JP2012120579A

JP2012120579A - 運動解析装置

Info

Publication number: JP2012120579A
Application number: JP2010271630A
Authority: JP
Inventors: Yasutoshi Takizawa; 安俊滝沢
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 2010-12-06
Filing date: 2010-12-06
Publication date: 2012-06-28
Anticipated expiration: 2030-12-06
Also published as: JP5641222B2

Abstract

【課題】被験者の運動フォームとリファレンスの運動フォームとの差を定量的に解析可能な情報が得られる運動解析装置を提供すること。
【解決手段】
運動解析装置１は、被験者に取り付けられる複数のモーションセンサー１０と、モーションセンサー１０の各々の出力データに基づく情報を取得するデータ取得部３１と、データ取得部３１が取得した情報に基づいて被験者をモデル化した被験者モデルの軌跡情報を生成する軌跡情報生成部３２と、リファレンスモデルの軌跡情報を記憶する軌跡情報記憶部６２とを含む。軌跡情報生成部３２は、軌跡情報記憶部６２からリファレンスモデルの軌跡情報を読み出して、被験者モデルの軌跡情報およびリファレンスモデルの軌跡情報を比較し、被験者モデルの軌跡情報及びリファレンスモデルの軌跡情報の少なくとも一方に対して、被験者モデルのサイズとリファレンスモデルのサイズとを一致させるサイズの正規化を行う。
【選択図】図１

Description

本発明は、運動解析装置に関する。

ゴルフ、テニス、野球などのスポーツでは、技術を向上させるためには無駄のない模範的な運動フォームを身につけることが重要である。そのため、多くの人はスポーツクラブ等でインストラクターのレッスンを受けているが、場所的・時間的な制約のためにレッスンを受けられない場合もある。そこで、例えば、特許文献１では、ゴルフレッスンの希望者が自己のスイングフォームをカメラで撮影した撮影データを通信回線を利用してサーバーに送信し、インストラクターがこの撮影データを解析して被験者にアドバイスを提供する手法が提案されている。この手法によれば、場所的・時間的な制約を受けることなく、インストラクターによるレッスンを受けることができる。

特開２００１−２９６７９９号公報

しかしながら、特許文献１の手法では、インストラクターの主観によるアドバイスが提供される傾向が強く、模範的なフォームとの定量的な違いを知ることは難しい。これに対して、カメラで撮影した運動フォームをあらかじめ用意した模範的なフォームと比較することも考えられるが、体格や運動速度が異なるため、やはり模範的なフォームとの違いを定量的に測定することは難しい。

本発明は、以上のような問題点に鑑みてなされたものであり、本発明のいくつかの態様によれば、被験者の運動フォームとリファレンスの運動フォームとの差を定量的に解析可能な情報が得られる運動解析装置を提供することができる。

（１）本発明は、被験者に取り付けられる複数のモーションセンサーと、前記モーションセンサーの各々の出力データに基づく情報を取得するデータ取得部と、前記データ取得部が取得した情報に基づいて前記被験者をモデル化した被験者モデルの軌跡情報を生成する軌跡情報生成部と、リファレンスモデルの軌跡情報を記憶する軌跡情報記憶部と、を含み、前記軌跡情報生成部は、前記軌跡情報記憶部から前記リファレンスモデルの軌跡情報を読み出して、前記被験者モデルの軌跡情報および前記リファレンスモデルの軌跡情報を比較し、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報の少なくとも一方に対して、前記被験者モデルのサイズと前記リファレンスモデルのサイズとを一致させるサイズの正規化を行う、運動解析装置である。

モーションセンサーの各々の出力データに基づく情報とは、モーションセンサーの各々の出力データそのものであってもよいし、モーションセンサーの各々の出力データに所与の演算処理を施して得られる情報であってもよい。

軌跡情報生成部は、被験者モデルの軌跡情報とリファレンスモデルの軌跡情報のいずれか一方のみに対してサイズの正規化を行ってもよいし、両方に対してサイズの正規化を行ってもよい。

軌跡情報生成部は、被験者モデルの軌跡情報に対してサイズの正規化を行う場合、サイズの正規化を行いながら被験者モデルの軌跡情報を生成してもよいし、被験者モデルの軌跡情報を生成した後にサイズの正規化を行ってもよい。

本発明によれば、サイズの正規化を行って、被験者モデルの軌跡情報とリファレンスモデルの軌跡情報を比較することで、被験者とリファレンスの運動フォームや運動速度の差を定量的に解析することができる。

（２）この運動解析装置において、前記軌跡情報生成部は、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報の少なくとも一方に対して、解析対象の運動の前記被験者モデルの動作時間と前記リファレンスモデルの動作時間とを一致させる時間の正規化をさらに行うようにしてもよい。

このように、サイズの正規化と時間の正規化を行って、被験者モデルの軌跡情報とリファレンスモデルの軌跡情報を比較することで、被験者とリファレンスの運動フォームのわずかな差も定量的に解析することができる。

（３）本発明は、被験者に取り付けられる複数のモーションセンサーと、前記モーションセンサーの各々の出力データに基づく情報を取得するデータ取得部と、前記データ取得部が取得した情報に基づいて前記被験者をモデル化した被験者モデルの軌跡情報を生成する軌跡情報生成部と、リファレンスモデルの軌跡情報を記憶する軌跡情報記憶部と、を含み、前記軌跡情報生成部は、前記軌跡情報記憶部から前記リファレンスモデルの軌跡情報を読み出して、前記被験者モデルの軌跡情報および前記リファレンスモデルの軌跡情報を比較し、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報の少なくとも一方に対して、解析対象の運動の前記被験者モデルの動作時間と前記リファレンスモデルの動作時間とを一致させる時間の正規化を行う、運動解析装置である。

軌跡情報生成部は、被験者モデルの軌跡情報とリファレンスモデルの軌跡情報のいずれか一方のみに対して時間の正規化を行ってもよいし、両方に対して時間の正規化を行ってもよい。

軌跡情報生成部は、被験者モデルの軌跡情報に対して時間の正規化を行う場合、時間の正規化を行いながら被験者モデルの軌跡情報を生成してもよいし、被験者モデルの軌跡情報を生成した後に時間の正規化を行ってもよい。

本発明によれば、時間の正規化を行って、被験者モデルの軌跡情報とリファレンスモデルの軌跡情報を比較することで、被験者とリファレンスの運動フォームの差を定量的に解析することができる。

（４）この運動解析装置において、前記軌跡情報生成部は、前記時間の正規化において、前記解析対象の運動を複数の運動に分割し、前記複数の運動の各々の前記被験者モデルの動作時間と前記リファレンスモデルの動作時間とを一致させる処理を行うようにしてもよい。

このようにすれば、分割した運動毎に運動フォームを比較することができるので、運動フォームの差をより詳細に解析することができる。

（５）この運動解析装置は、前記正規化を行った後、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報の画像を生成して表示部に表示させる画像生成部をさらに含むようにしてもよい。

このように、被験者の運動フォームとリファレンスの運動フォームを画像として表示させることで、両者の差が直感的にわかりやすくなる。

（６）この運動解析装置は、辞書情報を記憶する辞書情報記憶部と、前記軌跡情報生成部が前記正規化を行った後、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報を比較する軌跡情報比較部と、前記軌跡情報比較部の比較結果に基づいて、前記辞書情報から少なくとも１つの情報を選択し、表示部に表示させる表示選択部と、をさらに含むようにしてもよい。

このようにすれば、被験者モデルの軌跡とリファレンスモデルの軌跡の定量的な違いを別の表現に置き換えて表示させることができる。例えば、両者の定量的な違いから導かれる運動フォームの欠点などを指摘する文章を表示させるようにしてもよい。

（７）この運動解析装置において、前記モーションセンサーは、運動用具に取り付けられ、前記モーションセンサーの出力データに基づいて、前記運動用具の運動解析情報を生成する用具情報生成部をさらに含むようにしてもよい。

このようにすれば、運動フォームと運動用具の情報（例えば、速度や軌道）との関係を解析することができる。

（８）この運動解析装置において、前記モーションセンサーの少なくとも１つは、多軸加速度センサーと多軸角速度センサーとを含むようにしてもよい。

本実施形態の運動解析装置の構成を示す図。処理部の全体処理のフローチャート図。モーションセンサーの取り付け例を示す図。人体モデルの一例を示す図。軌跡データの時間の正規化処理について説明するための図。軌跡データの時間の正規化処理について説明するための図。軌跡データの時間の正規化処理のフローチャート図。軌跡データの時間の正規化処理について説明するための図。軌跡データのサイズの正規化処理のフローチャート図。軌跡データのサイズの正規化処理について説明するための図。軌跡データの比較処理について説明するための図。表示部の表示画面の一例を示す図。表示部の表示画面の一例を示す図。

以下、本発明の好適な実施形態について図面を用いて詳細に説明する。なお、以下に説明する実施の形態は、特許請求の範囲に記載された本発明の内容を不当に限定するものではない。また以下で説明される構成の全てが本発明の必須構成要件であるとは限らない。

１．運動解析装置の構成
図１は、本実施形態の運動解析装置の構成を示す図である。

本実施形態の運動解析装置１は、人体装着ユニット１００と処理・制御ユニット２００を含んで構成され、被験者の運動を解析する。被験者があらかじめ決められた運動を行うと、運動解析装置１は、被験者の運動フォームを取得してリファレンスの運動フォームとの差を解析する。

人体装着ユニット１００は、複数のモーションセンサー１０と同期部２０を含んで構成されており、被験者に装着される。

モーションセンサー１０は、例えば、３軸加速度センサー１２と３軸ジャイロセンサー（角速度センサー）１４を含み、３軸（ｘ軸、ｙ軸、ｚ軸）方向の加速度と３軸（ｘ軸、ｙ軸、ｚ軸）方向の角速度を検出することができる。なお、検出軸は３軸以上あってもよい。モーションセンサー１０は、被験者の体の肩、腰、肘などの部位に装着される。被験者が装着するモーションセンサー１０の数やセンサー１０の装着部位は、要求される運動解析の精度や解析内容に応じて任意に決めることが可能である。モーションセンサー１０には、加速度や角速度の補正機能（バイアス補正や温度補正などの機能）とカルマンフィルターなどによりｘｙｚ座標系での速度や位置の計算を行う機能が搭載されていてもよい。

各モーションセンサー１０から同期部２０に、各モーションセンサー１０の加速度、角速度、速度、位置の情報などが無線通信または有線通信で送られる。この加速度、角速度、位置の情報などは、同期部２０から各モーションセンサー１０に送られる時刻情報に同期して送られる。

同期部２０は、各モーションセンサー１０から受信したデータを時刻情報などと組合せたパケットにして処理・制御ユニット２００に送る。なお、加速度や角速度の補正機能（バイアス補正や温度補正などの機能）とカルマンフィルターなどにより速度や位置の計算を行う機能を、モーションセンサー１０の代わりに同期部２０に搭載してもよい。

運動用具３００を用いて運動を解析する場合には、さらに、運動用具３００にモーションセンサー１０を組み込んでもよい。これにより、運動用具３００の位置情報などを人体装着ユニット１００の同期部２０に送ることができる。運動用具３００としては、例えば、野球のボールやバット、テニスのボールやラケット、ゴルフのボールやクラブなど、運動の種類に応じて様々なものが考えられる。

人体装着ユニット１００と処理・制御ユニット２００とは無線または有線で接続されている。処理・制御ユニット２００はパーソナルコンピューター（ＰＣ）またはスマートフォンのような汎用情報処理機器により実現することができる。処理・制御ユニット２００がＰＣの場合は無線で接続するほうが使い易い。一方、処理・制御ユニット２００がスマートフォンなどの携帯機器の場合にはＵＳＢなどの有線デバイスで接続することも可能である。

処理・制御ユニット２００は、処理部３０、通信部４０、操作部５０、記憶部６０、表示部７０を含んで構成されている。

通信部４０は、人体装着ユニット１００の同期部２０から送信されたパケットデータを受信し、処理部３０に送る処理を行う。

操作部５０は、ユーザーからの操作データを取得し、処理部３０に送る処理を行う。操作部５０は、例えば、タッチパネル型ディスプレイ、ボタン、キー、マイクなどである。

記憶部６０は、処理部３０が各種の計算処理や制御処理を行うためのプログラムや、アプリケーション機能を実現するための各種プログラムやデータ等を記憶している。また、記憶部６０は、処理部３０の作業領域としても用いられ、操作部５０から入力されたデータ、処理部３０が各種プログラムに従って実行した演算結果等を一時的に記憶する。

特に本実施形態の記憶部６０は、軌跡情報記憶部６２を含む。軌跡情報記憶部６２は、リファレンスモデルの軌跡情報（軌跡データ）を記憶する。リファレンスモデルの軌跡情報は、例えば、プロスポーツ選手から採取した模範となる運動フォームの軌跡情報であってもよいし、被験者の過去の好調時の運動フォームの軌跡情報であってもよい。処理部３０の処理により生成された軌跡情報のうち、被験者の好調時の運動フォームの軌跡データなど長期的に保存しておきたいものは軌跡情報記憶部６２に記憶（記録）される。なお、必要に応じて、重要な軌跡情報（例えば、プロスポーツ選手のデータなど著作権が絡むような軌跡情報）には暗号化をかけるようにしてもよい。

また、本実施形態の記憶部６０は、辞書情報記憶部６４を含む。辞書情報記憶部６４は、被験者モデルの軌跡情報とリファレンスモデルの軌跡情報との差の情報と複数の表現との対応関係を定義する辞書情報を記憶する。

表示部７０は、処理部３０の処理結果を文字やグラフ、その他の画像として表示するものである。表示部７０は、例えば、ＣＲＴ、ＬＣＤ、タッチパネル型ディスプレイ、ＨＭＤ（ヘッドマウントディスプレイ）などである。なお、１つのタッチパネル型ディスプレイで操作部５０と表示部７０の機能を実現するようにしてもよい。

処理部３０は、記憶部６０に記憶されているプログラムに従って、同期部２０から通信部４０を介して受信したデータに対する各種の計算処理や、各種の制御処理（表示部７０に対する表示制御等）を行う。処理部３０は、例えばマイクロプロセッサーにより実現できる。

特に、本実施形態の処理部３０は、データ取得部３１、軌跡情報生成部３２、画像生成部３３、軌跡情報比較部３４、表示選択部３５、用具情報生成部３６を含む。なお、これらの一部を省略する構成としてもよい。

データ取得部３１は、モーションセンサー１０の各々の出力データに基づく情報を継続して取得する処理を行う。

軌跡情報生成部３２は、データ取得部３１が取得した情報に基づいてモーションセンサー１０の各々の位置を特定し、被験者をモデル化した被験者モデルの軌跡情報を生成する処理を行う。軌跡情報生成部３２は、被験者モデルの軌跡情報及びリファレンスモデルの軌跡情報の少なくとも一方に対して、被験者モデルのサイズとリファレンスモデルのサイズとを一致させるサイズの正規化を行う。あるいは、軌跡情報生成部３２は、被験者モデルの軌跡情報及びリファレンスモデルの軌跡情報の少なくとも一方に対して、解析対象の運動に対応する被験者モデルの動作の時間とリファレンスモデルの動作の時間とを一致させる時間の正規化を行う。また、軌跡情報生成部３２は、被験者モデルの軌跡情報及びリファレンスモデルの軌跡情報の少なくとも一方に対してサイズの正規化を行うとともに、被験者モデルの軌跡情報及びリファレンスモデルの軌跡情報の少なくとも一方に対して時間の正規化を行うようにしてもよい。

また、軌跡情報生成部３２は、時間の正規化において、解析対象の運動を分割した複数の運動の各々に対応する被験者モデルの動作の時間とリファレンスモデルの動作の時間とをさらに一致させる処理を行うようにしてもよい。

さらに、軌跡情報生成部３２は、一部のモーションセンサー１０の位置の情報を用いずに、他のモーションセンサー１０の位置の情報に基づいて被験者モデルの仮想的な軌跡情報をさらに生成するようにしてもよい。

画像生成部３３は、軌跡情報生成部３２が時間の正規化及びサイズの正規化の少なくとも一方を行った後、被験者モデルの軌跡情報及びリファレンスモデルの軌跡情報に基づいて、被験者モデルに対応づけられる画像及びリファレンスモデルに対応づけられる画像を生成して表示部に表示させる処理を行う。

軌跡情報比較部３４は、軌跡情報生成部３２が時間の正規化及びサイズの正規化の少なくとも一方を行った後、被験者モデルの軌跡情報及びリファレンスモデルの軌跡情報を比較する処理を行う。

表示選択部３５は、軌跡情報比較部３４の比較結果に基づいて、辞書情報記憶部６４に記憶される辞書情報で定義された複数の表現から少なくとも１つの表現を選択し、表示部７０に表示させる処理を行う。

用具情報生成部３６は、データ取得部３１が取得した、運動用具３００に取り付けられるモーションセンサー１０の出力データに基づく情報に基づいて、運動用具３００の運動に関する解析情報を生成する処理を行う。

２．運動解析装置の処理
［全体処理］
本実施形態では、ユーザーは、操作部５０を操作することでモード１〜モード４の４つの動作モードのいずれか１つを選択することができ、処理部３０は、選択された動作モードに対応する処理を行う。具体的には、記憶部６０にモード１〜モード４の各処理を行うためのプログラムが格納されており、処理部３０がこのプログラムを実行することで各モードの処理を行う。

モード１は、各モーションセンサー１０からのデータを取得し、所定のフォーマットの軌跡データを生成して記憶部６０に記憶するモードである。モード２は、モード１で記憶部６０に記憶した軌跡データ又は当該軌跡データをフォーマット変換した軌跡データを、リファレンスの軌跡データと比較するモードである。モード３は、被験者の運動フォームやリファレンスの運動フォームの３Ｄ画像を表示部７０に表示するモードである。モード４は、被験者に取り付けるモーションセンサー１０の最適数や最適な取り付け部位を決定するための支援情報を提供するモードである。

図２は、処理部３０の全体処理のフローチャート図である。ユーザーにより、モード１が選択された場合（ステップＳ１０のＹ）、処理部３０は、人体装着ユニット１００の同期部２０からデータを取得する処理を行った後（ステップＳ１２）、被験者モデルの軌跡データの生成及び正規化の処理を行う（ステップＳ１４）。

また、ユーザーにより、モード２が選択された場合（ステップＳ２０のＹ）、処理部３０は、ステップＳ１４で生成された被験者モデルの軌跡データとリファレンスモデルの軌跡データとを比較する処理を行い（ステップＳ２２）、必要に応じて辞書情報から適当な表記を選択して表示部７０に表示させる処理を行う（ステップＳ２４）。

また、ユーザーにより、モード３が選択された場合（ステップＳ３０のＹ）、処理部３０は、ステップＳ１４で生成された被験者モデルの軌跡データやリファレンスモデルの軌跡データから運動フォームの３Ｄ画像を生成し、表示部７０に表示させる処理を行う（ステップＳ３２）。

また、ユーザーにより、モード４が選択された場合（ステップＳ４０のＹ）、処理部３０は、所定のモーションセンサー１０が不要か否かを解析する処理を行う（ステップＳ４２）。

そして、被験者の運動解析処理を終了（ステップＳ５０のＹ）するまで、処理部３０は、ユーザーが選択したモードに応じた処理を繰り返し行う。

［モード１の処理］
例えば、野球の投球フォームを解析する場合、モーションセンサー１０は、図３に示すように、被験者２の頭（帽子）、首の後ろ、両肩、両肘、両手首、腰の後ろ、両足の付け根、両膝、両足首などに取り付けられる。さらに、ボール３（運動用具３００の一例）の内部にモーションセンサー１０を内蔵させてもよい。

モード１では、処理部３０は、被験者２が解析対象の運動（例えば投球）を開始してから終了するまでの間、人体装着ユニット１００の同期部２０から一定周期で位置情報などのデータを取得し、取得したデータから被験者モデルの軌跡を表す軌跡データを生成する。

本実施形態では、図４に示すように、被験者モデルとして、被験者２の頭部や関節部に対応づけてノードを設定し、所定のノード同士を線で結んだ人体モデル４を定義する。そして、処理部３０は、被験者２の運動に伴って変化する各モーションセンサー１０のｘｙｚ座標系の位置から被験者モデル（人体モデル４）の各ノードのＸＹＺ座標系の位置を計算し、被験者モデル（人体モデル４）の軌跡データを生成する。Ｘ軸、Ｙ軸、Ｚ軸は、リファレンスモデルの軌跡データで定義されている３軸と方向を一致させる。

例えば、図３に示したように、被験者２の頭部と各関節部にモーションセンサー１０が取り付けられている場合、各モーションセンサー１０と人体モデル４の各ノードが１対１に対応している。すなわち、ノードＮ１〜Ｎ１５は、被験者２の頭（帽子）、首の後ろ、右肩、右肘、右手首、左肩、左肘、左手首、腰の後ろ、右足の付け根、右膝、右足首、左足の付け根、左膝、左足首の１５箇所に取り付けたモーションセンサー１０にそれぞれ対応している。このような場合は、各モーションセンサー１０の位置に応じて、それぞれ対応するノードの位置を計算すればよい。

一方、頭部や一部の関節部にモーションセンサー１０が取り付けられていない場合は、仮想的にセンサーが取り付けられているものとして、この仮想的に取り付けられたセンサー（以下、「仮想センサー」という）に対応するノードの位置を、インバースキネマティックス等の手法を用いて他のモーションセンサー１０に対応するノードの位置から計算によって求める。例えば、肩と手首と肘にそれぞれモーションセンサー１０を取り付けるより、肩と手首にだけモーションセンサー１０を取り付け、肩と手首に取り付けたモーションセンサー１０の動きから肘の動きを計算すれば、モーションセンサー１０の数を減らし、運動解析装置１の使い勝手を良くすることができる。なお、仮想センサーの位置を計算するためには、人体の動作をモデル化する必要がある。例えば、人体がリジットな多関節構造になっていると仮定し、肩と肘と手首の間の長さは常に一定であり骨は変形しないとする。同様に、股関節から膝と足首の距離は一定で骨は変形せず、関節の可動範囲は上限があるなどと仮定する。この仮定のもとに、複数の人間の動記録から人体の動作をモデル化して仮想センサーの位置の計算に使用する。

また、処理部３０は、生成した軌跡データを記憶部６０（軌跡情報記憶部６２）に保存する処理を行う。本実施形態では、保存する軌跡データのフォーマットは３種類あり、それぞれのフォーマットでの保存の有無を選択可能になっている。フォーマット１の軌跡データは、同期部２０から取得した各モーションセンサー１０のｘｙｚ座標系の位置から計算されるＸＹＺ座標系の位置を時系列に並べた軌跡データである。フォーマット２のデータは、サイズの正規化を行った（時間の正規化は行わない）軌跡データである。フォーマット３のデータは、サイズ及び時間の正規化を行った軌跡データである。

フォーマット１、フォーマット２、フォーマット３の一部又は全部の軌跡データを生成して保存してもよい。あるいは、軌跡データをフォーマット１でのみ保存し、その表示をする時や、リファレンスの軌跡データと比較する時にフォーマット２またはフォーマット３の軌跡データを生成してもよい。

フォーマット１の軌跡データは、被験者２の実際の運動フォームを３Ｄグラフィックソフトなどで見る場合に使用される。フォーマット１の軌跡データを使用することで、被験者２の実際の体格や運動速度を画面上で確認することができる。

フォーマット２の軌跡データ（サイズを正規化した軌跡データ）は、被験者２の運動フォームとリファレンスの運動フォームの比較を容易にするために使用される。すなわち、リファレンスの軌跡データを取得した人と被験者２の体格が違う場合、そのままのサイズで比較すると運動フォームの比較が困難なので、比較を容易にするためにサイズの正規化が行われる。このフォーマット２の軌跡データは、時間に対しては正規化されていないため、特に、運動フォームの時間軸上の情報（例えば運動速度の差の比較）が重要な場合に使用される。ただし、サイズが正規化されたリファレンスの軌跡データとフォーマット２の軌跡データを比較する場合、途中で両者の同期が取れなくなるのでフォームを詳細に比較する目的には向いていない。

フォーマット３の軌跡データ（サイズ及び時間を正規化した軌跡データ）は、被験者２の運動フォームとリファレンスの運動フォームを詳細に比較するために使用される。

（軌跡データの時間の正規化）
次に、軌跡データの時間を正規化する手法の一例について説明する。

まず、運動の開始点、終了点および一連の運動の中で姿勢が大きく変わるなどの１又は複数の特徴点（基準点）を定義する。つまり、開始点、基準点、終了点を定義することで、解析対象の運動を複数の運動に分割する。

例えば、野球の投球フォームを解析する場合であれば、図５（Ａ）のように、被験者２が投球を始める前に静止した後腕が後方に動き始めた時点を運動の開始点、図５（Ｄ）のように、投球が行われ利き腕と同じ側の足が地面から離れ、再び接地した時点を終了点とする。また、例えば、図５（Ｂ）のように、腕をテイクバックして投球動作に移行し、利き腕と逆の足が接地した時点を１番目の基準点（基準点１）、図５（Ｃ）のように、被験者２の利き腕の指先からボール３が離れた時点を２番目の基準点（基準点２）とする。

また、例えば、野球の打撃フォームを解析する場合であれば、例えば、スイングを始める前に静止した後、テイクバックを始めた時点を開始点、フォロースルーが終了した時すなわちフォロースルーの速度が０になり逆方向に動き始めた時を終了点、前方の足が地面から離れ、再び接地した時点を１番目の基準点、バットにボールが当たった時点を２番目の基準点、のように決めればよい。

運動の開始点、終了点、基準点は、処理部３０が、モーションセンサー１０の位置データに基づいて自動的に決定してもよいし、例えば、被験者モデルに対応するオブジェクトのアニメーション画像を表示部７０に表示し、ユーザがそのアニメーション画像を見ながら適切なタイミングでスイッチを押すなどして手動で決定してもよい。

そして、開始点、終了点、各基準点での人体モデル４の各ノードのＸＹＺ座標系の位置座標を計算する。例えば、図６（Ａ）〜図６（Ｄ）は、それぞれ図５（Ａ）〜図５（Ｄ）に示した被験者２の状態に対応する人体モデル４の状態を示している。そして、開始点、基準点１、基準点２、終了点にそれぞれ対応づけて、図６（Ａ）〜図６（Ｄ）の状態の人体モデル４の各ノードのＸＹＺ座標系の位置座標を計算する。各モーションセンサー１０と人体モデル４の各ノードが１対１に対応している場合は、開始点、終了点、基準点において、各モーションセンサー１０が出力するｘｙｚ座標系の位置データをＸＹＺ座標系へ座標変換を行うことで各ノードの位置座標を算出することができる。

さらに、開始点から最初の基準点までの期間、隣り合う２つの基準点の間の期間、最後の基準点から終了点までの期間を、それぞれあらかじめ決められた任意の数の、時間が等間隔な期間に分割し、各分割点での人体モデル４の各ノードの位置座標を計算する。各モーションセンサー１０は一定の周期で位置を検出しているので、必ずしも、分割点の時刻に対応する位置データがあるとは限らない。分割点の時刻に対応する位置データがあれば、各位置データに対してｘｙｚ座標系からＸＹＺ座標系への座標変換を行うことで分割点での各ノードの位置座標を算出することができる。一方、分割点の時刻に対応する位置データが無い場合は、例えば、その時刻の前後の時刻に対応する位置データを用いて、補間計算により分割点の時刻に対応する位置データを生成する。そして、補間計算により生成された各位置データに対してｘｙｚ座標系からＸＹＺ座標系への座標変換を行うことで分割点での各ノードの位置座標を算出することができる。

図７に、時間を正規化した軌跡データを生成する処理のフローチャートの一例を示す。なお、図７に示すフローチャートは、図２に示したフローチャートのステップＳ１４の一部の処理のフローチャートの一例であり、このフローチャートの処理に先立って、同期部２０から各モーションセンサー１０のｘｙｚ座標系の位置データの取得処理（図２のステップＳ１２の処理）は終了している。

まず、時刻ｔを０に設定するとともに変数ｋを０に設定し（ステップＳ１００）、時刻ｔ及びその近傍の時刻に取得したｘｙｚ座標系の位置データから時刻ｔが開始点か否かを判定する（ステップＳ１０２）。野球の投球フォームの解析の場合は、図５（Ａ）に示した開始点か否かを、例えば、右肘に対応するノードＮ４や右手首に対応するノードＮ５の位置の時刻ｔ近傍での変化量から判定することができる。

時刻ｔが開始点でない場合（ステップＳ１０４のＮ）、ｔを位置データの取得周期Δｔだけ増やし（ステップＳ１０５）、時刻ｔが開始点か否かを再び判定する（ステップＳ１０２）。時刻ｔが開始点である場合（ステップＳ１０４のＹ）、開始点における各ノードのＸＹＺ座標系の位置座標を算出する（ステップＳ１０６）。例えば、図８に示すように、あるノードＮの実際の軌跡がＡのような場合、開始点におけるノードＮの位置ｐ_０の座標を算出する。

次に、配列Ｔ（ｋ）にｔを保持し、時刻ｔをΔｔ増やし、変数ｋを１増やす（ステップＳ１０８）。Ｔ（０）には開始点の時刻が保持される。

基準点が定義されている場合（ステップＳ１１０のＹ）、時刻ｔ及びその近傍の時刻に取得したｘｙｚ座標系の位置データから時刻ｔがｋ（＝１）番目の基準点か否かを判定する（ステップＳ１１２）。投球フォームの解析の場合は、図５（Ｂ）に示した基準点１か否かを、例えば、左足首に対応するノードＮ１５の位置の時刻ｔ近傍での変化量から判定することができる。

時刻ｔがｋ（＝１）番目の基準点でない場合（ステップＳ１１４のＮ）、ｔをΔｔだけ増やし（ステップＳ１１５）、時刻ｔがｋ（＝１）番目の基準点か否かを再び判定する（ステップＳ１１２）。時刻ｔがｋ（＝１）番目の基準点である場合（ステップＳ１１４のＹ）、ｋ（＝１）番目の基準点における各ノードのＸＹＺ座標系の位置座標を算出する（ステップＳ１１６）。図８の例では、基準点１におけるノードＮの位置ｐ_１の座標を算出する。

次に、配列Ｔ（ｋ）にｔを保持し、時刻ｔをΔｔ増やし、変数ｋを１増やす（ステップＳ１１８）。基準点１が定義されている場合、Ｔ（１）には基準点１の時刻が保持される。

そして、すべての基準点についての処理が終了（ステップＳ１２０のＹ）するまで、ステップＳ１１２〜Ｓ１１８の処理を繰り返す。例えば、２番目の基準点が定義されている場合、時刻ｔ及びその近傍の時刻に取得したｘｙｚ座標系の位置データから時刻ｔがｋ（＝２）番目の基準点か否かを判定する（ステップＳ１１２）。投球フォームの解析の場合は、図５（Ｃ）に示した基準点２か否かを、例えば、ボール３の位置と右手首に対応するノードＮ５の位置の距離の時刻ｔ近傍での変化量から判定することができる。

時刻ｔがｋ（＝２）番目の基準点である場合（ステップＳ１１４のＹ）、ｋ（＝２）番目の基準点における各ノードのＸＹＺ座標系の位置座標を算出する（ステップＳ１１６）。図８の例では、基準点２におけるノードＮの位置ｐ_２の座標を算出する。

次に、配列Ｔ（ｋ）にｔを保持し、時刻ｔをΔｔ増やし、変数ｋを１増やす（ステップＳ１１８）。基準点２が定義されている場合、Ｔ（２）には基準点２の時刻が保持される。

すべての基準点についての処理が終了した場合（ステップＳ１２０のＹ）、次に、時刻ｔ及びその近傍の時刻に取得したｘｙｚ座標系の位置データから時刻ｔが終了点か否かを判定する（ステップＳ１２２）。投球フォームの解析の場合は、図５（Ｄ）に示した終了点か否かを、例えば、右膝に対応するノードＮ１１や右足首に対応するノードＮ１２の位置の時刻ｔ近傍での変化量から判定することができる。

時刻ｔが終了点でない場合（ステップＳ１２４のＮ）、ｔをΔｔだけ増やし（ステップＳ１２５）、時刻ｔが終了点か否かを再び判定する（ステップＳ１２２）。時刻ｔが終了点である場合（ステップＳ１２４のＹ）、終了点における各ノードのＸＹＺ座標系の位置座標を算出する（ステップＳ１２６）。図８の例では、終了点におけるノードＮの位置ｐ_３の座標を算出する。

次に、配列Ｔ（ｋ）にｔを保持し、変数Ｍにｋを保持し、変数ｋを０にリセットする（ステップＳ１２８）。例えば、基準点１、２が定義されている場合はＴ（３）に終了点の時刻が保持され、基準点が定義されていない場合はＴ（１）に終了点の時刻が保持される。

次に、Ｔ（ｋ）とＴ（ｋ＋１）の間をｎ（ｋ＋１）の期間に分割し、ｎ（ｋ＋１）−１個の分割点における各ノードのＸＹＺ座標系の位置座標を算出する（ステップＳ１３０）。図８の例では、開始点と基準点１をｎ１個の期間に分割し、ｎ１−１個の分割点におけるノードＮの位置ｐ_{（０,１）}，ｐ_{（０,２）}，ｐ_{（０,３）}，・・・，ｐ_{（０,ｎ１−１）}の各座標を算出する。

次に、変数ｋを１増やし（ステップＳ１３２）、ｋ＝Ｍでない場合（ステップＳ１３４のＮ）、ステップＳ１３０とＳ１３２の処理を再び行う。図８の例では、ｋ＝１の時、基準点１と基準点２をｎ２個の期間に分割し、ｎ２−１個の分割点におけるノードＮの位置ｐ_{（１,１）}，ｐ_{（１,２）}，ｐ_{（１,３）}，・・・，ｐ_{（１,ｎ２−１）}の各座標を算出する。また、ｋ＝２の時、基準点２と終了点をｎ３個の期間に分割し、ｎ３−１個の分割点におけるノードＮの位置ｐ_{（２,１）}，ｐ_{（２,２）}，ｐ_{（２,３）}，・・・，ｐ_{（２,ｎ３−１）}の各座標を算出する。

ｋ＝Ｍになると（ステップＳ１３４のＹ）、これまでに算出した各ノードの位置座標を時刻順に並べて軌跡データを生成し（ステップＳ１３６）、時間の正規化処理を終了する。これにより、図８の例では、ｐ_０，ｐ_{（０,１）}，ｐ_{（０,２）}，ｐ_{（０,３）}，・・・，ｐ_{（０,ｎ１−１）}，ｐ_１，ｐ_{（１,１）}，ｐ_{（１,２）}，ｐ_{（１,３）}，・・・，ｐ_{（１,ｎ２−１）}，ｐ_２，ｐ_{（２,１）}，ｐ_{（２,２）}，ｐ_{（２,３）}，・・・，ｐ_{（２,ｎ３−１）}，ｐ_３に対応する座標列からなる軌跡データが得られる。

時間の正規化としては２種類の手法が考えられる。第１の正規化手法は、開始点から終了点までの時間（解析対象の運動に対応する時間）を、被験者モデルの軌跡データとリファレンスモデルの軌跡データで等しくする。この場合、開始点と最初の基準点の間隔、基準点間の間隔、最後の基準点と終了点の間隔は被験者モデルの軌跡データとリファレンスモデルの軌跡データでは異なる。この第１の正規化の手法では、運動の節目の時間が被験者モデルの軌跡データとリファレンスモデルの軌跡データで異なるので、節目から節目への移行時間の比較が可能である。

第２の正規化の手法では、開始点から終了点までの時間とともに、開始点と最初の基準点の間隔、基準点間の間隔、最後の基準点と終了点の間隔（解析対象の運動を分割した複数の運動の各々に対応する時間）のすべてについて、被験者モデルの軌跡データとリファレンスモデルの軌跡データで等しくする。この第２の正規化の手法では、運動の節目の時間が被験者モデルの軌跡データとリファレンスモデルの軌跡データで同じになるので、フォームや軌道の比較に適している。

（軌跡データのサイズの正規化）
次に、サイズを正規化した軌跡データを生成する手法の一例について説明する。軌跡データのサイズの正規化とは、各時刻での被験者モデルのサイズを正規化することである。人はそれぞれ体格が異なるので、例えば、人の体の各部のサイズの平均値を求め、これに対して変換する。

図９に、サイズを正規化した軌跡データを生成する処理のフローチャートの一例を示す。なお、図９に示すフローチャートは、図２に示したフローチャートのステップＳ１４の一部の処理のフローチャートの一例であり、このフローチャートの処理に先立って、同期部２０から各モーションセンサー１０のｘｙｚ座標系の位置データの取得処理（図２のステップＳ１２の処理）は終了している。

まず、被験者モデルの各ノードＮｉとノードＮｉに接続された各ノードＮｊとの実際の距離Ｌ_ｉｊと正規化した距離Ｋ_ｉｊを設定する（ステップＳ２００）。被験者の体格をメジャーを使って実際に測定し、Ｌ_ｉｊを設定してもよいし、被験者が予め定められた運動をして体格を測定（キャリブレーション）することでＬ_ｉｊを設定することも可能である。また、キャリブレーションをせず、被験者の実際の運動フォームから体格を測定してＬ_ｉｊを設定することもできる。一旦測定した被験者の体格の測定データ（Ｌ_ｉｊの値）は記憶部６０に記録され、記録された各被験者の体格の測定データは必要に応じて更新可能である。また、Ｋ_ｉｊは、ノードＮｉとノードＮｊの距離の平均値などのあらかじめ決められた所定値に設定してもよいし、リファレンスモデルにおける対応するノード間の距離に設定してもよい。

次に、時刻ｔを０に設定し（ステップＳ２０２）、時刻ｔに取得したｘｙｚ座標系の位置データから、回転中心のノードＮｋからノードＮｋに接続された各ノードＮｍに向かうＸＹＺ座標系のベクトルＶ_ｋｍ（ｔ）を算出する。例えば、図１０に示すように、時刻ｔにおいて、右肩に対応するノードＮ３（回転中心のノード）から右肘に対応するノードＮ４に向かうベクトルＶ_３４（ｔ）を算出する。

次に、ステップＳ２０２で算出した各ベクトルＶ_ｋｍ（ｔ）の長さをＫ_ｋｍ／Ｌ_ｋｍ倍し、各ノードＮｍのＸＹＺ座標系の位置座標を算出する（ステップＳ２０６）。図１０の例では、右肩から右肘までの長さが平均２５ｃｍ（＝Ｋ_３４）、被験者の右肩から右肘までの長さが２３ｃｍ（＝Ｌ_３４）とすると、時刻ｔにおけるＶ_３４（ｔ）の長さＬ_３４（ｔ）を２５／２３倍する。

回転中心のノードが他にもある場合は（ステップＳ２０８のＹ）、次の回転中心のノードに対して、ステップＳ２０４，Ｓ２０６の処理を行う。

すべての回転中心のノードに対して処理を終了すると（ステップＳ２０８のＮ）、ｔを位置データの取得周期Δｔだけ増やし（ステップＳ２１０）、処理対象の位置データがまだあれば（ステップＳ２１２のＹ）、時刻ｔに取得したｘｙｚ座標系の位置データを用いて、同様に、ステップＳ２０４〜Ｓ２１０の処理を行う。

処理対象の位置データがなくなれば（ステップＳ２１２のＮ）、各ノードのＸＹＺ座標系の位置座標を時刻順に並べて軌跡データを生成し（ステップＳ２１４）、サイズの正規化処理を終了する。

このようにして得られるサイズを正規化した軌跡データは、フォーマット２の軌跡データとして記憶部６０に保存される。

また、例えば、図７のフローチャートに従って時間を正規化した軌跡データが得られている場合には、この軌跡データに対して、図９のフローチャートを適用してもよい。このようにして得られるサイズ及び時間を正規化した軌跡データは、フォーマット３の軌跡データとして記憶部６０に保存される。

また、ボール３などの運動用具３００に内蔵したモーションセンサー１０からのデータに基づいて、同様の処理により、運動用具３００についても軌跡データや速度などの運動に関する解析情報を生成し、必要に応じて軌跡データの時間やサイズの正規化を行って記憶部６０に保存することができる。

なお、オリジナルの軌跡データや正規化した軌跡データを記憶部６０に保存する代わりに、軌跡データから特徴量を抽出して記憶部６０に保存してもよい。特徴量としては、軌跡データに対してＦＦＴ（Fast Fourier Transform）処理やＤＣＴ（Discrete Cosine Transform）処理してｎ次の係数を取り出して保存するなどが考えられる。軌跡データそのもの代わりに特徴量を使うとリファレンスとの比較が容易にできる、正規化の処理を簡略化できる、後述する仮想センサーの計算が簡単にできるなどのメリットが考えられる。

［モード２の処理］
モード２では、処理部３０は、被験者の被験者モデルの軌跡データとリファレンスモデルの軌跡データを比較する処理を行う。比較の対象となるのは、正規化した軌跡データ同士である。被験者モデルの軌跡データは、モード１で生成・正規化して記憶部６０に保存したものである。リファレンスモデルの軌跡データは、あらかじめ正規化してフォーマット２とフォーマット３の一方又は両方の軌跡データとして記憶部６０（軌跡情報記憶部６２）に保存してある。ただし、被験者モデルの軌跡データとリファレンスモデルの軌跡データの一方又は両方をオリジナルの軌跡データ（フォーマット１の軌跡データ）として保存しておき、比較処理の前にオリジナルの軌跡データを正規化（フォーマット２又はフォーマット３の軌跡データに変換）するようにしてもよい。

フォーマット３の軌跡データ同士を比較する場合、対応する時点における各ノードの位置を比較し、その差を計算する。例えば、開始点と開始点、基準点と基準点、終了点と終了点、さらに分割点と分割点における各ノードの位置をそれぞれ比較する。図１１は、被験者モデルの１つのノードの軌跡とリファレンスモデルの対応するノードの軌跡の一例を示す図であり、被験者モデルのノードの軌跡を実線で表し、リファレンスモデルのノードの軌跡を破線で表している。例えば、ｐ_１とｒ_１、ｐ_２とｒ_２、ｐ_３とｒ_３、ｐ_４とｒ_４、ｐ_５とｒ_５、ｐ_５とｒ_５をそれぞれ比較し、その差のベクトルを算出する。この比較により、時間軸を合わせて運動フォームの詳細な解析を行うことができる。

また、フォーマット２の軌跡データ同士を比較する場合、対応する時点における各ノードの位置を比較してその差を計算するとともに、対応する時点の時刻を比較してその差を計算する。例えば、開始点、基準点、終了点、各分割点における各ノードの位置をそれぞれ比較するとともに、開始点同士を合わせて、基準点同士の時間、終了点同士の時間、必要に応じて各分割点同士の時間をそれぞれ比較する。この比較により、運動フォームの解析とともに、開始点から基準点までの時間差、基準点から基準点までの時間差、基準点から終了点までの時間差などから運動動作の速度などの解析も行うことができる。

比較結果は表またはグラフとして表示部７０に表示され、「基準点１から基準点２までの時間がリファレンスよりＸｍｓ早い」あるいは「基準点１から基準点２の間でリファレンスより５ｃｍ上を通っている。」などの定量的な解析情報が得られる。

ただし、場合によっては定量的な解析情報よりも直感的な表現を表示したほうが理解しやすい場合がある。例えば、定量的な解析情報に応じて、「振りが小さい」、「つっこみすぎ」、「ヘッドアップ」、「アッパースイング」などのリファレンスとの軌道の差を特徴づける表現を表示させるようにしてもよい。そこで、本実施形態では、記憶部６０（辞書情報記憶部６４）に、被験者モデルの軌跡情報とリファレンスモデルの軌跡情報との差の情報と複数の表現（直感的な表現など）の対応関係を定義する辞書情報が記憶されている。処理部３０は、この辞書情報を参照し、定量的な解析情報に応じて１つ又は複数の表現を選択して表示部７０に表示させる。これにより、使用者は理解しやすい言葉でリファレンスとの違いを知ることができる。なお、この辞書情報はユーザ定義が可能であり、個々のユーザに最適化した表現ができるようにしてもよい。

また、比較結果と合わせて、ボール３などの運動用具３００の運動に関する軌跡や速度などの解析情報を表示部７０に表示するようにしてもよい。このようにすれば、例えば、被験者の投球フォームとボール３の軌道や速度との定量的な関係を評価することができ、より有益な解析を行うことができる。

［モード３の処理］
モード３では、処理部３０は、軌跡データから運動データのアニメーションを生成して３Ｄ画像で表示する処理を行う。任意の運動データを表示部７０に表示し、リファレンスの動きや被験者の動きを確認することができる。例えば、記憶部６０に３Ｄグラフィックスソフトを用意しておき、処理部３０は、３Ｄグラフィックスソフトを起動して運動データを入力し、３Ｄグラフィックスソフトの描画機能を利用することで、表示部７０に３Ｄ画像を表示させることができる。また、３Ｄグラフィックスソフトの機能を利用して仮想カメラの位置や方向を変えることにより、ビューポイントを変更して３Ｄ画像を表示させることもできる。このようにすれば、運動のフォームをさまざまな角度から見ることができる。

また、３Ｄグラフィックスソフトの機能を利用し、被験者モデルのアニメーションとリファレンスモデルのアニメーションを並べて表示させたり、重ねて表示させることもできる。図１２は、被験者モデルのアニメーションとリファレンスモデルのアニメーションを並べて表示させた例を示す図である。表示部７０の表示領域４００において、表示領域４１０に被験者モデル４１２のアニメーション画像が表示され、別の表示領域４２０にリファレンスモデル４２２のアニメーション画像が並べて表示されている。なお、この被験者モデル４１２とリファレンスモデル４２２は、人体モデル４を各部位に対応する簡略化されたパーツオブジェクトで肉付けしたものである。また、図１３は、被験者モデルのアニメーションとリファレンスモデルのアニメーションを重ねて表示させた例を示す図である。表示部７０の表示領域４００において、表示領域４３０に被験者モデル４３２のアニメーション画像とリファレンスモデル４３４のアニメーション画像が重ねて表示されている。このように重ねて表示することで、リファレンスとの違いをより明確にすることができる。

このように、被験者モデルのアニメーションとリファレンスモデルのアニメーションを並べて表示させたり、重ねて表示させることで、現在の被験者のフォームとプロスポーツ選手の模範的なフォームや被験者の過去の好調時のフォームとを同時に見て、フォームのチェックを行うことができる。図１３の例では、リファレンスの方が重心が低く、投球する瞬間の両足の幅が広いことを明確に知ることができる。

［モード４の処理］
モード１、モード２、モード３の処理を行う前に、被験者のどの部位にモーションセンサー１０を装着し、どの部位は仮想センサーで位置情報を得るかを決定する必要がある。運動の種類により、モーションセンサー１０を取り付ける位置が異なるし、解析のレベル（プロ選手用か入門者用か等）で求められる精度が異なるので、最適な条件を決める必要がある。そこで、モード４では、モーションセンサー１０の最適数や、最適な取り付け部位の決定を支援する。

具体的には、モード４では、処理部３０は、被験者に取り付けたモーションセンサー１０のデータから対応するノードの軌跡を求めるとともに、このモーションセンサー１０のデータを使用せずに、他のモーションセンサー１０のデータのみから同じノードの軌跡（仮想的な軌跡）を計算によって求め、この２つの軌跡の差の情報を表示部７０に表示させる。ユーザーは、この情報を解析することで、仮想センサーにしてもよいモーションセンサー１０を探すことができる。例えば、肘にモーションセンサー１０を取り付けるべきか判断する場合、肩、肘、手首にモーションセンサー１０を装着してデータを取得する。そして、肩と手首に取り付けたモーションセンサー１０の情報から肘の軌跡を計算し、計算により得られた軌跡と肘に取り付けたモーションセンサー１０の情報から得られた軌跡との差やその他の定量的な誤差を計算して表示する。この２つの軌跡の差や定量的な誤差を確認することで、肘に取り付けたモーションセンサー１０を外しても問題ないかを判断することができる。なお、人体モデルは汎用的な運動に対応できるようになっているため、特殊な運動では仮想センサーに対する計算誤差が大きくなる可能性がある。そこで、この誤差をもとに人体モデルのパラメータを変更することで、計算誤差を少なくすることができる。このようにして人体モデルの学習を行い、モデルの精度を上げることができる。

以上に説明したように、本実施形態の運動解析装置によれば、被験者モデルとリファレンスモデルに対して、サイズの正規化を行ったフォーマット２の軌跡データ同士を比較することで、被験者とリファレンスの運動フォームや運動速度の差を定量的に解析することができる。さらに、サイズの正規化と時間の正規化を行ったフォーマット３の軌跡データ同士を比較することで、被験者とリファレンスの運動フォームのわずかな差も定量的に解析することができる。

また、本実施形態の運動解析装置によれば、被験者モデルの軌跡データとリファレンスモデルの軌跡データに対して、開始点、基準点、終了点を一致させた時間の正規化を行って両者を比較することで、運動フォームの差をより詳細に解析することができる。

本発明は本実施形態に限定されず、本発明の要旨の範囲内で種々の変形実施が可能である。

本実施形態では野球の投球フォームの解析を例に挙げて説明したが、本実施形態の運動解析装置は、野球の打撃フォームの解析、テニスやゴルフのスイング解析、ボーリングの投球フォームの解析、モデルのウォーキング姿勢の解析など、様々な運動の解析に利用することができる。

本実施形態では、サイズのみを正規化したフォーマット２のデータやサイズ及び時間を正規化したフォーマット３のデータを生成して、リファレンスデータと比較する場合を例に挙げて説明したが、時間のみを正規化した（サイズの正規化はしない）データを生成して、リファレンスデータと比較するようにしてもよい。このようにしても、被験者とリファレンスの運動フォームの差を定量的に解析することができる。

本発明は、実施の形態で説明した構成と実質的に同一の構成（例えば、機能、方法及び結果が同一の構成、あるいは目的及び効果が同一の構成）を含む。また、本発明は、実施の形態で説明した構成の本質的でない部分を置き換えた構成を含む。また、本発明は、実施の形態で説明した構成と同一の作用効果を奏する構成又は同一の目的を達成することができる構成を含む。また、本発明は、実施の形態で説明した構成に公知技術を付加した構成を含む。

１運動解析装置、２被験者、３ボール、４人体モデル、１０モーションセンサー、１２３軸加速度センサー、１４３軸ジャイロセンサー、２０同期部、３０処理部、３１データ取得部、３２軌跡情報生成部、３３画像生成部、３４軌跡情報比較部、３５表示選択部、３６用具情報生成部、４０通信部、５０操作部、６０記憶部、６２軌跡情報記憶部、６４辞書情報記憶部、７０表示部、１００人体装着ユニット、２００処理・制御ユニット、３００運動用具、４００表示領域、４１０表示領域、４１２被験者モデル、４２０表示領域、４２２リファレンスモデル、４３０表示領域、４３２被験者モデル、４３４リファレンスモデル

Claims

被験者に取り付けられる複数のモーションセンサーと、
前記モーションセンサーの各々の出力データに基づく情報を取得するデータ取得部と、
前記データ取得部が取得した情報に基づいて前記被験者をモデル化した被験者モデルの軌跡情報を生成する軌跡情報生成部と、
リファレンスモデルの軌跡情報を記憶する軌跡情報記憶部と、を含み、
前記軌跡情報生成部は、
前記軌跡情報記憶部から前記リファレンスモデルの軌跡情報を読み出して、前記被験者モデルの軌跡情報および前記リファレンスモデルの軌跡情報を比較し、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報の少なくとも一方に対して、前記被験者モデルのサイズと前記リファレンスモデルのサイズとを一致させるサイズの正規化を行う、運動解析装置。
請求項１において、
前記軌跡情報生成部は、
前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報の少なくとも一方に対して、解析対象の運動の前記被験者モデルの動作時間と前記リファレンスモデルの動作時間とを一致させる時間の正規化をさらに行う、運動解析装置。
被験者に取り付けられる複数のモーションセンサーと、
前記モーションセンサーの各々の出力データに基づく情報を取得するデータ取得部と、
前記データ取得部が取得した情報に基づいて前記被験者をモデル化した被験者モデルの軌跡情報を生成する軌跡情報生成部と、
リファレンスモデルの軌跡情報を記憶する軌跡情報記憶部と、を含み、
前記軌跡情報生成部は、
前記軌跡情報記憶部から前記リファレンスモデルの軌跡情報を読み出して、前記被験者モデルの軌跡情報および前記リファレンスモデルの軌跡情報を比較し、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報の少なくとも一方に対して、解析対象の運動の前記被験者モデルの動作時間と前記リファレンスモデルの動作時間とを一致させる時間の正規化を行う、運動解析装置。
請求項２又は３において、
前記軌跡情報生成部は、
前記時間の正規化において、前記解析対象の運動を複数の運動に分割し、前記複数の運動の各々の前記被験者モデルの動作時間と前記リファレンスモデルの動作時間とを一致させる処理を行う、運動解析装置。
請求項１乃至４のいずれかにおいて、
前記正規化を行った後、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報の画像を生成して表示部に表示させる画像生成部をさらに含む、運動解析装置。
請求項１乃至５のいずれかにおいて、
辞書情報を記憶する辞書情報記憶部と、
前記軌跡情報生成部が前記正規化を行った後、前記被験者モデルの軌跡情報及び前記リファレンスモデルの軌跡情報を比較する軌跡情報比較部と、
前記軌跡情報比較部の比較結果に基づいて、前記辞書情報から少なくとも１つの情報を選択し、表示部に表示させる表示選択部と、をさらに含む、運動解析装置。
請求項１乃至６のいずれかにおいて、
前記モーションセンサーは、運動用具に取り付けられ、
前記モーションセンサーの出力データに基づいて、前記運動用具の運動解析情報を生成する用具情報生成部をさらに含む、運動解析装置。
請求項１乃至７のいずれかにおいて、
前記モーションセンサーの少なくとも１つは、
多軸加速度センサーと多軸角速度センサーとを含む、運動解析装置。