JP6505614B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP6505614B2 JP6505614B2 JP2016006020A JP2016006020A JP6505614B2 JP 6505614 B2 JP6505614 B2 JP 6505614B2 JP 2016006020 A JP2016006020 A JP 2016006020A JP 2016006020 A JP2016006020 A JP 2016006020A JP 6505614 B2 JP6505614 B2 JP 6505614B2
- Authority
- JP
- Japan
- Prior art keywords
- training
- data
- interval
- exercise
- feature
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B69/00—Training appliances or apparatus for special sports
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本発明は、人の身体に装着可能なセンサデバイスで計測したデータを用いて、人の運動を計測した情報を基に、種別の異なるトレーニングを時間で分割し分類する技術に関する。
スポーツの競技力向上や教育において、運動強度（単位時間当たりの運動量）や速度などのデータを記録するシステムにより、アスリートの競技中やトレーニング中の動きを記録して評価し、指導やコンディショニングをサポートすることが行われている。この従来のシステムでは、トレーニングの種類によって評価する観点が異なるため、１日に連続して複数種類のトレーニングを行う場合においては、記録したデータをトレーニング毎に予め分割し、分類した上で評価する必要があった。
例えば、特許文献１には、複数のユーザの身体に装着した検出器を用いて、一連の運動中にそれぞれが静止したポイントを検出する技術が開示されている。
例えば、特許文献１には、複数のユーザの身体に装着した検出器を用いて、一連の運動中にそれぞれが静止したポイントを検出する技術が開示されている。
しかしながら、特許文献１に記載された技術では、複数のユーザそれぞれが完全に停止した時点を検出し、その静止したタイミングを比較するのみであり、多様なスポーツそれぞれにおけるインターバルの特徴を捉えることはできない。つまり、複数種類のトレーニングの間において、アスリート（ユーザ）は完全に停止している状態とは限らず、トレーニング中よりも動きを抑えた状態でインターバル期間を過ごし、次のトレーニングに待機している場合もある。
このような背景を鑑みて本発明がなされたのであり、本発明は、スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごとに分類することができる、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を提供することを課題とする。
本発明のトレーニング分類システムは、通信端末が、センサデバイスが計測したセンサデータをトレーニング分類サーバに転送するセンサデータ転送手段を備え、トレーニング分類サーバが、取得したセンサデータを解析して運動特徴量を算出し、そのスポーツのインターバルにおける運動特徴量の特徴に合致する区間を、インターバルとして検出して、トレーニング全体の区間を個々のトレーニング区間に分割し、分割されたトレーニング区間の運動特徴量を用いて、類似する特徴を有するトレーニング区間を同種類のトレーニング項目として分類し、時系列で連続した同種類のトレーニング項目を１つのトレーニング項目にまとめるようにしてトレーニングを分類するトレーニング分類手段を備えるものとした。
本発明によれば、スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごとに分類する、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を提供することができる。
次に、本発明を実施するための形態（以下、「本実施形態」という。）における、トレーニング分類システム１、トレーニング分類方法およびトレーニング分類サーバ２０について説明する。
＜トレーニング分類システムの全体構成＞
まず、本実施形態に係るトレーニング分類システム１の全体構成について説明する。
図１は、本実施形態に係るトレーニング分類システム１の全体構成を示す図である。
図１に示すように、トレーニング分類システム１は、運動を行うユーザが腕等に装着するセンサデバイス１０（ウェアラブル端末）、センサデバイス１０との間でデータの送受信を行う通信端末３０、および、通信端末３０との間で不図示のルータやネットワーク５を介して通信接続されるトレーニング分類サーバ２０を含んで構成される。
このトレーニング分類システム１では、センサデバイス１０が、ユーザが行ったトレーニング中の運動をセンサデータとして計測し通信端末３０に送信する。通信端末３０は、センサデバイス１０から受信したセンサデータをトレーニング分類サーバ２０に送信する。トレーニング分類サーバ２０は、センサデータを解析することによって、ユーザが行った連続した複数のトレーニングを時間で分割し、分割したトレーニングを種類別に分類する。また、トレーニング分類システム１は、同じ種類に分類されたトレーニングの区間のデータのみを抽出し、運動強度などのパフォーマンスを時系列やユーザ毎に比較できることを特徴とする。
まず、本実施形態に係るトレーニング分類システム１の全体構成について説明する。
図１は、本実施形態に係るトレーニング分類システム１の全体構成を示す図である。
図１に示すように、トレーニング分類システム１は、運動を行うユーザが腕等に装着するセンサデバイス１０（ウェアラブル端末）、センサデバイス１０との間でデータの送受信を行う通信端末３０、および、通信端末３０との間で不図示のルータやネットワーク５を介して通信接続されるトレーニング分類サーバ２０を含んで構成される。
このトレーニング分類システム１では、センサデバイス１０が、ユーザが行ったトレーニング中の運動をセンサデータとして計測し通信端末３０に送信する。通信端末３０は、センサデバイス１０から受信したセンサデータをトレーニング分類サーバ２０に送信する。トレーニング分類サーバ２０は、センサデータを解析することによって、ユーザが行った連続した複数のトレーニングを時間で分割し、分割したトレーニングを種類別に分類する。また、トレーニング分類システム１は、同じ種類に分類されたトレーニングの区間のデータのみを抽出し、運動強度などのパフォーマンスを時系列やユーザ毎に比較できることを特徴とする。
なお、このセンサデバイス１０は、スポーツの個人競技（陸上、水泳等）において用いる場合は１つ（１ユーザが継続して１つのセンサデバイス１０を使用）でもよいし、チームスポーツ（サッカーやラグビー等）において用いる場合は、複数のユーザそれぞれにセンサデバイス１０が装着されてもよい。なお、以下においては、主に、チームスポーツにおいて各ユーザに装着された複数のセンサデバイス１０からの情報を通信端末３０が受信し、トレーニング分類サーバ２０において解析する例として説明する。
＜センサデバイス＞
まず、本実施形態に係るセンサデバイス１０の構成について説明する。
センサデバイス１０は、図１に示すように、マイコンとして、例えば、ＭＣＵ（Micro Controller Unit）１１と、通信部１２と、入力部１３と、表示部１４と、フラッシュメモリ１５と、加速度センサ１６とを含んで構成される。
まず、本実施形態に係るセンサデバイス１０の構成について説明する。
センサデバイス１０は、図１に示すように、マイコンとして、例えば、ＭＣＵ（Micro Controller Unit）１１と、通信部１２と、入力部１３と、表示部１４と、フラッシュメモリ１５と、加速度センサ１６とを含んで構成される。
このセンサデバイス１０は、ユーザの腕等に装着されセンサデータを計測する機器であり、例えば、１秒間に１０〜１０００回程度の回数としてＭＣＵ１１が予めファームウェアで定義されたタイミングで加速度センサ１６の計測値（センサデータ）を読み出す。そして、ＭＣＵ１１が、予め定義されたタイミングでその計測値（センサデータ）をフラッシュメモリ１５に出力して記憶し、さらに、通信部１２により、記憶した計測値（センサデータ）を読み出して通信端末３０に送信することを特徴とする。
ＭＣＵ１１は、センサデバイス１０全体の制御を司るマイクロプロセッサであり、予め制御内容がファームウェアにより定義される。
加速度センサ１６は、動き（加速度）を測るセンサである。本実施形態に係るセンサデバイス１０は、加速度センサ１６に加えて、角速度（ジャイロ）センサや、地磁気センサ等を備えて運動の状態を計測することによって、より詳細な動きを計測するようにしてもよい。
加速度センサ１６は、動き（加速度）を測るセンサである。本実施形態に係るセンサデバイス１０は、加速度センサ１６に加えて、角速度（ジャイロ）センサや、地磁気センサ等を備えて運動の状態を計測することによって、より詳細な動きを計測するようにしてもよい。
通信部１２は、例えばボタン電池などの小型バッテリでの駆動に適した無線通信機能を有し、ＭＣＵ１１が通信部１２に出力するデータ（例えば、センサデータ）を、通信端末３０等に送信する。
入力部１３は、不図示のプッシュボタン等からの入力情報を受け取り、任意のタイミングでＭＣＵ１１に信号を送ることができ、予めＭＣＵ１１を制御するファームウェアによって定義された処理を起動させることができる。例えば、プッシュボタンを押し下げた時刻を、ＭＣＵ１１を介してフラッシュメモリ１５に記録することや、バッテリ残量や現在時刻を表示部１４に表示させることができる。
表示部１４は、例えば、液晶ディスプレイや有機ＥＬディスプレイであり、文字やグラフィックを表示する。
表示部１４は、例えば、液晶ディスプレイや有機ＥＬディスプレイであり、文字やグラフィックを表示する。
フラッシュメモリ１５は、不揮発メモリであり、加速度センサ１６が検出した加速度データ（センサデータ）を、一時的に記憶する。このフラッシュメモリ１５に加速度センサ１６が計測したデータ（センサデータ）を記憶する際に、ＭＣＵ１１で保持している時刻情報を付加することによって、後からデータを参照する際に、データを計測した日時が分かるとともに、他のセンサデバイス１０などで計測したデータを同期して解析することができる。
＜通信端末＞
次に、本実施形態に係る通信端末３０の構成について説明する。
通信端末３０は、無線通信機能やアプリケーションを実行する演算機能、受信したデータをユーザに示すために表示する機能等を有するコンピュータであり、例えば、タブレット端末やＰＣ（Personal Computer）等により構成される。この通信端末３０は、センサデバイス１０と連携する専用のアプリケーションによって、センサデバイス１０が計測したデータ（センサデータ）を受信し、不図示のルータおよびネットワーク５を介してトレーニング分類サーバ２０にそのデータを送信する。また、通信端末３０は、トレーニング分類サーバ２０がデータ（センサデータ）を解析した結果を受信して表示し、ユーザに提示することを特徴とする。
この通信端末３０は、図１に示すように、ＣＰＵ（Central Processing Unit）３１と、通信部３２と、入力部３３と、表示部３４と、ＲＡＭ（Random Access Memory）３５と、アプリケーション３６とを含んで構成される。
次に、本実施形態に係る通信端末３０の構成について説明する。
通信端末３０は、無線通信機能やアプリケーションを実行する演算機能、受信したデータをユーザに示すために表示する機能等を有するコンピュータであり、例えば、タブレット端末やＰＣ（Personal Computer）等により構成される。この通信端末３０は、センサデバイス１０と連携する専用のアプリケーションによって、センサデバイス１０が計測したデータ（センサデータ）を受信し、不図示のルータおよびネットワーク５を介してトレーニング分類サーバ２０にそのデータを送信する。また、通信端末３０は、トレーニング分類サーバ２０がデータ（センサデータ）を解析した結果を受信して表示し、ユーザに提示することを特徴とする。
この通信端末３０は、図１に示すように、ＣＰＵ（Central Processing Unit）３１と、通信部３２と、入力部３３と、表示部３４と、ＲＡＭ（Random Access Memory）３５と、アプリケーション３６とを含んで構成される。
ＣＰＵ３１は、通信端末３０全体を制御する中央演算装置であり、このＣＰＵ３１がアプリケーション３６をＲＡＭ３５に展開することにより、処理を実行する。
通信部３２は、通信回線を介して情報の送受信を行う不図示の通信インタフェースを含んで構成される。この通信部３２は、センサデバイス１０およびトレーニング分類サーバ２０との間の情報の送受信を行う。
通信部３２は、通信回線を介して情報の送受信を行う不図示の通信インタフェースを含んで構成される。この通信部３２は、センサデバイス１０およびトレーニング分類サーバ２０との間の情報の送受信を行う。
入力部３３は、キーボードやタッチパネル等（不図示）との間の入力手段（入力インタフェース）を含んで構成され、ユーザ等からの入力情報を取得する。
表示部３４は、例えば、液晶ディスプレイや有機ＥＬディスプレイであり、文字やグラフィックを表示させる。
ＲＡＭ３５は、ＣＰＵ３１が演算処理を行う際にアプリケーション（プログラム）を一時的に読み込む。また、ＲＡＭ３５には、センサデバイス１０から取得したセンサデータや、トレーニング分類サーバ２０から受信した解析結果（後記する、「パフォーマンス評価情報」等）が記憶される。
表示部３４は、例えば、液晶ディスプレイや有機ＥＬディスプレイであり、文字やグラフィックを表示させる。
ＲＡＭ３５は、ＣＰＵ３１が演算処理を行う際にアプリケーション（プログラム）を一時的に読み込む。また、ＲＡＭ３５には、センサデバイス１０から取得したセンサデータや、トレーニング分類サーバ２０から受信した解析結果（後記する、「パフォーマンス評価情報」等）が記憶される。
アプリケーション３６は、通信端末３０が実行する処理内容を記述するプログラムであり、センサデータ転送手段３６１と、情報入力手段３６２と、解析結果表示手段３６３とを含んで構成される。なお、このアプリケーション３６は、不図示の記憶手段（フラッシュメモリやハードディスク等）に格納される。
センサデータ転送手段３６１は、センサデバイス１０から受信したセンサデータを受信し、通信部３２を介して、トレーニング分類サーバ２０に送信する処理を実行する。
情報入力手段３６２は、入力部３３を介して、キーボードやタッチパネルにより入力された情報を取得する。例えば、情報入力手段３６２は、後記するトレーニング分類データ２５２（図１４参照）の各トレーニングの名称や、後記する「パフォーマンス評価要求情報」等の入力を受け付ける。
解析結果表示手段３６３は、トレーニング分類サーバ２０から、センサデバイス１０から取得したセンサ情報の解析結果（トレーニング分類データ２５２（図１４参照）やパフォーマンス評価情報）を取得し、表示部３４に表示する。例えば、解析結果表示手段３６３は、パフォーマンス評価情報に基づき、後記するパフォーマンス評価図３００（図１７参照）等の解析結果を表示部３４に表示する。
情報入力手段３６２は、入力部３３を介して、キーボードやタッチパネルにより入力された情報を取得する。例えば、情報入力手段３６２は、後記するトレーニング分類データ２５２（図１４参照）の各トレーニングの名称や、後記する「パフォーマンス評価要求情報」等の入力を受け付ける。
解析結果表示手段３６３は、トレーニング分類サーバ２０から、センサデバイス１０から取得したセンサ情報の解析結果（トレーニング分類データ２５２（図１４参照）やパフォーマンス評価情報）を取得し、表示部３４に表示する。例えば、解析結果表示手段３６３は、パフォーマンス評価情報に基づき、後記するパフォーマンス評価図３００（図１７参照）等の解析結果を表示部３４に表示する。
＜トレーニング分類サーバ＞
次に、本実施形態に係るトレーニング分類サーバ２０の構成について説明する。
トレーニング分類サーバ２０は、センサデバイス１０が計測したセンサデータを取得し、解析することによって、ユーザが行った連続した複数のトレーニングを時間で分割し、分割したトレーニングを種類別に分類する。また、トレーニング分類サーバ２０は、同じ種類に分類されたトレーニング区間のデータを抽出し、運動強度などの運動特徴量に基づくパフォーマンスについて、時系列やユーザ毎に比較するための解析結果（パフォーマンス評価情報）を生成し、通信端末３０に送信する。
このトレーニング分類サーバ２０は、図１に示すように、ＣＰＵ２１と、通信部２２と、ＲＡＭ２３と、プログラム２４と、データベース（ＤＢ）２５とを含んで構成される。
次に、本実施形態に係るトレーニング分類サーバ２０の構成について説明する。
トレーニング分類サーバ２０は、センサデバイス１０が計測したセンサデータを取得し、解析することによって、ユーザが行った連続した複数のトレーニングを時間で分割し、分割したトレーニングを種類別に分類する。また、トレーニング分類サーバ２０は、同じ種類に分類されたトレーニング区間のデータを抽出し、運動強度などの運動特徴量に基づくパフォーマンスについて、時系列やユーザ毎に比較するための解析結果（パフォーマンス評価情報）を生成し、通信端末３０に送信する。
このトレーニング分類サーバ２０は、図１に示すように、ＣＰＵ２１と、通信部２２と、ＲＡＭ２３と、プログラム２４と、データベース（ＤＢ）２５とを含んで構成される。
ＣＰＵ２１は、トレーニング分類サーバ２０全体を制御する中央演算装置であり、このＣＰＵ２１がプログラム２４の各手段をＲＡＭ２３に展開することにより、処理を実行する。
通信部２２は、通信回線を介して情報の送受信を行う不図示の通信インタフェースを含んで構成される。この通信部２２は、ネットワーク５を介して通信端末３０との間で情報の送受信を行う。
ＲＡＭ２３は、ＣＰＵ２１が演算処理を行う際にプログラム２４を読み込む。また、ＲＡＭ２３は、センサデバイス１０が計測し、通信端末３０から取得したセンサデータ等を一時的に記憶する。
通信部２２は、通信回線を介して情報の送受信を行う不図示の通信インタフェースを含んで構成される。この通信部２２は、ネットワーク５を介して通信端末３０との間で情報の送受信を行う。
ＲＡＭ２３は、ＣＰＵ２１が演算処理を行う際にプログラム２４を読み込む。また、ＲＡＭ２３は、センサデバイス１０が計測し、通信端末３０から取得したセンサデータ等を一時的に記憶する。
プログラム２４には、トレーニング分類サーバ２０が実行する処理内容が記述されており、トレーニング分類手段２４１と、パフォーマンス評価手段２４２と、可視化手段２４３とを含んで構成される。なお、このプログラム２４は、不図示の記憶手段（ハードディスク等）に格納される。
トレーニング分類手段２４１は、センサデバイス１０が計測したデータ（後記する図３のセンサデータ２５０）を解析することにより、運動特徴量データ２５１（後記する図４参照）を生成する。そして、トレーニング分類手段２４１は、ユーザが行った一連のトレーニングを分割し、分類することにより、トレーニング分類データ２５２（後記する図１４参照）を生成する。なお、トレーニング分類手段２４１が実行する処理の詳細は、後記する図２等を参照して説明する。
パフォーマンス評価手段２４２は、分割および分類されたトレーニング毎に、評価対象となるデータ（図４の運動特徴量データ２５１、図１４のトレーニング分類データ２５２等）を参照し、異なる日時における同種類のトレーニングの比較データ（後記する、図１６のパフォーマンスデータ２５３）を生成する。
可視化手段２４３は、パフォーマンス評価手段２４２が生成したトレーニングの比較データ（パフォーマンスデータ２５３）を用いて、ユーザが理解することに適したグラフ等の表示させるためのデータを生成する。具体的には、可視化手段２４３は、通信端末３０が表示部３４に表示する図１７に示すパフォーマンス評価図を構成するためのパフォーマンス評価情報を生成し、通信部２２を介して、通信端末３０に送信する。
データベース（ＤＢ）２５は、ハードディスク等の記憶手段により構成され、センサデータ２５０、運動特徴量データ２５１、トレーニング分類データ２５２、パフォーマンスデータ２５３等が格納される。
センサデータ２５０には、センサデバイス１０が計測したデータが格納される。なお、このセンサデータ２５０の詳細は後記する（図３参照）。
運動特徴量データ２５１には、センサデータ２５０に基づき、トレーニング区間において運動の特徴を解析した値（例えば、運動強度、歩行ピッチ、速度、腕の角度等）が格納される。なお、この運動特徴量データ２５１の詳細は後記する（図４参照）。
運動特徴量データ２５１には、センサデータ２５０に基づき、トレーニング区間において運動の特徴を解析した値（例えば、運動強度、歩行ピッチ、速度、腕の角度等）が格納される。なお、この運動特徴量データ２５１の詳細は後記する（図４参照）。
トレーニング分類データ２５２には、運動特徴量データ２５１に基づき、連続した複数のトレーニングを分割して、同じ種類ごとに分類した結果が格納される。なお、このトレーニング分類データ２５２の詳細は後記する（図１４参照）。
パフォーマンスデータ２５３には、分割および分類されたトレーニングの評価に適した指標（運動の状態を示す指標として、例えば、平均運動強度、最大運動強度、平均速度、最大速度等）を解析した結果が格納される。なお、パフォーマンスデータ２５３の詳細は後記する（図１６参照）。
パフォーマンスデータ２５３には、分割および分類されたトレーニングの評価に適した指標（運動の状態を示す指標として、例えば、平均運動強度、最大運動強度、平均速度、最大速度等）を解析した結果が格納される。なお、パフォーマンスデータ２５３の詳細は後記する（図１６参照）。
≪処理の流れ≫
次に、トレーニング分類システム１が実行する処理について説明する。まず、トレーニング分類サーバ２０が実行する処理（トレーニング分類処理）について詳細に説明する。
図２は、本実施形態に係るトレーニング分類サーバ２０が実行するトレーニング分類処理の流れを示すフローチャートである。
次に、トレーニング分類システム１が実行する処理について説明する。まず、トレーニング分類サーバ２０が実行する処理（トレーニング分類処理）について詳細に説明する。
図２は、本実施形態に係るトレーニング分類サーバ２０が実行するトレーニング分類処理の流れを示すフローチャートである。
図２に示すように、トレーニング分類サーバ２０のトレーニング分類手段２４１は、通信端末３０から新しいトレーニング区間のセンサデータ２５０を受信したり、センサデータ２５０の更新データを受信したりすることにより、センサデータ２５０を取得し（ステップＳ１０）、データベース（ＤＢ）２５に記憶して処理を開始する。
図３は、本実施形態に係るセンサデータ２５０のデータ構成例を示す図である。
図３に示すように、センサデータ２５０は、各行（１レコード）毎にセンサデバイス１０において１回計測した加速度データ（センサデータ）を記憶する。これにより、加速度データ（センサデータ）が時系列に記録される。
このセンサデータ２５０には、ユーザＩＤ２５０１、日時２５０２、加速度Ｘ［Ｇ］２５０３（後記するＸ軸方向の加速度）、加速度Ｙ［Ｇ］２５０４（後記するＹ軸方向の加速度）、加速度Ｚ［Ｇ］２５０５（後記するＺ軸方向の加速度）の各データ項目についてのデータが格納される。
図３に示すように、センサデータ２５０は、各行（１レコード）毎にセンサデバイス１０において１回計測した加速度データ（センサデータ）を記憶する。これにより、加速度データ（センサデータ）が時系列に記録される。
このセンサデータ２５０には、ユーザＩＤ２５０１、日時２５０２、加速度Ｘ［Ｇ］２５０３（後記するＸ軸方向の加速度）、加速度Ｙ［Ｇ］２５０４（後記するＹ軸方向の加速度）、加速度Ｚ［Ｇ］２５０５（後記するＺ軸方向の加速度）の各データ項目についてのデータが格納される。
ユーザＩＤ２５０１は、センサデバイス１０を装着しているユーザを識別するための固有の識別子である。
日時２５０２は、センサデバイス１０が加速度センサ１６により加速度の値を計測した日時を示す。
加速度Ｘ２５０３、加速度Ｙ２５０４および加速度Ｚ２５０５は、センサデバイス１０の加速度センサ１６が計測した３軸加速度の値を示す。この加速度は、重力単位である［Ｇ］などの単位でそろえて記憶することにより、使用する加速度センサの分解能などの仕様が異なっていても、比較可能な形式で記憶することができる。
日時２５０２は、センサデバイス１０が加速度センサ１６により加速度の値を計測した日時を示す。
加速度Ｘ２５０３、加速度Ｙ２５０４および加速度Ｚ２５０５は、センサデバイス１０の加速度センサ１６が計測した３軸加速度の値を示す。この加速度は、重力単位である［Ｇ］などの単位でそろえて記憶することにより、使用する加速度センサの分解能などの仕様が異なっていても、比較可能な形式で記憶することができる。
図２に戻り、トレーニング分類手段２４１は、データベース（ＤＢ）２５内のセンサデータ２５０から、解析対象となるトレーニング全体の区間のデータを取得する（ステップＳ１１）。
なお、この解析対象となるトレーニング全体の区間の情報は、例えば、通信端末３０において入力部３３を介してユーザにより指定された情報（開始日時、終了日時）を、トレーニング分類サーバ２０が取得することにより設定してもよいし、予め、解析対象となるトレーニング全体の区間の設定情報（開始日時、終了日時）を、トレーニング分類サーバ２０の記憶手段（不図示）に記憶しておき、その情報を用いてもよい。
なお、この解析対象となるトレーニング全体の区間の情報は、例えば、通信端末３０において入力部３３を介してユーザにより指定された情報（開始日時、終了日時）を、トレーニング分類サーバ２０が取得することにより設定してもよいし、予め、解析対象となるトレーニング全体の区間の設定情報（開始日時、終了日時）を、トレーニング分類サーバ２０の記憶手段（不図示）に記憶しておき、その情報を用いてもよい。
続いて、トレーニング分類手段２４１は、取得したトレーニング全体の区間のセンサデータ２５０を用いて運動特徴量を算出し（ステップＳ１２）、運動特徴量データ２５１としてデータベース（ＤＢ）２５に記憶する。運動特徴量は、ユーザの動きを計測したデータから算出され、例えば、消費カロリーに比例する運動強度や、歩行や走行のペースを示す歩行ピッチ、速度、腕の傾きなどである。
図４は、本実施形態に係る運動特徴量データ２５１のデータ構成例を示す図である。
図４に示すように、運動特徴量データ２５１は、各行（１レコード）毎にセンサデータ２５０（図３）に基づき算出した単位時間の１つのデータを記憶する。これにより、運動特徴量データが時系列に記録される。なお、センサデバイス１０がミリ秒単位で計測したデータは人が認識できる時間単位より細かいため、運動特徴量では人が認識しやすい秒単位などにデータがまとめられる。
この運動特徴量データ２５１には、ユーザＩＤ２５１１、日時２５１２、運動強度［ＭＥＴｓ］２５１３、歩行ピッチ［歩／秒］２５１４、速度［ｍ／秒］２５１５、傾きθ［ｒａｄ］２５１６、傾きφ［ｒａｄ］２５１７の各データ項目についてデータが格納される。なお、これらの値を単位時間（例えば１秒）で計算する際には、単位時間中の平均値として記憶する。
図４に示すように、運動特徴量データ２５１は、各行（１レコード）毎にセンサデータ２５０（図３）に基づき算出した単位時間の１つのデータを記憶する。これにより、運動特徴量データが時系列に記録される。なお、センサデバイス１０がミリ秒単位で計測したデータは人が認識できる時間単位より細かいため、運動特徴量では人が認識しやすい秒単位などにデータがまとめられる。
この運動特徴量データ２５１には、ユーザＩＤ２５１１、日時２５１２、運動強度［ＭＥＴｓ］２５１３、歩行ピッチ［歩／秒］２５１４、速度［ｍ／秒］２５１５、傾きθ［ｒａｄ］２５１６、傾きφ［ｒａｄ］２５１７の各データ項目についてデータが格納される。なお、これらの値を単位時間（例えば１秒）で計算する際には、単位時間中の平均値として記憶する。
ユーザＩＤ２５１１は、ユーザを識別するための固有の識別子であり、センサデータ２５０（図３）のユーザＩＤ２５０１と同一の情報である。
日時２５１２は、運動特徴量に対応するセンサデータ２５０が計測された日時を示す。
日時２５１２は、運動特徴量に対応するセンサデータ２５０が計測された日時を示す。
運動強度［ＭＥＴｓ］２５１３は、人の運動の典型的な特徴を示すものであり、消費カロリーに比例する人の動きの強さ（単位時間当たりの運動量）を示す。単位をＭＥＴｓとした場合には、そのユーザの体重と掛け合わせて計算することによって消費カロリーに変換することができる。この運動強度（消費カロリー）を運動特徴量として用いる場合、ユーザそれぞれの体重をユーザＩＤ２５１１に対応付けて、予め記憶しておく。
歩行ピッチ［歩／秒］２５１４は、人の走行や歩行のペースを示す値であり、１秒あたり何歩走るか若しくは歩いたかを示している。
速度［ｍ／秒］２５１５は、人の移動速度を示す値であり、前記した運動強度や歩行ピッチ、ユーザの身長などのデータを用いて推定することができる。この速度を運動特徴量として用いる場合、ユーザそれぞれの身長をユーザＩＤ２５１１に対応付けて、予め記憶しておく。
速度［ｍ／秒］２５１５は、人の移動速度を示す値であり、前記した運動強度や歩行ピッチ、ユーザの身長などのデータを用いて推定することができる。この速度を運動特徴量として用いる場合、ユーザそれぞれの身長をユーザＩＤ２５１１に対応付けて、予め記憶しておく。
傾きθ［ｒａｄ］２５１６、傾きφ［ｒａｄ］２５１７は、ユーザの腕等に装着されたセンサデバイス１０の腕の傾きの状態を角度で示した値である。以下、図５を参照して詳細に説明する。
図５は、本実施形態に係る運動特徴量データ２５１に格納される腕の傾きの算出例を説明するための図である。図５（ａ）は、センサデバイス１０の正面図である。図５（ｂ）は、センサデバイス１０の側面図である。図５（ｃ）は、傾きθおよび傾きφを算出する計算式を示す。なお、ここで、センサデバイス１０は、一般的な腕時計の装着の仕方と同様に、左腕（手首）において手の甲側に装着されるものとする。
図５（ａ）（ｂ）に示すように、加速度センサ１６に対し、３軸加速度を、Ｘ軸、Ｙ軸、Ｚ軸の方向に設定した場合に、各軸方向で加速度（ｘ(t)，ｙ(t)，ｚ(t)）が、加速度センサ１６により計測される。そして、図５（ｃ）に示すように、加速度センサ１６の計測値を用いて、地面に対し腕を上げた角度となる傾きθ(t)が式（１）により計算される。また、腕を回転させた（ひねった）角度となる傾きφ（ｔ）が式（２）により計算される。
図５（ａ）（ｂ）に示すように、加速度センサ１６に対し、３軸加速度を、Ｘ軸、Ｙ軸、Ｚ軸の方向に設定した場合に、各軸方向で加速度（ｘ(t)，ｙ(t)，ｚ(t)）が、加速度センサ１６により計測される。そして、図５（ｃ）に示すように、加速度センサ１６の計測値を用いて、地面に対し腕を上げた角度となる傾きθ(t)が式（１）により計算される。また、腕を回転させた（ひねった）角度となる傾きφ（ｔ）が式（２）により計算される。
図２に戻り、トレーニング分類手段２４１は、運動特徴量データ２５１に示される運動特徴量の時系列データを用いて、ユーザが連続して行ったトレーニングの間の休憩や、異なる種類のトレーニングへの移行や準備をしている時間を示すインターバル（連続するトレーニングの合間の時間）の特徴を抽出することにより、インターバルを検出する（インターバル検出処理：ステップＳ１３）。
このインターバルの特徴とは、例えば、サッカーや陸上競技など走行を基本とするトレーニングにおいては、一定期間走行がないことや、歩行や静止状態が続くことなどである。また、主に上半身を使う競技においては、腕の傾きから一定時間腕が下がっていることなどである。トレーニング分類手段２４１は、対象とするスポーツにおけるインターバルでの運動特徴量の特徴に合致する区間を抽出することによりインターバルを検出する。
このインターバルの特徴とは、例えば、サッカーや陸上競技など走行を基本とするトレーニングにおいては、一定期間走行がないことや、歩行や静止状態が続くことなどである。また、主に上半身を使う競技においては、腕の傾きから一定時間腕が下がっていることなどである。トレーニング分類手段２４１は、対象とするスポーツにおけるインターバルでの運動特徴量の特徴に合致する区間を抽出することによりインターバルを検出する。
ここで、トレーニング分類手段２４１が実行するインターバル検出処理について詳細に説明する。
図６は、本実施形態に係るトレーニング分類手段２４１が実行するインターバル検出処理の流れを示すフローチャートである。なお、図６においては、サーカー等のチーム競技のトレーニングを例として説明する。
図６は、本実施形態に係るトレーニング分類手段２４１が実行するインターバル検出処理の流れを示すフローチャートである。なお、図６においては、サーカー等のチーム競技のトレーニングを例として説明する。
まず、トレーニング分類手段２４１は、運動特徴量データ２５１（図４）を参照し、解析対象となる連続したトレーニング区間の運動強度や歩行ピッチ等の運動特徴量を読み出す（ステップＳ１３１）。
図７は、運動特徴量として運動強度の時系列データを読み出した例を示している。ここでは、図７（ａ）〜（ｄ）において、サッカーの一連のトレーニングをチーム（４人のユーザ）で実行した際の運動強度の時系列データ（Ｕ１，Ｕ２，Ｕ３，Ｕ４）を示している。
図７は、運動特徴量として運動強度の時系列データを読み出した例を示している。ここでは、図７（ａ）〜（ｄ）において、サッカーの一連のトレーニングをチーム（４人のユーザ）で実行した際の運動強度の時系列データ（Ｕ１，Ｕ２，Ｕ３，Ｕ４）を示している。
図６に戻り、続いてトレーニング分類手段２４１は、対象とするユーザ全員（チーム全員）の数値を合計して平均値のデータを生成する（ステップＳ１３２）。チーム競技においては、そのチームに属するユーザのインターバルや動きの特徴が類似しているため、合計することによって特徴を捉えやすくすることができる。
図８は、複数ユーザの運動強度の平均値の時系列データを示している。ここでは、トレーニング分類手段２４１が、図７（ａ）〜（ｄ）に示す４人のユーザの運動強度の時系列データ（Ｕ１，Ｕ２，Ｕ３，Ｕ４）を合計し平均した結果である、運動強度の平均値の時系列データ（ＵＡ）を示している。
図８は、複数ユーザの運動強度の平均値の時系列データを示している。ここでは、トレーニング分類手段２４１が、図７（ａ）〜（ｄ）に示す４人のユーザの運動強度の時系列データ（Ｕ１，Ｕ２，Ｕ３，Ｕ４）を合計し平均した結果である、運動強度の平均値の時系列データ（ＵＡ）を示している。
図６に戻り、次にトレーニング分類手段２４１は、例えば１分などのその競技のインターバル時間に近い時間幅で移動平均を算出する（ステップＳ１３３）。
この移動平均を算出することにより、さらに、運動強度の増減が平滑化され、運動強度の特徴を捉えやすくすることができる。
この移動平均を算出することにより、さらに、運動強度の増減が平滑化され、運動強度の特徴を捉えやすくすることができる。
続いて、トレーニング分類手段２４１は、移動平均により算出した運動強度や同様に算出した歩行ピッチや速度等の情報に基づき、インターバルにおける運動特徴量の特徴に合致する区間、例えば、１分間などの窓幅の間で運動強度のデータが走行状態でないことを示す区間をインターバルとして検出する（ステップＳ１３４）。そして、トレーニング分類手段２４１は、インターバル検出処理を終了する。
図９は、複数ユーザの運動強度の平均値の時系列データにおいて、インターバルの区間を抽出した例を示している。ここでは、図８に示す運動強度の平均値の時系列データから、所定の時間、例えば、サッカーのトレーニングの例においては１分程度の間、走行レベル以下（運動強度が所定値以下）の運動であるいう特徴を捉え、インターバル（Ｉ１，Ｉ２，Ｉ３，Ｉ４，Ｉ５，Ｉ６）を検出した結果を示している。図９に示すように、インターバルによって、各トレーニングの区間を分割し、区切ることができる。
図９は、複数ユーザの運動強度の平均値の時系列データにおいて、インターバルの区間を抽出した例を示している。ここでは、図８に示す運動強度の平均値の時系列データから、所定の時間、例えば、サッカーのトレーニングの例においては１分程度の間、走行レベル以下（運動強度が所定値以下）の運動であるいう特徴を捉え、インターバル（Ｉ１，Ｉ２，Ｉ３，Ｉ４，Ｉ５，Ｉ６）を検出した結果を示している。図９に示すように、インターバルによって、各トレーニングの区間を分割し、区切ることができる。
図２に戻り、ステップＳ１４において、トレーニング分類手段２４１は、ステップＳ１３において検出したインターバルによって、連続したトレーニング全体の区間を、トレーニングを行っている個々の区間、つまり、複数のトレーニング項目のいずれかを対応付ける区間（トレーニング区間）として分割する。
続いて、トレーニング分類手段２４１は、分割されたトレーニング区間の運動特徴量を運動特徴量データ２５１（図４参照）から読み出す。そして、トレーニング分類手段２４１は、複数軸の運動特徴量を用いて分割された複数のトレーニング区間のそれぞれに該当するトレーニング項目を公知のアルゴリズムを用いてクラスタリングし、似た特徴を有するトレーニング項目にまとめるように分類する（ステップＳ１５）。
図１０は、本実施形態に係る分割されたトレーニング区間に該当するトレーニング項目を、クラスタリングする手法を説明するための図である。ここでは、図９に示すようにインターバルで区切られ分割されたトレーニング区間に対応するトレーニング項目を、それぞれに対応する運動特徴量データによってクラスタリングする手法を示している。
複数軸（Ｎ軸）の運動特徴量（ａ，ｂ，ｃ：例えば、運動強度，歩行ピッチ，速度）の空間上に各トレーニング項目を該当する位置に配置し、位置が近いトレーニング項目同士を同じトレーニング分類（Ａ，Ｂ，Ｃ，Ｄ）にまとめるように最適化する公知のアルゴリズムを用いる。
複数軸（Ｎ軸）の運動特徴量（ａ，ｂ，ｃ：例えば、運動強度，歩行ピッチ，速度）の空間上に各トレーニング項目を該当する位置に配置し、位置が近いトレーニング項目同士を同じトレーニング分類（Ａ，Ｂ，Ｃ，Ｄ）にまとめるように最適化する公知のアルゴリズムを用いる。
図１１は、トレーニング分類手段２４１が、図９の複数ユーザの運動強度の平均値の時系列データＵＡについて、類似した特徴を有するトレーニング項目を同種類に分類した結果を示している。ここでは、インターバル（Ｉ１，Ｉ２，Ｉ３，Ｉ４，Ｉ５，Ｉ６）によって区切られた各トレーニング区間のトレーニング項目について、図１０に例示したクラスタリング手法を適用している。
この結果、図１１に例示すように、トレーニング区間ｔ０のトレーニング項目を「Ａ」とし、トレーニング区間ｔ１のトレーニング項目を「Ｂ」とし、トレーニング区間ｔ２のトレーニング項目を「Ｃ」とし、トレーニング区間ｔ３のトレーニング項目を「Ｃ」とし、トレーニング区間ｔ４のトレーニング項目を「Ｂ」とし、トレーニング区間ｔ５のトレーニング項目を「Ｂ」とし、トレーニング区間ｔ６のトレーニング項目を「Ｄ」とする。
図２に戻り、ステップＳ１６において、トレーニング分類手段２４１は、クラスタリングによって分類されたトレーニング項目のうち、時系列で連続していない同種類のトレーニング項目を、異なる種類のトレーニングとして再分類する。
図１２は、トレーニング分類手段２４１が、図１１に示す分類されたトレーニング項目（Ａ，Ｂ，Ｃ，Ｄ）の中で、時系列で連続でない同種類のトレーニング項目を再分類した結果を示している。
図１２においては、トレーニング区間ｔ１のトレーニング項目「Ｂ」と連続していない、トレーニング区間ｔ１４，ｔ１５のトレーニング項目「Ｂ」をトレーニング項目「Ｅ」として再分類している。
図１２においては、トレーニング区間ｔ１のトレーニング項目「Ｂ」と連続していない、トレーニング区間ｔ１４，ｔ１５のトレーニング項目「Ｂ」をトレーニング項目「Ｅ」として再分類している。
図２に戻り、ステップＳ１７において、トレーニング分類手段２４１は、時系列で連続した複数のトレーニング項目をひとつのトレーニング項目にまとめる。このときまとめられたトレーニング項目には、まとめたトレーニング項目の数だけ同じトレーニングを繰り返して行ったことの情報を、後記するトレーニング分類データ２５２（図１４参照）に記憶する。
図１３は、トレーニング分類手段２４１が、図１２に示した再分類されたトレーニング項目（Ａ，Ｂ，Ｃ，Ｄ，Ｅ）の中から、連続した同種類のトレーニング項目をひとつにまとめた例を示している。まとめられたトレーニング項目「Ｃ」「Ｅ」は、同種のトレーニングをそれぞれ２回繰り返して行ったトレーニング項目であることを示している。
なお、ステップＳ１６とステップＳ１７は逆の順番で処理しても同じ結果を得ることができる。
なお、ステップＳ１６とステップＳ１７は逆の順番で処理しても同じ結果を得ることができる。
図２に戻り、ステップＳ１８において、トレーニング分類手段２４１は、同種類ごとに分割されたトレーニング項目の情報を、トレーニング分類データ２５２に記憶する。
図１４は、本実施形態に係るトレーニング分類データ２５２のデータ構成例を示す図である。
図１４に示すように、トレーニング分類データ２５２は、一行（１レコード）ごとに、分割および分類されたひとつのトレーニング項目が記憶される。このトレーニング分類データ２５２には、トレーニングＩＤ２５２１、チームＩＤ２５２２、開始日時２５２３、終了日時２５２４、セット数２５２５、実施ユーザＩＤ２５２６、入力名称２５２７、入力タグ２５２８の各データ項目についてのデータが格納される。
図１４に示すように、トレーニング分類データ２５２は、一行（１レコード）ごとに、分割および分類されたひとつのトレーニング項目が記憶される。このトレーニング分類データ２５２には、トレーニングＩＤ２５２１、チームＩＤ２５２２、開始日時２５２３、終了日時２５２４、セット数２５２５、実施ユーザＩＤ２５２６、入力名称２５２７、入力タグ２５２８の各データ項目についてのデータが格納される。
トレーニングＩＤ２５２１は、各トレーニング項目を識別するための固有な識別子である。
チームＩＤ２５２２は、主に団体競技においてチーム単位でトレーニングを行った際の、そのチーム固有の識別子である。このチームには、同時にトレーニングを行った複数のユーザを含む。複数人ではなく、ひとりでトレーニングを行った場合には、チームと個人とは同一（つまり、一人で構成されるチーム）とすることができる。
チームＩＤ２５２２は、主に団体競技においてチーム単位でトレーニングを行った際の、そのチーム固有の識別子である。このチームには、同時にトレーニングを行った複数のユーザを含む。複数人ではなく、ひとりでトレーニングを行った場合には、チームと個人とは同一（つまり、一人で構成されるチーム）とすることができる。
開始日時２５２３および終了日時２５２４は、各トレーニング項目を行った時間を示しており、インターバルで区切られた時間を示している。
セット数２５２５は、トレーニング分類手段２４１が、インターバルで区切られているが連続して行ったトレーニング項目をまとめた場合、まとめた数を繰り返し行ったセット数として記憶する。
セット数２５２５は、トレーニング分類手段２４１が、インターバルで区切られているが連続して行ったトレーニング項目をまとめた場合、まとめた数を繰り返し行ったセット数として記憶する。
実施ユーザＩＤ２５２６は、チームＩＤ２５２２に示すチームに属して同時にトレーニングしたユーザを示す識別子であり、複数人で構成する場合は複数のユーザＩＤが記憶される。
入力名称２５２７は、各トレーニング項目をユーザ本人やコーチ等が後から認識しやすいように付された名称である（詳細は後記）。
入力タグ２５２８には、トレーニング項目を行った際に、センサデバイス１０では検知できない情報、例えば、ユーザや指導者の主観情報や、天候等の環境情報等が、トレーニングの後で格納される（詳細は後記）。
この入力タグ２５２８は、１つのトレーニング項目に複数入力することができ、文字情報等でもよいし、図１４に示すように、タグ情報としてその内容それぞれに固有な数字（識別子）を付すようにしてもよい。
この入力タグ２５２８は、１つのトレーニング項目に複数入力することができ、文字情報等でもよいし、図１４に示すように、タグ情報としてその内容それぞれに固有な数字（識別子）を付すようにしてもよい。
このようにして、トレーニング分類サーバ２０のトレーニング分類手段２４１は、センサデバイス１０が計測したセンサデータ２５０を解析して、ユーザが行った一連のトレーニングを分割し、分類することができる。
次に、トレーニング分類サーバ２０のトレーニング分類手段２４１は、ステップＳ１８においてデータベース（ＤＢ）２５に記憶したトレーニング分類データ２５２を通信端末３０に送信することにより、入力名称２５２７、入力タグ２５２８の情報を取得して、トレーニング分類データ２５２を更新する（ステップＳ１９）。この入力名称２５２７や、入力タグ２５２８の情報は、センサデバイス１０では検出できない情報であり、以下において、トレーニング関連情報と称することがある。
具体的には、トレーニング分類手段２４１は、新たにデータベース（ＤＢ）２５に記憶されたトレーニング分類データ２５２を通信端末３０に送信する。通信端末３０の解析結果表示手段３６３は、受信したトレーニング分類データ２５２を表示部３４に表示する。そして、ユーザやそのトレーニングを指揮する指導者（コーチ等）が、表示されたトレーニング分類データ２５２（具体的には、開始日時２５２３、終了日時２５２４、セット数２５２５、実施ユーザＩＤ２５２６等）を参照して、実際に行ったトレーニングを識別し、そのトレーニングの名称として、入力名称２５２７の情報を通信端末３０の入力部３３により入力する。同様に、ユーザやコーチ等が、入力タグ２５２８の情報として、主観情報や環境情報等を通信端末３０の入力部３３により入力する。この入力された、入力名称２５２７および入力タグ２５２８の情報（トレーニング関連情報）は、通信端末３０の情報入力手段３６２が、通信部３２を介して、トレーニング分類サーバ２０に送信する。トレーニング分類サーバ２０のトレーニング分類手段２４１は、受信した入力名称２５２７および入力タグ２５２８の情報（トレーニング関連情報）を用いて、トレーニング分類データ２５２を更新する。
例えば、図１４に示すように、トレーニング分類データ２５２の入力名称２５２７の欄には、トレーニングの名称として、サッカーの場合「アップ」「パス基礎練習」「４対２パス練習」等が格納される。入力タグ２５２８には、図１４に示すように、ユーザ等が独自に設定した識別子としての数字（「１１」「２２」「２５」）でもよいし、そのトレーニングの際の天候や気温、トレーニング場所や、そのトレーニングで調子の良い若しくは悪いと判断した選手名等を格納しておいてもよい。
なお、このトレーニング分類手段２４１による、入力名称２５２７、入力タグ２５２８等のトレーニング関連情報の通信端末３０からの取得は、通信端末３０からの要求を受けてから、トレーニング分類サーバ２０がトレーニング分類データ２５２を送信するようにしてもよい。また、ステップＳ１５のトレーニング項目のクラスタリングの際に、同種類のトレーニングとして分類されたトレーニング項目については、過去に入力された入力名称２５２７の情報をそのまま格納するようにしてもよい。
このようにすることにより、後記するパフォーマンス評価手段２４２によるパフォーマンス評価処理の結果を、通信端末３０に表示させる際に、そのトレーニングの名称である入力名称２５２７や入力タグ２５２８等のトレーニング関連情報を併せて表示することで、ユーザ等が一瞥してトレーニング項目を把握できる。
＜パフォーマンス評価処理＞
次に、本実施形態に係るトレーニング分類サーバ２０のパフォーマンス評価手段２４２および可視化手段２４３により実行されるパフォーマンス評価処理について説明する。
図１５は、本実施形態に係るトレーニング分類サーバ２０が実行するパフォーマンス評価処理の流れを示すフローチャートである。このパフォーマンス評価処理は、トレーニング分類手段２４１により、前記したトレーニング分類処理（図２参照）が実行され、データベース（ＤＢ）２５に、運動特徴量データ２５１およびトレーニング分類データ２５２が格納された旨の情報を、パフォーマンス評価手段２４２が取得する等したことを契機に実行される。
次に、本実施形態に係るトレーニング分類サーバ２０のパフォーマンス評価手段２４２および可視化手段２４３により実行されるパフォーマンス評価処理について説明する。
図１５は、本実施形態に係るトレーニング分類サーバ２０が実行するパフォーマンス評価処理の流れを示すフローチャートである。このパフォーマンス評価処理は、トレーニング分類手段２４１により、前記したトレーニング分類処理（図２参照）が実行され、データベース（ＤＢ）２５に、運動特徴量データ２５１およびトレーニング分類データ２５２が格納された旨の情報を、パフォーマンス評価手段２４２が取得する等したことを契機に実行される。
まず、トレーニング分類サーバ２０のパフォーマンス評価手段２４２は、データベース（ＤＢ）２５内の運動特徴量データ２５１およびトレーニング分類データ２５２を参照し、運動の状態を示すパフォーマンスデータ２５３（図１６）を生成する（ステップＳ２０）。
図１６は、本実施形態に係るパフォーマンスデータ２５３のデータ構成例を示す図である。
図１６に示すように、パフォーマンスデータ２５３は、一行（１レコード）ごとに、１つのトレーニング項目についての１ユーザのパフォーマンスを示す情報が記憶される。このパフォーマンスデータ２５３は、ユーザＩＤ２５３１、トレーニングＩＤ２５３２、平均運動強度［ＭＥＴｓ］２５３３、最大運動強度［ＭＥＴｓ］２５３４、平均速度［ｍ／秒］２５３５、最大速度［ｍ／秒］２５３６の各データ項目についてのデータが格納される。
図１６に示すように、パフォーマンスデータ２５３は、一行（１レコード）ごとに、１つのトレーニング項目についての１ユーザのパフォーマンスを示す情報が記憶される。このパフォーマンスデータ２５３は、ユーザＩＤ２５３１、トレーニングＩＤ２５３２、平均運動強度［ＭＥＴｓ］２５３３、最大運動強度［ＭＥＴｓ］２５３４、平均速度［ｍ／秒］２５３５、最大速度［ｍ／秒］２５３６の各データ項目についてのデータが格納される。
ユーザＩＤ２５３１は、センサデバイス１０を装着しているユーザを識別するための固有の識別子である。このユーザＩＤ２５３１は、センサデータ２５０（図３参照）のユーザＩＤ２５０１と同一の情報である。
トレーニングＩＤ２５３２は、各トレーニング項目を識別するための固有な識別子である。このトレーニングＩＤ２５３２は、トレーニング分類データ２５２（図１４参照）のトレーニングＩＤ２５２１と同一の情報である。
トレーニングＩＤ２５３２は、各トレーニング項目を識別するための固有な識別子である。このトレーニングＩＤ２５３２は、トレーニング分類データ２５２（図１４参照）のトレーニングＩＤ２５２１と同一の情報である。
平均運動強度［ＭＥＴｓ］２５３３は、トレーニング項目のトレーニング区間中における、ユーザの運動強度の平均値を示している。
最大運動強度［ＭＥＴｓ］２５３４は、トレーニング項目のトレーニング区間中における、ユーザの運動強度の最大値を示している。
最大運動強度［ＭＥＴｓ］２５３４は、トレーニング項目のトレーニング区間中における、ユーザの運動強度の最大値を示している。
平均速度［ｍ／秒］２５３５は、トレーニング項目のトレーニング区間中における、ユーザの移動速度の平均値を示している。
最大速度［ｍ／秒］２５３６は、トレーニング項目のトレーニング区間中における、ユーザの移動速度の最大値を示している。
最大速度［ｍ／秒］２５３６は、トレーニング項目のトレーニング区間中における、ユーザの移動速度の最大値を示している。
パフォーマンス評価手段２４２は、所定のトレーニングの解析対象となる区間について、上記のようなパフォーマンスを評価する項目についてのデータを生成し、パフォーマンスデータ２５３としてデータベース（ＤＢ）２５に格納する。
図１５に戻り、次に、トレーニング分類サーバ２０の可視化手段２４３は、トレーニング分類データ２５２およびパフォーマンスデータ２５３を参照して、異なる日時における同種類のトレーニングの比較データとなるパフォーマンス評価情報を生成する（ステップＳ２１）。
このパフォーマンス評価情報は、ユーザやその指導者（コーチ等）に対し、トレーニングの解析結果を、通信端末３０において理解し易いグラフ等で表示させるための情報である。
このパフォーマンス評価情報は、ユーザやその指導者（コーチ等）に対し、トレーニングの解析結果を、通信端末３０において理解し易いグラフ等で表示させるための情報である。
可視化手段２４３は、例えば、通信端末３０からパフォーマンス評価の解析結果を要求するパフォーマンス評価要求情報を受け取ることにより、このパフォーマンス評価情報の生成処理を開始したり、予めトレーニング分類サーバ２０のパフォーマンス評価情報の生成処理の開始条件として、設定された条件を満たす場合に、このパフォーマンス評価情報の生成処理を開始したりすることができる。
通信端末３０から受信するパフォーマンス評価要求情報には、例えば、評価の対象となるトレーニングＩＤ、ユーザＩＤ、評価項目（例えば、平均運動強度２５３３）、トレーニング期間の情報が格納される。予め設定されるパフォーマンス評価情報の生成処理の開始条件にも、これらの情報が格納される。
通信端末３０から受信するパフォーマンス評価要求情報には、例えば、評価の対象となるトレーニングＩＤ、ユーザＩＤ、評価項目（例えば、平均運動強度２５３３）、トレーニング期間の情報が格納される。予め設定されるパフォーマンス評価情報の生成処理の開始条件にも、これらの情報が格納される。
続いて、可視化手段２４３は、生成したパフォーマンス評価情報を、通信端末３０に送信し（ステップＳ２２）、通信端末３０の表示部３４に表示させる。
図１７は、本実施形態に係るトレーニング分類サーバ２０の可視化手段２４３が生成したパフォーマンス評価情報を、通信端末３０の解析結果表示手段３６３が、表示部３４に表示したパフォーマンス評価図３００の例を示す。
図１７に示すように、パフォーマンス評価図３００は、トレーニング分類手段２４１によって分割および分類された同種類のトレーニング項目（ここでは、「４対２パス練習」）について、複数の期間（第１〜第４週目）で評価項目（平均運動強度）のデータを読み出し、推移を可視化する。これによって、ユーザやその指導者（コーチ等）は、ユーザそれぞれのパフォーマンスの変化や成長を正確に把握することができる。
図１７に示すように、パフォーマンス評価図３００は、トレーニング分類手段２４１によって分割および分類された同種類のトレーニング項目（ここでは、「４対２パス練習」）について、複数の期間（第１〜第４週目）で評価項目（平均運動強度）のデータを読み出し、推移を可視化する。これによって、ユーザやその指導者（コーチ等）は、ユーザそれぞれのパフォーマンスの変化や成長を正確に把握することができる。
以上、説明したように、本実施形態に係るトレーニング分類システム１、トレーニング分類方法およびトレーニング分類サーバ２０によれば、スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごとに分類することができる。また、同じ種類に分類されたトレーニング区間のデータのみを抽出し、運動強度などのパフォーマンスを時系列やユーザ毎に比較することができる。
さらに、本実施形態に係るトレーニング分類システム１、トレーニング分類方法およびトレーニング分類サーバ２０によれば、次に示すような効果も奏することができる。
センサデバイス１０で計測した複数のユーザの運動データ（センサデータ）をトレーニング分類サーバ２０にまとめて収集することができ、トレーニングやそのトレーニングの際のユーザのパフォーマンス等についてまとめて記憶、解析、可視化することができる。
センサデバイス１０で計測した複数のユーザの運動データ（センサデータ）をトレーニング分類サーバ２０にまとめて収集することができ、トレーニングやそのトレーニングの際のユーザのパフォーマンス等についてまとめて記憶、解析、可視化することができる。
また、図２に示したトレーニング分類処理により、様々なスポーツの種目特有の動きの特徴（運動特徴量）をセンサデータから抽出し、その時系列データを用いてインターバルを検出することができる。これにより、連続したトレーニングの全体の区間を、各トレーニング項目を実行するトレーニング区間に分割し、また、同じような動きの特徴（運動特徴量）をもつトレーニング項目をまとめて分類し記憶することができる。
また、図６に示したインターバル検出処理により、特に団体競技（サッカー等）において、複数ユーザの時系列での動きの特徴（運動特徴量）が類似していることを利用し、正確にインターバルを検出することができる。
また、単純な物理量であるセンサデータ２５０（図３）を、図４の運動特徴量データ２５１のような、運動を示す複数の身体活動の特徴量（例えば、運動強度、歩行ピッチ、速度、腕の傾き）に変換することによって、トレーニングの類似性やインターバルを判別し易くすることができる。
また、図１４に示すようなトレーニング分類データ２５２のデータ構造とすることにより、センサデータを解析して得られた分割されたトレーニング項目の情報に対し、チームや実施ユーザに加えて、センサデータだけからは判別できない入力情報（トレーニングの名称、主観情報や環境情報等）を一元的に管理することができる。これにより、トレーニングの後からこのトレーニング分類データ２５２をユーザ等が閲覧した際に、トレーニングの内容を把握し易くすることができる。
また、図１６に示すようなパフォーマンスデータ２５３のデータ構造とすることにより、ユーザのパフォーマンスを示す運動強度や速度の様々な統計量をトレーニング項目ごとに記録しておくことができる。よって、トレーニング項目ごとに最適な統計量（パフォーマンスデータ）読み出して可視化することが可能となる。
また、図１７に示すようなパフォーマンス評価図３００を作成し、同種類のトレーニングごとに、異なる日時（時系列の日時）、複数のユーザのパフォーマンスデータ２５３を読み出して表示することができるため、各ユーザのパフォーマンスを公正に比較することが可能となる。
１ トレーニング分類システム
５ ネットワーク
１０ センサデバイス
１１ ＭＣＵ
１２，２２，３２ 通信部
１３，３３ 入力部
１４，３４ 表示部
１５ フラッシュメモリ
１６ 加速度センサ
２０ トレーニング分類サーバ
２１，３１ ＣＰＵ
２３，３５ ＲＡＭ
２４ プログラム
２５ データベース（ＤＢ）
３０ 通信端末
３６ アプリケーション
２４１ トレーニング分類手段
２４２ パフォーマンス評価手段
２４３ 可視化手段
２５０ センサデータ
２５１ 運動特徴量データ
２５２ トレーニング分類データ
２５３ パフォーマンスデータ
３００ パフォーマンス評価図
３６１ センサデータ転送手段
３６２ 情報入力手段
３６３ 解析結果表示手段
５ ネットワーク
１０ センサデバイス
１１ ＭＣＵ
１２，２２，３２ 通信部
１３，３３ 入力部
１４，３４ 表示部
１５ フラッシュメモリ
１６ 加速度センサ
２０ トレーニング分類サーバ
２１，３１ ＣＰＵ
２３，３５ ＲＡＭ
２４ プログラム
２５ データベース（ＤＢ）
３０ 通信端末
３６ アプリケーション
２４１ トレーニング分類手段
２４２ パフォーマンス評価手段
２４３ 可視化手段
２５０ センサデータ
２５１ 運動特徴量データ
２５２ トレーニング分類データ
２５３ パフォーマンスデータ
３００ パフォーマンス評価図
３６１ センサデータ転送手段
３６２ 情報入力手段
３６３ 解析結果表示手段
Claims (7)
- センサによりスポーツのトレーニングを行う際の運動を計測するセンサデバイスと、１つ以上の前記センサデバイスに通信接続される通信端末と、前記通信端末を介して前記センサが計測したセンサデータを取得するトレーニング分類サーバとを有し、
前記通信端末は、
前記センサデバイスが計測した前記センサデータを取得し、前記トレーニング分類サーバに転送するセンサデータ転送手段を備え、
前記トレーニング分類サーバは、
前記センサデータを取得し、取得したセンサデータを解析して運動の特徴を示す運動特徴量を算出し、連続する前記トレーニングの合間の時間であるインターバルにおける当該スポーツの前記運動特徴量の特徴に合致する区間を、前記インターバルとして検出し、トレーニング全体の区間を、前記インターバルで区切ることにより個々のトレーニング区間に分割し、分割された複数のトレーニング区間それぞれの前記運動特徴量を用いて、類似する特徴を有するトレーニング区間を同種類のトレーニング項目として分類し、時系列で連続した同種類のトレーニング項目を１つのトレーニング項目にまとめるようにして前記トレーニングを分類するトレーニング分類手段を備えること
を特徴とするトレーニング分類システム。 - 前記トレーニング分類サーバは、
前記分類されたトレーニング項目ごとに、当該トレーニング項目のトレーニング区間における運動特徴量を用いて、当該トレーニング区間における運動の状態を示すパフォーマンスデータを生成するパフォーマンス評価手段と、
前記生成されたトレーニング項目のパフォーマンスデータと、過去に生成した同一の前記トレーニング項目の過去のパフォーマンスデータを比較するパフォーマンス評価情報を生成し、前記通信端末に送信する可視化手段と、をさらに備え、
前記通信端末は、
前記パフォーマンス評価情報を受信し表示装置に表示する解析結果表示手段をさらに備えること
を特徴とする請求項１に記載のトレーニング分類システム。 - 前記トレーニング分類手段は、前記トレーニング項目のトレーニング名称を含む、前記センサデバイスでは検出できない情報であるトレーニング関連情報を前記通信端末から取得し、前記分類したトレーニング項目に対応付けて記憶し、
前記可視化手段は、前記トレーニング関連情報を付したパフォーマンス評価情報を生成し、前記通信端末に送信すること
を特徴とする請求項２に記載のトレーニング分類システム。 - 前記通信端末の前記センサデータ転送手段は、複数の前記センサデバイスそれぞれから、同一の前記トレーニング全体の区間において計測された前記センサデータを取得して、前記トレーニング分類サーバに転送し、
前記トレーニング分類サーバの前記トレーニング分類手段は、取得した複数のセンサデータそれぞれを解析して前記運動特徴量を算出し、算出した複数の運動特徴量の平均値のデータを生成し、前記生成した平均値のデータを用いて、当該スポーツにおける前記インターバルでの運動特徴量の特徴に合致する区間を、前記インターバルとして検出すること
を特徴とする請求項１乃至請求項３のいずれか１項に記載のトレーニング分類システム。 - 前記運動特徴量は、単位時間当たりの運動量を示す運動強度であり、
前記トレーニング分類手段は、前記センサデータから前記運動強度を算出し、当該スポーツにおける前記インターバルでの運動強度の特徴に合致する区間を、前記インターバルとして検出すること
を特徴とする請求項１乃至請求項４のいずれか１項に記載のトレーニング分類システム。 - センサデバイスが、
センサによりスポーツのトレーニングを行う際の運動を計測するステップを実行し、
通信端末が、
前記センサデバイスが計測したセンサデータを取得し、トレーニング分類サーバに転送するステップを実行し、
前記トレーニング分類サーバが、
前記センサデータを取得し、取得したセンサデータを解析して運動の特徴を示す運動特徴量を算出し、連続する前記トレーニングの合間の時間であるインターバルにおける当該スポーツの前記運動特徴量の特徴に合致する区間を、前記インターバルとして検出し、トレーニング全体の区間を、前記インターバルで区切ることにより個々のトレーニング区間に分割し、分割された複数のトレーニング区間それぞれの前記運動特徴量を用いて、類似する特徴を有するトレーニング区間を同種類のトレーニング項目として分類し、時系列で連続した同種類のトレーニング項目を１つのトレーニング項目にまとめるようにして前記トレーニングを分類するステップを実行すること
を特徴とするトレーニング分類システムのトレーニング分類方法。 - スポーツのトレーニングを行う際の運動を計測したセンサデータを取得し、取得したセンサデータを解析して運動の特徴を示す運動特徴量を算出し、連続する前記トレーニングの合間の時間であるインターバルにおける当該スポーツの前記運動特徴量の特徴に合致する区間を、前記インターバルとして検出し、トレーニング全体の区間を、前記インターバルで区切ることにより個々のトレーニング区間に分割し、分割された複数のトレーニング区間それぞれの前記運動特徴量を用いて、類似する特徴を有するトレーニング区間を同種類のトレーニング項目として分類し、時系列で連続した同種類のトレーニング項目を１つのトレーニング項目にまとめるようにして前記トレーニングを分類するトレーニング分類手段を備えること
を特徴とするトレーニング分類サーバ。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016006020A JP6505614B2 (ja) | 2016-01-15 | 2016-01-15 | 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 |
| PCT/JP2017/000727 WO2017122705A1 (ja) | 2016-01-15 | 2017-01-12 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016006020A JP6505614B2 (ja) | 2016-01-15 | 2016-01-15 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017124086A JP2017124086A (ja) | 2017-07-20 |
| JP6505614B2 true JP6505614B2 (ja) | 2019-04-24 |
Family
ID=59310967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016006020A Active JP6505614B2 (ja) | 2016-01-15 | 2016-01-15 | 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 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6505614B2 (ja) |
| WO (1) | WO2017122705A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3965114A1 (en) * | 2020-09-03 | 2022-03-09 | Apple Inc. | Privacy preserving personalized workout recommendations |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6439768B2 (ja) * | 2016-09-30 | 2018-12-19 | オムロン株式会社 | 運動インストラクション装置、システム、方法およびプログラム |
| JP6498332B1 (ja) * | 2017-11-02 | 2019-04-10 | 株式会社バンダイ | 運動量測定システム、靴及びプログラム |
| JP7052369B2 (ja) * | 2018-01-19 | 2022-04-12 | カシオ計算機株式会社 | データ解析装置、データ解析方法及びプログラム |
| JP6787368B2 (ja) * | 2018-06-22 | 2020-11-18 | カシオ計算機株式会社 | データ処理システム、サーバ装置、端末装置、データ処理方法及びプログラム |
| JP6976224B2 (ja) * | 2018-06-29 | 2021-12-08 | 株式会社日立ハイテク | 血流解析装置、血流解析プログラム、血流解析システム |
| KR102180149B1 (ko) * | 2018-08-26 | 2020-11-17 | (주)아이티공간 | IoT 기반 센서의 데이터 추출 및 전송방법 |
| KR20210026628A (ko) | 2019-08-30 | 2021-03-10 | 삼성전자주식회사 | 전자 장치 및 전자 장치에서의 운동 정보 처리 방법 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4352018B2 (ja) * | 2005-03-30 | 2009-10-28 | 株式会社東芝 | 運動計測装置、運動計測方法および運動計測プログラム |
| JP4904861B2 (ja) * | 2006-03-14 | 2012-03-28 | ソニー株式会社 | 体動検出装置、体動検出方法および体動検出プログラム |
| JP2010175754A (ja) * | 2009-01-28 | 2010-08-12 | Yamaha Corp | 姿勢評価装置、姿勢評価システム、プログラム |
| FR2943554B1 (fr) * | 2009-03-31 | 2012-06-01 | Movea | Systeme et procede d'observation d'une activite de nage d'une personne |
| JP2012065943A (ja) * | 2010-09-27 | 2012-04-05 | Brother Industries Ltd | 運動支援装置、運動支援方法およびプログラム |
| JP2013122727A (ja) * | 2011-12-12 | 2013-06-20 | Nikon Corp | 電子機器 |
-
2016
- 2016-01-15 JP JP2016006020A patent/JP6505614B2/ja active Active
-
2017
- 2017-01-12 WO PCT/JP2017/000727 patent/WO2017122705A1/ja active Application Filing
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3965114A1 (en) * | 2020-09-03 | 2022-03-09 | Apple Inc. | Privacy preserving personalized workout recommendations |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2017122705A1 (ja) | 2017-07-20 |
| JP2017124086A (ja) | 2017-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6505614B2 (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 | |
| US9978425B2 (en) | Method and device for associating frames in a video of an activity of a person with an event | |
| JP6444813B2 (ja) | 分析システム、及び、分析方法 | |
| KR101994598B1 (ko) | 활동 리마인더를 갖는 활동 인식 | |
| US10802038B2 (en) | Calculating pace and energy expenditure from athletic movement attributes | |
| CN102198319B (zh) | 运动行为的多传感器监测 | |
| US9198611B2 (en) | Information processing device, image output method, and program | |
| Sarro et al. | Tracking of wheelchair rugby players in the 2008 Demolition Derby final | |
| Hediyeh et al. | Pedestrian gait analysis using automated computer vision techniques | |
| KR20160045833A (ko) | 에너지 소모 디바이스 | |
| CN104126185A (zh) | 疲劳指数及其用途 | |
| WO2016084499A1 (ja) | 行動分類システム、行動分類装置及び行動分類方法 | |
| Derungs et al. | Regression-based, mistake-driven movement skill estimation in Nordic Walking using wearable inertial sensors | |
| JP6187558B2 (ja) | 情報処理装置、情報処理システムおよび記録媒体 | |
| JP6706187B2 (ja) | ネットワーク分析方法、サーバ及びネットワーク分析システム | |
| US11756687B2 (en) | Method and system for assessing performance | |
| Parto | Ice hockey checking detection from indoor localization data | |
| Vrancich et al. | Exploratory data analysis of stream data in sports medicine domain | |
| JP2023108290A (ja) | ネットワーク分析方法、ネットワーク分析システム及びサーバ | |
| Yan et al. | A Generic Framework for Sport-specific Movement Recognition | |
| JP2023108286A (ja) | ネットワーク分析方法、ネットワーク分析システム及びサーバ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180424 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181204 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190204 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190305 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190327 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6505614 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |