09-22 2012-03-29 パナソニック株式会社 運動支援システム
JP2013103010A (ja) * 2011-11-15 2013-05-30 Sony Corp 画像処理装置、画像処理方法及びプログラム
WO2013129606A1 (ja) * 2012-02-29 2013-09-06 美津濃株式会社 ランニングフォーム診断システムおよびランニングフォームを得点化する方法
JP2014097104A (ja) * 2012-11-13 2014-05-29 Seiko Epson Corp ゴルフスイング解析装置、ゴルフスイング解析システム、ゴルフスイング解析プログラム、記録媒体及びゴルフスイング解析方法
JP2014131756A (ja) * 2014-02-17 2014-07-17 Fujitsu Ltd 携帯電子機器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3366359A4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020150987A (ja) * 2019-03-18 2020-09-24 航 梅山 室内用有酸素運動装置、運動システム

Also Published As

Publication number Publication date
JP2017077403A (ja) 2017-04-27
US10460451B2 (en) 2019-10-29
EP3366359A1 (en) 2018-08-29
EP3366359A4 (en) 2019-05-15
JP6163635B2 (ja) 2017-07-19
US20170372482A1 (en) 2017-12-28

Similar Documents

Publication Publication Date Title
JP6163635B2 (ja) 評価情報提供システムおよび評価情報提供方法
Velloso et al. Qualitative activity recognition of weight lifting exercises
JP6082101B2 (ja) 身体動作採点装置、ダンス採点装置、カラオケ装置及びゲーム装置
KR102377561B1 (ko) 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법
CN105453128A (zh) 便携式计算设备以及对从其捕捉的个人数据的分析
US20190143174A1 (en) Motion training guide system based on wearable sensor and method thereof
CN105389322A (zh) 基于运动传感器数据来推荐体育教学内容
Irwin et al. Inter-segmental coordination in progressions for the longswing on high bar
WO2017122705A1 (ja) トレーニング分類システム、トレーニング分類方法およびトレーニング分類サーバ
KR102242994B1 (ko) 인공 신경망을 이용하여 사용자 맞춤형 골프 클럽을 추천하는 방법 및 장치
JP6458739B2 (ja) 解析装置、記録媒体および解析方法
Warmenhoven et al. Bivariate functional principal components analysis: considerations for use with multivariate movement signatures in sports biomechanics
TWI679557B (zh) 適應性運動姿態感測系統與方法
CN115105056A (zh) 识别用户动作的方法和系统
CN112288766A (zh) 运动评估方法、装置、系统及存储介质
Nipas et al. Burned calories prediction using supervised machine learning: Regression algorithm
Hu et al. Flexible and attachable inertial measurement unit (IMU)-based motion capture instrumentation for the characterization of hand kinematics: A pilot study
JP2005111178A (ja) 動作トレーニング表示システム
JP6783646B2 (ja) 選択支援装置、選択支援システムおよび選択支援方法
JP7291011B2 (ja) 情報処理装置、情報処理方法、プログラム及び情報処理システム
KR102574229B1 (ko) 골프 스윙 분석 장치 및 그 방법
EP4194065A1 (en) Exercise analysis device, exercise analysis method, and exercise analysis program
Xiao RETRACTED: Data monitoring of athlete physical training based on FPGA processing system and machine vision
Bhardwaj et al. Wearable Advancements and its Implementation in Sports
JP2024032585A (ja) 運動指導システム、運動指導方法、およびプログラム

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: 16857429

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15542382

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE