JP6868673B1 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents
情報処理装置、情報処理方法、および情報処理プログラム Download PDFInfo
- Publication number
- JP6868673B1 JP6868673B1 JP2019204824A JP2019204824A JP6868673B1 JP 6868673 B1 JP6868673 B1 JP 6868673B1 JP 2019204824 A JP2019204824 A JP 2019204824A JP 2019204824 A JP2019204824 A JP 2019204824A JP 6868673 B1 JP6868673 B1 JP 6868673B1
- Authority
- JP
- Japan
- Prior art keywords
- person
- proficient
- movement
- information processing
- unskilled
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 149
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 230000033001 locomotion Effects 0.000 claims abstract description 267
- 238000000034 method Methods 0.000 claims abstract description 28
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 109
- 238000011156 evaluation Methods 0.000 claims description 72
- 238000000605 extraction Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 25
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 abstract description 12
- 238000004891 communication Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 3
- 230000037237 body shape Effects 0.000 description 3
- 210000003371 toe Anatomy 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
図1を用いて情報処理システムの構成について説明する。図1は、実施形態に係る情報処理システムの構成例を示す図である。図1に示すように、情報処理システムは、情報処理装置100、未習熟者端末200、および習熟者端末300を含む。図1に示すように、情報処理装置100と、未習熟者Pによって使用される未習熟者端末200と、習熟者M−1〜M−nによって使用される習熟者端末300−1〜300−n(nは任意の整数。以下、まとめて「習熟者端末300」という)とがネットワークNを介して相互に通信可能に接続される。なお、ネットワークNは、有線、無線を問わず、インターネットなどの各種通信網を採用することができる。
次に、図2を用いて、実施形態に係る情報処理装置100の機能構成について説明する。図2は、実施形態に係る情報処理装置100の機能構成例を示す図である。図2に示すように、情報処理装置100は、通信部110、記憶部120、制御部130を備える。
通信部110は、例えば、NIC(Network Interface Card)などによって実現される。通信部110は、ネットワークNと有線または無線で接続され、ネットワークNを介して、未習熟者端末200や習熟者端末300との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。図2に示すように、記憶部120は、習熟者動作情報記憶部121、未習熟者動作情報記憶部122、習熟者情報記憶部123、未習熟者情報記憶部124、修正指示記憶部125、評価結果記憶部126を有する。以下、記憶部120に含まれる各記憶部について順に説明する。
習熟者動作情報記憶部121は、習熟者の動作に関する情報を記憶する。習熟者動作情報記憶部121に記憶される習熟者動作情報は、例えば、習熟者の動作を撮影した動画データである。しかしながら、当該動画データは、習熟者端末300によって撮影され、情報処理装置100に送信(アップロード)されることになるため、および情報処理装置100に多数の習熟者分のデータが蓄積されるため、データサイズの大きさが問題になる可能性がある。そのため、習熟者動作情報は、習熟者の動作を撮影した動画データから習熟者の骨格推定により取得された、習熟者の身体の各部位の位置座標(二次元)および回転方向(三次元)の時系列データであってよい。これにより、動画データと比較して取り扱うデータのサイズが小さくて済み、各種リソースの消費を軽減させることができる。なお、習熟者の動画データからの骨格推定ならびに位置座標および回転方向の取得は、習熟者端末300で行ってもよいし、情報処理装置100で行ってもよい。
未習熟者動作情報記憶部122は、未習熟者の動作に関する情報を記憶する。未習熟者動作情報記憶部122に記憶される未習熟者動作情報は、例えば、未習熟者の動作を撮影した動画データである。しかしながら、未習熟者動作情報も、未習熟者の動作を撮影した動画データから習熟者の骨格推定のより取得された、未習熟者の身体の各部位の位置座標および回転方向の時系列データであってよい。また、未習熟者の動画データからの骨格推定ならびに位置座標および回転方向の抽出は、未習熟者端末200で行ってもよいし、情報処理装置100で行ってもよい。
習熟者情報記憶部123は、習熟者に関する属性情報を記憶する。図3は、実施形態に係る習熟者情報記憶部に記憶される情報の例を示す図である。図3に示す例では、習熟者情報記憶部123は、「習熟者ID、習熟者名、習得技能、動作分類、性別、年代、身長、体重、利き腕、ポジション、流派」などを対応付けて記憶する。
未習熟者情報記憶部124は、未習熟者に関する属性情報を記憶する。図4は、実施形態に係る未習熟者情報記憶部に記憶される情報の例を示す図である。図4に示す例では、未習熟者情報記憶部124は、「未習熟者ID、未習熟者名、習得希望技能、動作分類、性別、年代、身長、体重、利き腕、ポジション、流派」などを対応付けて記憶する。
修正指示記憶部125は、未習熟者の動作に対する修正指示に関する情報を記憶する。図5は、実施形態に係る修正指示記憶部に記憶される情報の例を示す図である。図5に示す例では、修正指示記憶部125は、「未習熟者ID、動画経過時間、指示部位、指示内容」などを対応付けて記憶する。
評価結果記憶部126は、未習熟者の動作に対する評価結果に関する情報を記憶する。図6は、実施形態に係る評価結果記憶部に記憶される情報の例を示す図である。図6に示す例では、評価結果記憶部126は、「未習熟者ID、評価日、評価部位1、部位1評価、部位1指示、評価部位2、部位2評価、部位2指示、評価部位3、部位3評価、部位3指示、評価部位4、部位4評価、部位4指示」などを対応付けて記憶する。
制御部130は、情報処理装置100全体を司る処理部であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)など(いわゆる、プロセッサ)である。制御部130は、記憶部120に記憶されている各種プログラム(例えば、本願に係る情報処理プログラム)を、作業領域となるRAMに展開して実行する。また、制御部130は、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)などの集積回路により実現される。
取得部131は、未習熟者や習熟者の動作を撮影した動画データを、未習熟者端末200や習熟者端末300から取得する。また、取得部131は、当該動画データから取得された、未習熟者や習熟者の身体の各部位の位置座標および回転方向の時系列データを、未習熟者端末200や習熟者端末300から取得する。なお、当該時系列データを未習熟者端末200や習熟者端末300から取得する場合は、未習熟者や習熟者の動作を撮影した動画データを取得しなくてもよい。この場合、当該動画データは情報処理装置100にアップロードされない。また、取得部131は、当該時系列データを、未習熟者端末200や習熟者端末300から取得せず、後述する未習熟者や習熟者の骨格推定結果に基づいて動画データから取得してもよい。取得された各種情報は、取得部131によって記憶部120に記憶される。
推定部132は、未習熟者や習熟者の動作を撮影した動画から、画像認識および画像処理により、未習熟者や習熟者の身体の各部位を特定し、骨格を推定する。図7は、実施形態に係る骨格推定の一例を示す図である。図7に示すように、身体の各部位の位置(点)を結ぶことにより、骨格(線)を推定することが可能である。これにより、身体の各部位の位置座標と、各部位間の比率とがわかり(位置座標の遷移によって各部位の回転方向もわかる)、未習熟者および習熟者の動作情報の相対的な差分解析を行うことができ、未習熟者と習熟者との間に体格差があっても、適切な修正指示および評価を行うことができる。
決定部133は、未習熟者や習熟者の動作パターンにより、未習熟者や習熟者の動作分類を決定する。当該動作分類とは、例えば、4スタンス理論に基づく分類である。4スタンス理論に基づく分類は、人間の動作パターンにより、人間を4種類のタイプに分類することができる。このような動作分類は、例えば、アンケート形式でいくつかの質問をユーザにし、動作パターンを回答させることにより決定可能である。動作パターンの回答(ユーザ入力)は、技能習得アプリまたはその他のツールを用いて行うことができる。また、決定部133は、未習熟者および習熟者の動作分類に基づいて、複数人の習熟者の中から、未習熟者と同一の分類に属する習熟者を決定する。なお、未習熟者と同一の分類に属する習熟者が複数人いる場合は、未習熟者と同一の分類に属する習熟者のリストを未習熟者端末200に送信し、未習熟者に1人の習熟者を選択させることもできる。また、この習熟者のリストは、図3および図4の習熟者情報および未習熟者情報に示すような、性別や年代、利き腕など、動作に影響し得る分類を用いて、未習熟者に近い習熟者を、例えば、リスト上部に優先して表示するように生成することができる。
抽出部134は、習熟者の身体の部位の位置座標および回転方向と、未習熟者の身体の部位の位置座標および回転方向との差分を抽出する。なお、未習熟者と習熟者との体格差の影響を受けないように、相対的な差分を抽出する。具体的には、推定部132による骨格推定により、身体の各部位間の比率がわかるため、未習熟者および習熟者それぞれの相対位置の差分を抽出する。また、抽出対象となる、習熟者や未習熟者の身体の部位は、技能ごとに予め指定された部位であってもよい。技能によっては、特に動作に関係のない部位があり、無駄な処理の実行を避けるため、予め指定された部位のみを抽出対象としてもよい。
生成部135は、習熟者の身体の部位の位置座標および回転方向と、未習熟者の身体の部位の位置座標および回転方向との差分に基づいて、未習熟者の動作に対する修正指示を生成する。具体的には、生成部135は、習熟者の動作情報(位置座標および回転方向)を正の動作情報として、相対的に差分のある未習熟者の動作情報を正の動作情報に近づくための修正指示を生成する。なお、修正指示は、習熟者と未習熟者との位置座標や回転方向の差分およびその度合いにより、「右肘をもっと速く外側に向ける」などのように各部位に対し、正しい動作の方向や速度を組み合わせて自然言語で生成する。
送信部136は、生成部135によって生成された修正指示や評価結果を未習熟者端末200に送信する。また、送信部136は、決定部133によって決定された、未習熟者と同一の分類に属する習熟者が複数人いる場合、未習熟者と同一の分類に属する習熟者のリストを未習熟者端末200に送信することができる。
次に、図11を用いて、実施形態に係る未習熟者端末200の機能構成について説明する。図11は、実施形態に係る未習熟者端末200の機能構成例を示す図である。図11に示すように、未習熟者端末200は、通信部210、記憶部220、制御部230を備える。なお、未習熟者端末200は、未習熟者端末200を利用する未習熟者などから各種操作を受け付ける入力装置(例えば、キーボードやマウス、タッチパネル)や、各種情報を表示するための出力装置(例えば、液晶ディスプレイやタッチパネル)を有してもよい。
通信部210は、情報処理装置100の通信部110同様、ネットワークNを介して、情報処理装置100との間で情報の送受信を行う。
記憶部220は、情報処理装置100の記憶部120同様、RAMなどによって実現される。図11に示すように、記憶部220は、技能習得アプリ記憶部221、未習熟者動作情報記憶部222、修正指示記憶部223、評価結果記憶部224を有する。以下、記憶部220に含まれる各記憶部について順に説明する。
技能習得アプリ記憶部221は、未習熟者が自分の動作に対する修正指示や評価結果を受けるための技能習得アプリを記憶する。技能習得アプリは、情報処理装置100などから予めダウンロードされ、未習熟者端末200にインストールされることにより、技能習得アプリ記憶部221に記憶される。
未習熟者動作情報記憶部222は、未習熟者の動作に関する情報を記憶する。未習熟者動作情報記憶部222に記憶される情報は、情報処理装置100の未習熟者動作情報記憶部122のものと同様、未習熟者の動作を撮影した動画データや、当該動画データから抽出された、未習熟者の身体の各部位の位置座標および回転方向の時系列データである。当該時系列データを記憶するか否かは、当該時系列データの抽出を未習熟者端末200で行うか、情報処理装置100で行うかによる。
修正指示記憶部223は、未習熟者の動作に対する修正指示に関する情報を記憶する。修正指示記憶部223に記憶される情報は、情報処理装置100の修正指示記憶部125のものと同様である。
評価結果記憶部224は、未習熟者の動作に対する評価結果に関する情報を記憶する。評価結果記憶部224に記憶される情報は、情報処理装置100の評価結果記憶部126のものと同様である。
制御部230は、情報処理装置100の制御部130同様、未習熟者端末200全体を司る処理部である。図11に示すように、制御部230は、撮影部231、推定部232、取得部233、送信部234、出力部235、入力部236を有する。なお、制御部230の内部構成も、図11に示した構成や接続関係に限られない。
撮影部231は、未習熟者の動作を撮影し、撮影した動画データを未習熟者動作情報記憶部222に記憶する。撮影部231は未習熟者端末200に内蔵されたカメラ機能であるが、外部接続されたカメラ装置(図示せず)で撮影を行ってもよい。この場合、制御部230は、撮影部231を有さなくてよい。
推定部232は、情報処理装置100の推定部132同様、未習熟者の動作を撮影した動画から、画像認識および画像処理により、未習熟者の身体の各部位を特定し、未習熟者の骨格を推定する。なお、未習熟者の骨格推定を情報処理装置100にて行う場合、制御部230は、推定部232を有さなくてよい。
取得部233は、未習熟者の骨格推定結果に基づいて、未習熟者の動作を撮影した動画データから、未習熟者の身体の各部位の位置座標および回転方向の時系列データを取得する。なお、当該時系列データの抽出を情報処理装置100にて行う場合、制御部230は、取得部233を有さなくてよい。また、取得部233は、情報処理装置100から、未習熟者の動作に対する修正指示や評価結果を取得する。取得された各種情報は、取得部233によって記憶部220に記憶される。
送信部234は、撮影部231によって撮影された動画データを情報処理装置100に送信する。未習熟者の身体の各部位の位置座標および回転方向の時系列データが取得部233によって動画データから抽出される場合は、動画データの代わりに当該時系列データを情報処理装置100に送信する。
出力部235は、技能習得アプリのユーザインタフェースを表示する。これにより、ユーザは、技能習得アプリを介して、動作情報を情報処理装置100にアップロードして、自分の動作に対する修正指示を受けたり、評価結果を確認したりすることができる。なお、出力部235によって出力される修正指示は、自然言語による文字表示や音声出力、上述したような矢印や習熟者のシルエットなど表示である。なお、これらの修正指示は、未習熟者の動作を撮影した動画とフレーム単位で合成して出力されてもよい。また、出力部235は、未習熟者端末200と接続された外部機器(例えば、デジタルサイネージやプロジェクタ)を介して、修正指示や評価結果を出力することもできる。
入力部236は、例えば、技能習得アプリを介して、4スタンス理論に基づく分類など、未習熟者の動作分類を決定するためのアンケートに対する動作パターンの回答(ユーザ入力)などを受け付ける。
習熟者端末300も未習熟者端末200と同じモバイル端末などであるので、習熟者端末300の構成は、未習熟者端末200の構成と同様である。習熟者端末300では、動作に対する修正指示や評価結果の確認は行わないが、技能習得アプリを介して、情報処理装置100に対する習熟者の動作情報のアップロードや、習熟者の動作分類を決定するための動作パターンのユーザ入力などを行うための構成を有する。
次に、図12を用いて、実施形態に係る習熟者の動作と未習熟者の動作との差分解析処理の手順について説明する。図12は、実施形態に係る習熟者の動作と未習熟者の動作との差分解析処理の流れを示すフローチャートである。本処理は、未習熟者の動作情報と、未習熟者と同一の分類に属する習熟者の動作情報との差分を解析し、未習熟者に対し動作の修正指示を行う処理である。
上述してきたように、実施形態に係る情報処理装置100は、取得部131と、推定部132とを有する。推定部132は、習熟者の動作を撮影した動画から、習熟者の骨格を推定する。取得部131は、習熟者の骨格推定結果から、習熟者の動作と未習熟者の動作との差分を解析するための、習熟者の身体の各部位の位置座標を取得する。
上述してきた情報処理装置100、未習熟者端末200、および習熟者端末300は、例えば、図13に示すような構成のコンピュータ1000によって実現される。図13は、各装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、およびメディアインターフェイス(I/F)1700を有する。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
110 通信部
120 記憶部
121 習熟者動作情報記憶部
122 未習熟者動作情報記憶部
123 習熟者情報記憶部
124 未習熟者情報記憶部
125 修正指示記憶部
126 評価結果記憶部
130 制御部
131 取得部
132 推定部
133 決定部
134 抽出部
135 生成部
136 送信部
200 未習熟者端末
210 通信部
220 記憶部
221 技能習得アプリ記憶部
222 未習熟者動作情報記憶部
223 修正指示記憶部
224 評価結果記憶部
230 制御部
231 撮影部
232 推定部
233 取得部
234 送信部
235 出力部
236 入力部
300 習熟者端末
N ネットワーク
Claims (26)
- 習熟者の動作を撮影した動画から、前記習熟者の骨格を推定する推定部と、
前記習熟者の骨格推定結果から、前記習熟者の動作と未習熟者の動作との相対的な差分を解析するための、前記習熟者の身体の各部位の位置座標、および前記各部位間の比率を取得する取得部と
を備えたことを特徴とする情報処理装置。 - 複数人の習熟者の動作パターンにより、前記複数人の習熟者のそれぞれに対する第1の動作分類を決定し、
1人の未習熟者の動作パターンにより、前記未習熟者に対する第2の動作分類を決定し、
前記第1の動作分類および前記第2の動作分類に少なくとも基づいて、前記複数人の習熟者の中から、前記未習熟者と同一の分類に属する第1の習熟者を決定する決定部と、
前記第1の習熟者の動作を撮影した第1の動画から取得された、前記第1の習熟者の身体の部位の第1の位置座標および第1の回転方向と、前記未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分を抽出する抽出部と
を備えたことを特徴とする情報処理装置。 - 前記抽出部による前記差分の抽出は、前記第1の位置座標および前記第1の回転方向と、前記第2の位置座標および前記第2の回転方向との相対的な差分を抽出することを含むことを特徴とする請求項2に記載の情報処理装置。
- 前記抽出部により前記差分を抽出される、前記第1の習熟者の身体の部位、および前記未習熟者の身体の部位は、予め指定された部位であることを特徴とする請求項3に記載の情報処理装置。
- 前記決定部により決定される前記第1の動作分類および前記第2の動作分類は、運動理論に基づく分類であることを特徴とする請求項2乃至4のいずれか一項に記載の情報処理装置。
- 前記決定部による前記第1の習熟者の決定は、前記複数人の習熟者の属性情報および前記未習熟者の属性情報にさらに基づいて決定されることを特徴とする請求項2乃至5のいずれか一項に記載の情報処理装置。
- 前記未習熟者と同一の分類に属する前記第1の習熟者が複数人いる場合、前記未習熟者と同一の分類に属する前記第1の習熟者のリストを、未習熟者端末に送信する送信部と、
前記リストから選択された1人の前記第1の習熟者を前記未習熟者端末から取得する取得部と
をさらに備え、前記抽出部による前記差分の抽出は、前記選択された第1の習熟者の身体の部位の第1の位置座標および第1の回転方向と、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分を抽出することを含むことを特徴とする請求項2乃至6のいずれか一項に記載の情報処理装置。 - 習熟者の動作を撮影した第1の動画から取得された、前記習熟者の身体の部位の第1の位置座標および第1の回転方向と、未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分に基づいて、前記未習熟者および前記習熟者の動作の速度が合うように調整し、前記未習熟者の動作に対する修正指示を生成する生成部と、
前記修正指示を未習熟者端末に送信する送信部と
を備えたことを特徴とする情報処理装置。 - 前記生成部により生成される前記修正指示は、前記未習熟者の動作に対する正しい方向、速度、距離、および軌跡の少なくとも1つに関する指示を含むことを特徴とする請求項8に記載の情報処理装置。
- 前記生成部により生成される前記修正指示は、前記未習熟者の身体の部位ごとに生成されることを特徴とする請求項8または9に記載の情報処理装置。
- 前記生成部はさらに、前記修正指示と前記第2の動画とを、前記第2の動画のフレーム単位で合成して第3の動画を生成することを特徴とする請求項8乃至10のいずれか一項に記載の情報処理装置。
- 前記生成部により生成される前記修正指示は、自然言語による指示であることを特徴とする請求項8乃至11のいずれか一項に記載の情報処理装置。
- 前記生成部により生成される前記修正指示は、視覚的な指示であることを特徴とする請求項8乃至12のいずれか一項に記載の情報処理装置。
- 前記生成部はさらに、前記第1の位置座標および前記第1の回転方向と、前記第2の位置座標および前記第2の回転方向との差分に基づいて、前記未習熟者の身体の部位ごとの評価結果を生成し、
前記送信部はさらに、前記評価結果を前記未習熟者端末に送信することを特徴とする請求項8乃至13のいずれか一項に記載の情報処理装置。 - 習熟者の動作を撮影した動画から、前記習熟者の骨格を推定し、
前記習熟者の骨格推定結果から、前記習熟者の動作と未習熟者の動作との相対的な差分を解析するための、前記習熟者の身体の各部位の位置座標、および前記各部位間の比率を取得する
処理を実行することを特徴とする情報処理方法。 - 情報処理装置が、
複数人の習熟者の動作パターンにより、前記複数人の習熟者のそれぞれに対する第1の動作分類を決定し、
1人の未習熟者の動作パターンにより、前記未習熟者に対する第2の動作分類を決定し、
前記第1の動作分類および前記第2の動作分類に少なくとも基づいて、前記複数人の習熟者の中から、前記未習熟者と同一の分類に属する第1の習熟者を決定し、
前記第1の習熟者の動作を撮影した第1の動画から取得された、前記第1の習熟者の身体の部位の第1の位置座標および第1の回転方向と、前記未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分を抽出する
処理を実行することを特徴とする情報処理方法。 - 情報処理装置が、
習熟者の動作を撮影した第1の動画から取得された、前記習熟者の身体の部位の第1の位置座標および第1の回転方向と、未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分に基づいて、前記未習熟者および前記習熟者の動作の速度が合うように調整し、前記未習熟者の動作に対する修正指示を生成し、
前記修正指示を未習熟者端末に送信する
処理を実行することを特徴とする情報処理方法。 - 情報処理装置に、
習熟者の動作を撮影した動画から、前記習熟者の骨格を推定し、
前記習熟者の骨格推定結果から、前記習熟者の動作と未習熟者の動作との相対的な差分を解析するための、前記習熟者の身体の各部位の位置座標、および前記各部位間の比率を取得する
処理を実行させることを特徴とする情報処理プログラム。 - 情報処理装置に、
複数人の習熟者の動作パターンにより、前記複数人の習熟者のそれぞれに対する第1の動作分類を決定し、
1人の未習熟者の動作パターンにより、前記未習熟者に対する第2の動作分類を決定し、
前記第1の動作分類および前記第2の動作分類に少なくとも基づいて、前記複数人の習熟者の中から、前記未習熟者と同一の分類に属する第1の習熟者を決定し、
前記第1の習熟者の動作を撮影した第1の動画から取得された、前記第1の習熟者の身体の部位の第1の位置座標および第1の回転方向と、前記未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分を抽出する
処理を実行させることを特徴とする情報処理プログラム。 - 情報処理装置に、
習熟者の動作を撮影した第1の動画から取得された、前記習熟者の身体の部位の第1の位置座標および第1の回転方向と、未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分に基づいて、前記未習熟者および前記習熟者の動作の速度が合うように調整し、前記未習熟者の動作に対する修正指示を生成し、
前記修正指示を未習熟者端末に送信する
処理を実行させることを特徴とする情報処理プログラム。 - 複数人の習熟者の動作パターンにより、前記複数人の習熟者のそれぞれに対する第1の動作分類を決定し、
1人の未習熟者の動作パターンにより、前記未習熟者に対する第2の動作分類を決定し、
前記第1の動作分類および前記第2の動作分類に少なくとも基づいて、前記複数人の習熟者の中から、前記未習熟者と同一の分類に属する第1の習熟者を決定する決定部と、
前記第1の習熟者の動作を撮影した第1の動画から取得された、前記第1の習熟者の身体の部位の第1の位置情報と、前記未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置情報との差分を抽出する抽出部と
を備えたことを特徴とする情報処理装置。 - 情報処理装置が、
複数人の習熟者の動作パターンにより、前記複数人の習熟者のそれぞれに対する第1の動作分類を決定し、
1人の未習熟者の動作パターンにより、前記未習熟者に対する第2の動作分類を決定し、
前記第1の動作分類および前記第2の動作分類に少なくとも基づいて、前記複数人の習熟者の中から、前記未習熟者と同一の分類に属する第1の習熟者を決定し、
前記第1の習熟者の動作を撮影した第1の動画から取得された、前記第1の習熟者の身体の部位の第1の位置情報と、前記未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置情報との差分を抽出する
処理を実行することを特徴とする情報処理方法。 - 情報処理装置に、
複数人の習熟者の動作パターンにより、前記複数人の習熟者のそれぞれに対する第1の動作分類を決定し、
1人の未習熟者の動作パターンにより、前記未習熟者に対する第2の動作分類を決定し、
前記第1の動作分類および前記第2の動作分類に少なくとも基づいて、前記複数人の習熟者の中から、前記未習熟者と同一の分類に属する第1の習熟者を決定し、
前記第1の習熟者の動作を撮影した第1の動画から取得された、前記第1の習熟者の身体の部位の第1の位置情報と、前記未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置情報との差分を抽出する
処理を実行させることを特徴とする情報処理プログラム。 - 習熟者の動作を撮影した第1の動画から取得された、前記習熟者の身体の部位の第1の位置座標および第1の回転方向と、未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分に基づいて、前記未習熟者の動作に対する修正指示を生成する生成部と、
前記修正指示を音声および表示によって未習熟者端末に出力させる出力部と
を備えたことを特徴とする情報処理装置。 - 情報処理装置が、
習熟者の動作を撮影した第1の動画から取得された、前記習熟者の身体の部位の第1の位置座標および第1の回転方向と、未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分に基づいて、前記未習熟者の動作に対する修正指示を生成し、
前記修正指示を音声および表示によって未習熟者端末に出力させる
処理を実行することを特徴とする情報処理方法。 - 情報処理装置に、
習熟者の動作を撮影した第1の動画から取得された、前記習熟者の身体の部位の第1の位置座標および第1の回転方向と、未習熟者の動作を撮影した第2の動画から取得された、前記未習熟者の身体の部位の第2の位置座標および第2の回転方向との差分に基づいて、前記未習熟者の動作に対する修正指示を生成し、
前記修正指示を音声および表示によって未習熟者端末に出力させる
処理を実行させることを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019204824A JP6868673B1 (ja) | 2019-11-12 | 2019-11-12 | 情報処理装置、情報処理方法、および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019204824A JP6868673B1 (ja) | 2019-11-12 | 2019-11-12 | 情報処理装置、情報処理方法、および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6868673B1 true JP6868673B1 (ja) | 2021-05-12 |
JP2021077218A JP2021077218A (ja) | 2021-05-20 |
Family
ID=75801778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019204824A Active JP6868673B1 (ja) | 2019-11-12 | 2019-11-12 | 情報処理装置、情報処理方法、および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6868673B1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7444463B2 (ja) * | 2021-04-30 | 2024-03-06 | 京楽産業.株式会社 | 遊技機 |
JPWO2023100679A1 (ja) * | 2021-12-03 | 2023-06-08 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6165815B2 (ja) * | 2015-09-30 | 2017-07-19 | 国立大学法人 筑波大学 | 学習システム、学習方法、プログラム、記録媒体 |
JP6617830B2 (ja) * | 2016-04-28 | 2019-12-11 | 富士通株式会社 | 骨格推定装置、骨格推定方法および骨格推定プログラム |
-
2019
- 2019-11-12 JP JP2019204824A patent/JP6868673B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2021077218A (ja) | 2021-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11600033B2 (en) | System and method for creating avatars or animated sequences using human body features extracted from a still image | |
US11948401B2 (en) | AI-based physical function assessment system | |
US20190180492A1 (en) | System and Method to Capture and Process Body Measurements | |
CN113850248B (zh) | 运动姿态评估方法、装置、边缘计算服务器及存储介质 | |
US11482126B2 (en) | Augmented reality system for providing movement sequences and monitoring performance | |
JP6868673B1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
KR20200144991A (ko) | 운동 보조 장치 및 운동 보조 방법 | |
JP6165815B2 (ja) | 学習システム、学習方法、プログラム、記録媒体 | |
Zou et al. | Intelligent fitness trainer system based on human pose estimation | |
US11049321B2 (en) | Sensor-based object tracking and monitoring | |
JP2021026527A (ja) | 情報処理装置及びプログラム | |
JPWO2019049298A1 (ja) | 3dデータシステム及び3dデータ処理方法 | |
CN114022512A (zh) | 运动辅助方法、装置及介质 | |
US20230249031A1 (en) | Systems and methods for personalized exercise protocols and tracking thereof | |
JP6276456B1 (ja) | ユーザの姿勢を評価するための方法およびシステム | |
JP6283231B2 (ja) | 習熟度評価方法、およびプログラム | |
JP2020091658A (ja) | 撮像情報管理システム、撮像情報管理システムの制御方法及び撮像情報管理プログラム | |
JPWO2016021152A1 (ja) | 姿勢推定方法および姿勢推定装置 | |
JP2023072656A (ja) | 情報処理方法、装置及びプログラム | |
WO2022196059A1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
US20220328159A1 (en) | Range of motion determination | |
JPWO2020148810A1 (ja) | 情報処理装置 | |
JP2024057773A (ja) | 行動分析システム及び行動分析方法 | |
JP2023127639A (ja) | 情報処理方法、装置及びプログラム | |
CN117785099A (zh) | 显示设备及虚实交互方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191203 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210216 |
|
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: 20210330 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210412 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6868673 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |