JP7056249B2 - Exercise data processing device, exercise data processing method and exercise data processing program - Google Patents
Exercise data processing device, exercise data processing method and exercise data processing program Download PDFInfo
- Publication number
- JP7056249B2 JP7056249B2 JP2018042920A JP2018042920A JP7056249B2 JP 7056249 B2 JP7056249 B2 JP 7056249B2 JP 2018042920 A JP2018042920 A JP 2018042920A JP 2018042920 A JP2018042920 A JP 2018042920A JP 7056249 B2 JP7056249 B2 JP 7056249B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- extraction
- exercise
- motion
- averaging
- 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
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本発明は、運動データ処理装置、運動データ処理方法及び運動データ処理プログラムに関する。 The present invention relates to an exercise data processing apparatus, an exercise data processing method, and an exercise data processing program.
従来、ユーザのセンシング情報を利用して、ユーザの移動時（走行時）のスピード、ピッチ、及び、ストライドの関係を示す移動特性に基づいてデータを取得し、取得したデータに基づきユーザのスピード、ピッチ、及び、ストライドのうち少なくとも１つの誘導を行う情報処理装置が開示されている（例えば特許文献１参照）。 Conventionally, using the user's sensing information, data is acquired based on the movement characteristics indicating the relationship between the speed, pitch, and stride when the user is moving (during running), and the user's speed is based on the acquired data. An information processing apparatus that induces at least one of pitch and stride is disclosed (see, for example, Patent Document 1).
しかしながら、上記特許文献１に開示されている情報処理装置では、スピード、ピッチ、及び、ストライドの各走行データのうち２つの走行データの相関が示されるものの、各走行データのどこに特徴があるのかといった評価には適さなかった。
However, in the information processing apparatus disclosed in
本発明は、このような問題に鑑みてなされたものであり、運動データ中のどこに特徴があるのかを明らかにするのに好適な運動データ処理装置、運動データ処理方法及び運動データ処理プログラムを提供することを目的とする。 The present invention has been made in view of such a problem, and provides an exercise data processing device, an exercise data processing method, and an exercise data processing program suitable for clarifying where a feature is in the exercise data. The purpose is to do.
上記課題を解決するため、本発明に係る運動データ処理装置は、
所定の運動を行う毎に得られる当該運動の動作における運動データを平均化して平均化データを生成する平均化手段と、
前記平均化手段により生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成する第１抽出手段と、
一の運動データ中の前記特定区間のデータを抽出して第２抽出データを生成する第２抽出手段と、
前記第２抽出手段により抽出された前記第２抽出データと、前記第１抽出手段により抽出された前記第１抽出データとの差分を算出した差分データを生成する差分化手段と、
を備えたことを特徴とする。
In order to solve the above problems, the motion data processing device according to the present invention is
An averaging means that generates averaging data by averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed.
The first extraction means that extracts the data of a specific section in the averaging data generated by the averaging means and generates the first extraction data, and the first extraction means.
A second extraction means that extracts the data of the specific section in one motion data and generates the second extraction data, and
A differentiation means for generating difference data obtained by calculating a difference between the second extraction data extracted by the second extraction means and the first extraction data extracted by the first extraction means .
It is characterized by being equipped with.
また、本発明に係る運動データ処理方法は、
運動データ処理装置が行う運動データ処理方法であって、
所定の運動を行う毎に得られる当該運動の動作における運動データを平均化して平均化データを生成する平均化工程と、
前記平均化工程にて生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成する第１抽出工程と、
一の運動データ中の前記特定区間のデータを抽出して第２抽出データを生成する第２抽出工程と、
前記第２抽出工程にて抽出された前記第２抽出データと、前記第１抽出工程にて抽出された前記第１抽出データとの差分を算出した差分データを生成する差分化工程と、
を含むことを特徴とする。
Further, the motion data processing method according to the present invention is
It is a motion data processing method performed by the motion data processing device.
An averaging step of averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed to generate averaging data, and
The first extraction step of extracting the data of a specific section in the averaging data generated in the averaging step to generate the first extraction data, and the first extraction step.
A second extraction step of extracting the data of the specific section in one motion data to generate the second extraction data, and
A differentiation step of generating difference data obtained by calculating the difference between the second extraction data extracted in the second extraction step and the first extraction data extracted in the first extraction step .
It is characterized by including.
また、本発明に係る運動データ処理プログラムは、
コンピュータを、
所定の運動を行う毎に得られる当該運動の動作における運動データを平均化して平均化データを生成する平均化手段、
前記平均化手段により生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成する第１抽出手段、
一の運動データ中の前記特定区間のデータを抽出して第２抽出データを生成する第２抽出手段、
前記第２抽出手段により抽出された前記第２抽出データと、前記第１抽出手段により抽出された前記第１抽出データとの差分を算出した差分データを生成する差分化手段、
として機能させることを特徴とする。
Further, the motion data processing program according to the present invention is
Computer,
An averaging means that generates averaging data by averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed.
The first extraction means, which extracts the data of a specific section in the averaging data generated by the averaging means and generates the first extraction data.
A second extraction means for extracting the data of the specific section in one motion data and generating the second extraction data,
A differentiation means for generating difference data obtained by calculating the difference between the second extraction data extracted by the second extraction means and the first extraction data extracted by the first extraction means.
It is characterized by functioning as.
本発明によれば、運動データ中のどこに特徴があるのかを明らかにすることができる。 According to the present invention, it is possible to clarify where in the motion data the feature is.
以下、添付図面を参照して本発明に係る実施の形態を詳細に説明する。なお、本発明は、図示例に限定されるものではない。 Hereinafter, embodiments according to the present invention will be described in detail with reference to the accompanying drawings. The present invention is not limited to the illustrated examples.
図１～図３を参照して、本実施の形態の構成を説明する。先ず、図１を参照して、本実施の形態の運動データ処理システム１を説明する。なお、以下において、運動データとは、ランニング（例えば、１０ｋｍ走）を行った際のランニング動作における運動データとして説明する。
The configuration of this embodiment will be described with reference to FIGS. 1 to 3. First, the motion
図１は、本実施の形態の運動データ処理システム１を示すブロック図である。
図１に示すように、運動データ処理システム１は、運動データ処理装置１０と、測定装置２０とを備える。
FIG. 1 is a block diagram showing the motion
As shown in FIG. 1, the motion
運動データ処理装置１０は、測定装置２０から取得した被測定者の運動データを客観的（相対的）に評価することが可能なデータに変換するための装置である。
The motion
測定装置２０は、被測定者がランニングを行ったときの３軸方向の加速度及び角速度を測定するための装置である。測定装置２０は、図２（ａ）及び（ｂ）に示すように、例えば被測定者の腰にある仙骨上の位置に装着される。なお、このように仙骨上の位置に測定装置２０を装着するのは、被測定者の骨盤の回旋運動及び身体の揺動を精度良く測定するためであるが、測定装置２０の装着位置は仙骨上の位置に限らず、例えば、被測定者の胸部や足部等でも良く、また、複数の位置に測定装置２０をそれぞれ装着するようにしても良い。
The
次いで、図３（ａ）を参照して、運動データ処理装置１０の内部の機能構成を説明する。図３（ａ）は、運動データ処理装置１０の機能構成を示すブロック図である。
Next, with reference to FIG. 3A, the internal functional configuration of the motion
図３（ａ）に示すように、運動データ処理装置１０は、ＣＰＵ（Central Processing Unit）１１と、操作部１２と、ＲＡＭ（Random Access Memory）１３と、表示部１４と、記憶部１５と、通信部１６とを備える。運動データ処理装置１０の各部は、バス１７を介して接続されている。
As shown in FIG. 3A, the motion
ＣＰＵ（平均化手段、差分化手段、第１正規化手段、第２正規化手段、第３正規化手段、第１抽出手段、第２抽出手段、選定手段、検索手段）１１は、運動データ処理装置１０の各部を制御する。ＣＰＵ１１は、記憶部１５に記憶されているシステムプログラム及びアプリケーションプログラムのうち、指定されたプログラムを読み出してＲＡＭ１３に展開し、当該プログラムとの協働で、各種処理を実行する。
The CPU (averaging means, differentiation means, first normalization means, second normalization means, third normalization means, first extraction means, second extraction means, selection means, search means) 11 is used for motion data processing. It controls each part of the
操作部１２は、キーボード等のキー入力部と、マウス等のポインティングデバイスとを有し、キー入力及び位置入力を受け付け、その操作情報をＣＰＵ１１に出力する。
The
ＲＡＭ１３は、揮発性のメモリであり、各種のデータやプログラムを一時的に格納するワークエリアを形成する。
The
表示部（表示手段）１４は、ＬＣＤ（Liquid Crystal Display）、ＥＬ（Electro Luminescence）ディスプレイ等で構成され、ＣＰＵ１１から指示された表示情報に従い各種表示を行う。
The display unit (display means) 14 is composed of an LCD (Liquid Crystal Display), an EL (Electro Luminescence) display, and the like, and performs various displays according to display information instructed by the
記憶部１５は、ＨＤＤ（Hard Disk Drive）等により構成され、データ及びプログラムを書き込み及び読み出し可能な記憶部であり、運動データ処理プログラム１５１、データベース１５２等を記憶している。
The
運動データ処理プログラム１５１は、測定装置２０から取得した被測定者の運動データを客観的（相対的）に評価することが可能なデータに変換し当該データを表示部１４に表示する処理（後述）を実行するためのプログラムである。
The motion
データベース（記憶手段）１５２は、測定装置２０から取得した被測定者の運動データを管理するデータベースである。データベース１５２には、各運動データと、当該各運動データを示す人物（被測定者）の人物ＩＤと、ランニングが行われた日付と、パーソナルデータ（例えば、性別、年齢、身長、体重、当該運動データが導出された際のタイム（１０ｋｍ走の所要時間）など）とが対応付けられて記録されている。
The database (storage means) 152 is a database that manages the exercise data of the person to be measured acquired from the measuring
通信部１６は、被測定者に装着された測定装置２０から運動データを受信するものであり、例えば、ＵＳＢ端子などの有線式の通信部や、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線規格を採用した通信部である。
The
次いで、図３（ｂ）を参照して、測定装置２０の機能構成を説明する。図３（ｂ）は、測定装置２０の機能構成を示すブロック図である。
Next, the functional configuration of the measuring
測定装置２０は、ＣＰＵ２１と、操作部２２と、ＲＡＭ２３と、加速度センサ２４と、ジャイロセンサ２５と、記憶部２６と、通信部２７とを備える。測定装置２０の各部は、バス２８を介して接続されている。
The measuring
ＣＰＵ２１及びＲＡＭ２３は、運動データ処理装置１０のＣＰＵ１１、ＲＡＭ１３と同様であるため、重複する説明を省略し、異なる部分を主として説明する。
Since the
ＣＰＵ２１は、測定装置２０の各部を制御する。また、ＣＰＵ２１は、加速度センサ２４から出力される各軸の加速度の検出データを記憶部２６に記憶する。また、ＣＰＵ２１は、ジャイロセンサ２５から出力される各軸を中心とする角速度の検出データを記憶部２６に記憶する。
The
操作部２２は、電源のＯＮ／ＯＦＦを切り替える電源ボタン（図示省略）、データ取得の開始／停止を指示する開始／停止ボタン（図示省略）等を備えており、この操作部２２からの指示に基づいてＣＰＵ２１は各部を制御するようになっている。
The
加速度センサ２４は、互いに直交する３軸方向の加速度データを検出する。そして、加速度センサ２４は、検出された各軸の加速度データをＣＰＵ２１に出力する。
ジャイロセンサ２５は、互いに直交する３軸方向を中心とする角速度データを検出する。そして、ジャイロセンサ２５は、検出された各軸を中心とする角速度データをＣＰＵ２１に出力する。
The
The
なお、各軸の加速度データ及び各軸を中心とする角速度データは、所定のサンプリング周期（例えば、２００Ｈｚ）でサンプリングされているものとする。また、各軸は、被測定者の左右方向をＸ軸とし、前後方向をＹ軸とし、上下方向をＺ軸とする。Ｘ軸においては左手方向を正、右手方向を負とする。Ｙ軸においては進行方向逆向きを正とし、進行方向を負とする。Ｚ軸においては上方向を正、下方向を負とする。 It is assumed that the acceleration data of each axis and the angular velocity data centered on each axis are sampled in a predetermined sampling period (for example, 200 Hz). Further, for each axis, the left-right direction of the person to be measured is the X-axis, the front-back direction is the Y-axis, and the up-down direction is the Z-axis. On the X-axis, the left-hand direction is positive and the right-hand direction is negative. On the Y-axis, the opposite direction of travel is positive and the direction of travel is negative. On the Z axis, the upward direction is positive and the downward direction is negative.
記憶部２６は、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）等により構成され、データ及びプログラムを書き込み及び読み出し可能な記憶部である。記憶部２６は、ＣＰＵ２１によって時間情報が付加され各軸の加速度データの時間同期がとられた形の加速度データ、及び、ＣＰＵ２１によって時間情報が付加され各軸を中心とする角速度データの時間同期がとられた形の角速度データを記憶する。なお、時間同期がとられた形の加速度データ及び角速度データが上述の運動データに相当するものである。
The
通信部２７は、運動データをＣＰＵ２１による制御に基づいて運動データ処理装置１０に出力するものであり、例えば、ＵＳＢ端子などの有線式の通信部や、Ｂｌｕｅｔｏｏｔｈなどの無線規格を採用した通信部である。
The
なお、通信部２７による運動データの出力タイミングとしては、例えば、ランニング中、ＣＰＵ２１によって生成される運動データを逐次出力したり、記憶部２６に一定量のデータが蓄積されるごとにそれまで記憶部２６に記憶された運動データを出力したり、ランニング中、一定の距離を走り終えるごとにそれまで記憶部２６に記憶された運動データを出力したり、ランニングの終了後、記憶部２６に記憶された運動データを一括して出力する等の場合がある。
As for the output timing of the exercise data by the
次に、図４を参照して、運動データ処理装置１０で実行される運動データ演算処理を説明する。
なお、運動データ演算処理は、ＣＰＵ１１が記憶部１５から読み出して適宜ＲＡＭ１３に展開された運動データ処理プログラム１５１と協働することにより実行されるようになっている。
Next, with reference to FIG. 4, the motion data calculation process executed by the motion
The motion data calculation process is executed by the
図４に示すように、先ず、ＣＰＵ１１は、通信部１６を介して、測定装置２０から運動データを新たに取得する（ステップＳ１０１）。
As shown in FIG. 4, first, the
次いで、ＣＰＵ１１は、データベース１５２から特定の運動データを取得する（ステップＳ１０２）。ここで、特定の運動データとは、データベース１５２に記録されているすべての運動データ、又は、少なくとも一部の運動データを意味し、ユーザによる操作部１２の所定の操作に基づいて、所望の特定の運動データを選定することができるようになっている。例えば、データベース１５２から取得する特定の運動データの対象を、１０ｋｍ走のタイムが４５分以内の運動データに絞り込みたい場合、表示部１４に表示された検索条件入力フォーム（図示省略）に検索条件（タイム；４５分以内）をユーザによる操作部１２の操作に基づき入力する。そして、ＣＰＵ１１は、入力された検索条件に基づき検索を行い、検索された運動データを特定の運動データとしてデータベース１５２から取得する。
Next, the
次いで、ＣＰＵ１１は、ステップＳ１０１で取得された運動データと、ステップＳ１０２で取得された特定の運動データとのそれぞれを対象として、各運動データの１周期分のデータを正規化する（ステップＳ１０３）。
Next, the
ここで、１周期分のデータとは、図５に示すように、一方の足（例えば、左足）が地面に触れた接地時から、この足の接地中に被測定者の腰が最も低い位置を通過した最下時、この足が地面から離れた離地時、この足が地面から離れた後、被測定者の腰が最も高い位置を通過した最高時、他方の足（例えば、右足）が地面に触れた逆足接地時、この足の接地中に被測定者の腰が最も低い位置を通過した逆足最下時、この足が地面から離れた逆足離地時、この足が地面から離れた後、被測定者の腰が最も高い位置を通過した逆足最高時を経て、一方の足が再び地面に触れる接地時までの２歩分のデータをいう。なお、正規化の対象となる１周期分のデータは、例えば、所定の地点を通過するタイミング等の共通のタイミング（特定のタイミング）でサンプリングされたデータで統一することが望ましい。 Here, as shown in FIG. 5, the data for one cycle is the position where the subject's waist is the lowest during the ground contact of one foot (for example, the left foot) from the time of touching the ground. At the bottom of the passage, when the foot is off the ground, at the highest when the foot passes the highest position of the subject's waist after the foot is off the ground, the other foot (eg, right foot). When the foot touches the ground, the foot touches the ground, the subject's waist passes the lowest position while the foot touches the ground, the foot touches the ground, and the foot touches the ground. After leaving the ground, it refers to the data for two steps from the time when the subject's waist passes the highest position to the maximum time of the reverse foot and the time when one foot touches the ground again. It is desirable that the data for one cycle to be normalized be unified with the data sampled at a common timing (specific timing) such as the timing of passing through a predetermined point.
図６（ａ）は、ステップＳ１０１で取得された加速度データ（運動データ）の１周期分のデータを示すグラフであり、同図（ｂ）は、当該１周期分のデータを正規化した正規化データを示すグラフである。また、図６（ｃ）は、ステップＳ１０１で取得された角速度データ（運動データ）の１周期分のデータを示すグラフであり、同図（ｄ）は、当該１周期分のデータを正規化した正規化データを示すグラフである。 FIG. 6A is a graph showing data for one cycle of acceleration data (motion data) acquired in step S101, and FIG. 6B is a normalized normalization of the data for one cycle. It is a graph which shows data. Further, FIG. 6C is a graph showing data for one cycle of the angular velocity data (motion data) acquired in step S101, and FIG. 6D is a normalized version of the data for one cycle. It is a graph which shows the normalized data.
図６（ａ）及び（ｃ）に示すように、１．９秒弱から２．５秒弱の約０．６秒間の１周期分のデータは、ステップＳ１０３の正規化処理によって、図６（ｂ）及び（ｄ）に示すように、０ポイントから２００ポイントに正規化される。具体的には、一方の足（例えば、左足）が地面に触れた接地時が０ポイントとされ、他方の足（例えば、右足）が地面に触れた逆足接地時が１００ポイントとされ、一方の足が再び地面に触れる接地時が２００ポイントとされる。また、Ｙ軸の加速度データの値が後ろ向き（正の値）から前向き（負の値）に変化する時間を示す加速度切り替わり時、最下時、離地時、逆足の加速度切り替わり時、逆足最下時、逆足離地時についても正規化された場合の時間（ポイント）に変換される。なお、図６（ｂ）及び（ｄ）の各グラフの［１］の縦線（一点鎖線）で示すポイントが加速度切り替わり時、［２］の縦線（一点鎖線）で示すポイントが最下時、［３］の縦線（一点鎖線）で示すポイントが離地時、［４］の縦線（一点鎖線）で示すポイントが逆足加速度切り替わり時、［５］の縦線（一点鎖線）で示すポイントが逆足最下時、［６］の縦線（一点鎖線）で示すポイントが逆足離地時である。１周期の時間は、人によって、あるいは同じ人でも周期ごとに異なるため、各運動データの１周期分のデータを単純に比較したり平均することができない。そこで、上記のように１周期分のデータを正規化することによって、各運動データの１周期分のデータを比較したり平均し易くするための演算ができるようにしている。 As shown in FIGS. 6 (a) and 6 (c), the data for one cycle of about 0.6 seconds from a little less than 1.9 seconds to a little less than 2.5 seconds is obtained by the normalization process of step S103 in FIG. 6 ( As shown in b) and (d), it is normalized from 0 points to 200 points. Specifically, 0 points are given when one foot (for example, the left foot) touches the ground, and 100 points are given when the other foot (for example, the right foot) touches the ground. The point is 200 points when the foot touches the ground again. In addition, when the acceleration is switched, which indicates the time when the value of the acceleration data on the Y-axis changes from backward (positive value) to forward (negative value), when the acceleration is switched, when the vehicle is at the bottom, when the landing is off, when the acceleration of the reverse foot is switched, or when the reverse foot is changed. It is also converted to the normalized time (points) at the bottom and at the time of reverse foot takeoff. In addition, when the point indicated by the vertical line (dashed line) of [1] in each graph of FIGS. 6 (b) and 6 (d) switches acceleration, the point indicated by the vertical line (dashed line) of [2] is the lowest. , When the point indicated by the vertical line (dotted chain line) of [3] is at takeoff, the point indicated by the vertical line (dotted chain line) of [4] is when the reverse foot acceleration is switched, the vertical line (dotted chain line) of [5] is used. The point shown is at the bottom of the reverse foot, and the point indicated by the vertical line (dashed-dotted line) in [6] is when the reverse foot is taken off. Since the time of one cycle differs from person to person or even from the same person to each cycle, it is not possible to simply compare or average the data for one cycle of each exercise data. Therefore, by normalizing the data for one cycle as described above, it is possible to perform an operation for easily comparing and averaging the data for one cycle of each motion data.
なお、ステップＳ１０３で正規化処理を行うにあたり、ＣＰＵ１１は、各運動データの１周期分のデータ（各軸の加速度データ、及び、各軸を中心とする角速度データ）について、軸補正処理を行っている。つまり、ＣＰＵ１１は、これらのデータをランニング動作に対して普遍な絶対座標系（ワールド座標軸）を基準とするデータに変換している。絶対座標系とは、図７（ａ）に示すように、Ｚ軸（Ｚｗ）が重力方向と一致し、Ｙ軸（Ｙｗ）がランニングの進行方向と逆の方向と一致し、Ｘ軸（Ｘｗ）がＺ軸とＹ軸に垂直な方向と一致する座標系である。上記のように、各運動データの１周期分のデータを絶対座標系を基準とするデータに変換する理由は、測定装置２０が被測定者の腰にある仙骨上の位置に装着された状態では、図７（ｂ）及び（ｃ）に示すように、ランニング中の姿勢変化によって、Ｙ軸（Ｙｓ）やＺ軸（Ｚｓ）の方向が変化してしまうことにある。具体的な変換方法としては、例えば、カルマンフィルタを用いて地軸方向を推定し、推定された地軸方向とＺ軸方向とが一致するように各軸を回転させることにより、各運動データの１周期分のデータを絶対座標系を基準とするデータに変換する方法や、Ｚ軸の加速度データに基づき当該加速度を平均した方向を地軸方向と推定し、推定された地軸方向とＺ軸方向とが一致するように各軸を回転させることにより、各運動データの１周期分のデータを絶対座標系を基準とするデータに変換する方法が挙げられる。
In performing the normalization process in step S103, the
運動データ演算処理の説明に戻り、ＣＰＵ１１は、ステップＳ１０３で正規化された各運動データの１周期分のデータ（正規化データ）を平均化する（ステップＳ１０４）。
Returning to the description of the motion data calculation process, the
図８（ａ）は、ステップＳ１０４で平均化された加速度データ（平均化データ）を示すグラフであり、同図（ｂ）は、ステップＳ１０４で平均化された角速度データ（平均化データ）を示すグラフである。
ステップＳ１０４の平均化処理では、ステップＳ１０３で正規化された各運動データの１周期分のデータを平均化するとともに、正規化された各局面（例えば、加速度切り替わり時、最下時、離地時、逆足の加速度切り替わり時、逆足最下時、逆足離地時）の時間（ポイント）についても平均化がなされる。なお、図８（ａ）及び（ｂ）の各グラフの［１１］の縦線で示すポイントが加速度切り替わり時の平均時間、［１２］の縦線で示すポイントが最下時の平均時間、［１３］の縦線で示すポイントが離地時の平均時間、［１４］の縦線で示すポイントが逆足加速度切り替わり時の平均時間、［１５］の縦線で示すポイントが逆足最下時の平均時間、［１６］の縦線で示すポイントが逆足離地時の平均時間である。
FIG. 8A is a graph showing acceleration data (averaged data) averaged in step S104, and FIG. 8B shows angular velocity data (averaged data) averaged in step S104. It is a graph.
In the averaging process of step S104, the data for one cycle of each motion data normalized in step S103 is averaged, and each normalized phase (for example, at the time of acceleration switching, the lowest time, and the time of takeoff). , When the acceleration of the reverse foot is switched, when the reverse foot is at the bottom, and when the reverse foot is taken off), the time (points) is also averaged. In addition, the point indicated by the vertical line of [11] in each graph of FIGS. 8 (a) and 8 (b) is the average time at the time of acceleration switching, and the point indicated by the vertical line of [12] is the average time at the lowest time. The point indicated by the vertical line of 13] is the average time at takeoff, the point indicated by the vertical line of [14] is the average time when the reverse foot acceleration is switched, and the point indicated by the vertical line of [15] is the lowest time of the reverse foot. The average time of, and the point indicated by the vertical line in [16] is the average time at the time of reverse foot takeoff.
次いで、ＣＰＵ１１は、ステップＳ１０１において測定装置２０から新たに取得した運動データに基づく正規化された１周期分のデータ（正規化データ）と、ステップＳ１０４で平均化された１周期分のデータ（平均化データ）との差分を算出する（ステップＳ１０５）。
Next, the
次いで、ＣＰＵ１１は、ステップＳ１０５で算出された差分を示すデータ（差分データ）を表示部１４に表示させる（ステップＳ１０６）。
Next, the
図９は、表示部１４に表示される差分データを示すグラフである。具体的には、図９（ａ）は、１周期分の加速度データに関する差分データを示すグラフであり、同図（ｂ）は、１周期分の角速度データに関する差分データを示すグラフである。
図９（ａ）及び（ｂ）に示すように、各グラフより、差分データの値が０より大きく離れているポイントにおいて評価対象者のランニング動作に特徴があることを把握できるようになっている。一方、各グラフより、差分データの値が０付近となっているポイントでは、評価対象者のランニング動作に特徴がないことを把握できるようになっている。
FIG. 9 is a graph showing the difference data displayed on the
As shown in FIGS. 9A and 9B, it is possible to grasp from each graph that the running motion of the evaluation target person is characteristic at the points where the values of the difference data are farther than 0. .. On the other hand, from each graph, it is possible to grasp that there is no feature in the running motion of the evaluation target person at the point where the value of the difference data is near 0.
また、図９（ａ）及び（ｂ）の各グラフでは、評価対象者の正規化された各局面（例えば、加速度切り替わり時、最下時、離地時、逆足の加速度切り替わり時、逆足最下時、逆足離地時）の時間が［１］～［６］の各縦線（一点鎖線）で示されるとともに、これらの局面の平均時間が［１１］～［１６］の各縦線（実線）で示されるようになっている。このように、評価対象者の正規化された各局面の時間とこれらの局面の平均時間をそれぞれ示すことにより、評価対象者の各局面のタイミングが他の被測定者の各局面のタイミングより早いのか遅れているのかを把握できるようになっている。なお、［１］～［６］の各縦線（一点鎖線）は、図６（ｂ）及び（ｄ）の各グラフの［１］～［６］の縦線（一点鎖線）に相当するものであり、［１１］～［１６］の各縦線（実線）は、図８（ａ）及び（ｂ）の各グラフの［１１］～［１６］の縦線に相当するものである。 Further, in each of the graphs of FIGS. 9A and 9B, each aspect of the evaluation subject normalized (for example, at the time of acceleration switching, at the bottom, at the time of takeoff, at the time of reverse foot acceleration switching, reverse foot). The time (at the bottom, at the time of reverse foot takeoff) is indicated by each vertical line (one-dot chain line) of [1] to [6], and the average time of these phases is each vertical line of [11] to [16]. It is shown by a line (solid line). In this way, by showing the time of each phase of the evaluated subject and the average time of these phases, the timing of each phase of the evaluated subject is earlier than the timing of each phase of the other subject. It is possible to grasp whether it is late or late. Each vertical line (dotted chain line) of [1] to [6] corresponds to the vertical line (dotted chain line) of [1] to [6] in each graph of FIGS. 6 (b) and 6 (d). The vertical lines (solid lines) of [11] to [16] correspond to the vertical lines of [11] to [16] of the graphs of FIGS. 8 (a) and 8 (b).
次いで、ＣＰＵ１１は、ステップＳ１０１において測定装置２０から新たに取得した運動データを、当該運動データを示す人物（被測定者）の人物ＩＤと、ランニングが行われた日付と、パーソナルデータとを対応付けてデータベース１５２に登録し（ステップＳ１０７）、運動データ演算処理を終了する。
Next, the
以上のように、本実施形態によれば、運動データ処理装置１０は、ランニング（所定の運動）を行う毎に得られる当該ランニングの動作における運動データを平均化して平均化データを生成し、運動データのうちの一の運動データと平均化データとの差分を算出した差分データを生成するので、当該差分データが示す差分に基づいて、当該一の運動データ中のどこに特徴があるのかを明らかにすることができ、これにより、ランニングの動作を見直す際の指針を与えることができるようになる。
As described above, according to the present embodiment, the exercise
また、本実施形態によれば、運動データ処理装置１０は、運動データをそれぞれ正規化して正規化データを生成し、各正規化データを平均化して平均化データを生成し、各正規化データのうちの一の正規化データと、平均化データとの差分を算出した差分データを生成したこととなる。このため、サンプル数が互いに統一されたデータ間での差分を算出することができるので、差分を算出する演算処理を円滑に行うことができる。
Further, according to the present embodiment, the motion
また、本実施形態によれば、運動データ処理装置１０は、運動データ中の１周期分のデータを正規化して正規化データを生成するので、一の正規化データと平均化データとの差分を算出した差分データから適正な評価を行うことができる。
Further, according to the present embodiment, the motion
また、本実施形態によれば、運動データ処理装置１０は、差分データを表示する表示部１４を備えているので、差分データが示す差分をビジュアル化することができ、運動データ中のどこに特徴があるのかをイメージし易くすることができる。
Further, according to the present embodiment, since the motion
［変形例］
続いて、上記実施形態の変形例について説明する。なお、上記実施形態と同様の構成要素には同一の符号を付し、その説明を省略する。
本変形例の運動データ処理装置１０は、１周期分のデータ中のブレーキ区間（特定区間；接地時から加速度切り替わり時まで）のデータを対象とし、当該データを客観的（相対的）に評価することが可能なデータに変換する点で、上記実施形態と異なっている。
[Modification example]
Subsequently, a modified example of the above embodiment will be described. The same components as those in the above embodiment are designated by the same reference numerals, and the description thereof will be omitted.
The motion
以下、変形例の運動データ処理装置１０について、図１０を用いて説明する。
図１０は、変形例の運動データ処理装置１０で実行される運動データ演算処理を示すフローチャートである。
Hereinafter, the motion
FIG. 10 is a flowchart showing a motion data calculation process executed by the motion
図１０に示すように、先ず、ＣＰＵ１１は、上記実施形態と同様に、通信部１６を介して、測定装置２０から運動データを新たに取得し（ステップＳ２０１）、データベース１５２から特定の運動データを取得し（ステップＳ２０２）、ステップＳ２０１で取得された運動データと、ステップＳ２０２で取得された特定の運動データとのそれぞれを対象として、各運動データの１周期分のデータを正規化し（ステップＳ２０３）、ステップＳ２０３で正規化された各運動データの１周期分のデータを平均化する（ステップＳ２０４）。
As shown in FIG. 10, first, the
次いで、ＣＰＵ１１は、ステップＳ２０４で平均化された１周期分のデータ中のブレーキ区間（接地時から加速度切り替わり時まで）のデータ（第１抽出データ）を正規化する（ステップＳ２０５）。具体的には、ＣＰＵ１１は、接地時が０ポイント、ステップＳ２０４で平均化された加速度切り替わり時が４０ポイントとなるように上記ブレーキ区間のデータを正規化する。
Next, the
次いで、ＣＰＵ１１は、ステップＳ２０１において測定装置２０から取得した運動データに基づく正規化された１周期分のデータ中のブレーキ区間（接地時から加速度切り替わり時まで）のデータ（第２抽出データ）を正規化する（ステップＳ２０６）。具体的には、ＣＰＵ１１は、接地時が０ポイント、ステップＳ２０３で正規化された加速度切り替わり時が４０ポイントとなるように上記ブレーキ区間のデータを正規化する。
Next, the
次いで、ＣＰＵ１１は、ステップＳ２０１において測定装置２０から新たに取得した運動データに基づく正規化された１周期分のデータ中のブレーキ区間のデータ（第２抽出正規化データ）と、ステップＳ２０４で平均化された１周期分のデータに基づく正規化された１周期分のデータ中のブレーキ区間のデータ（第１抽出正規化データ）との差分を算出する（ステップＳ２０７）。
Next, the
次いで、ＣＰＵ１１は、ステップＳ２０７で算出された差分を示すデータ（差分データ）を表示部１４に表示させる（ステップＳ２０８）。
Next, the
図１１は、表示部１４に表示される差分データの一例を示すグラフである。具体的には、図１１（ａ）～（ｃ）は、ブレーキ区間のＹ軸（前後方向）加速度データに関する差分データの一例を示すグラフである。
FIG. 11 is a graph showing an example of the difference data displayed on the
図１１（ａ）に示すように、表示部１４に表示されたＹ軸（前後方向）加速度データに関する差分データのグラフが上に凸の形状をなしている場合、当該グラフからブレーキ区間でのブレーキが大きいことがわかる。
また、図１１（ｂ）に示すように、表示部１４に表示されたＹ軸（前後方向）加速度データに関する差分データのグラフが下に凸の形状をなしている場合、当該グラフからブレーキ区間でのブレーキが小さいことがわかる。
また、図１１（ｃ）に示すように、表示部１４に表示されたＹ軸（前後方向）加速度データに関する差分データのグラフが差分値「０」付近を推移している場合、当該グラフから平均的なブレーキであることがわかる。
As shown in FIG. 11A, when the graph of the difference data regarding the Y-axis (front-back direction) acceleration data displayed on the
Further, as shown in FIG. 11B, when the graph of the difference data relating to the Y-axis (front-back direction) acceleration data displayed on the
Further, as shown in FIG. 11C, when the graph of the difference data relating to the Y-axis (front-back direction) acceleration data displayed on the
次いで、ＣＰＵ１１は、ステップＳ２０１において測定装置２０から新たに取得した運動データを、当該運動データを示す人物（被測定者）の人物ＩＤと、ランニングが行われた日付と、パーソナルデータとを対応付けてデータベース１５２に登録し（ステップＳ２０９）、運動データ演算処理を終了する。
Next, the
以上のように、本変形例によれば、運動データ処理装置１０は、ランニング（所定の運動）を行う毎に得られる当該ランニングの動作における運動データを平均化して平均化データを生成し、平均化データ中のブレーキ区間（特定区間）のデータを抽出して第１抽出データを生成し、運動データのうちの一の運動データ中のブレーキ区間のデータを抽出して第２抽出データを生成し、第２抽出データと第１抽出データとの差分を算出した差分データを生成するので、当該差分データが示す差分に基づいて、当該一の運動データ中のブレーキ区間のどこに特徴があるのかを明らかにすることができ、これにより、ランニングのブレーキ区間における動作を見直す際の指針を与えることができるようになる。
As described above, according to the present modification, the exercise
また、本変形例によれば、運動データ処理装置１０は、運動データをそれぞれ正規化して正規化データを生成し、各正規化データを平均化して平均化データを生成し、平均化データ中のブレーキ区間のデータを抽出して第１抽出データを生成し、各正規化データのうちの一の正規化データ中のブレーキ区間のデータを抽出して第２抽出データを生成したこととなる。
このため、一の正規化データ中のブレーキ区間のデータと平均化データ中のブレーキ区間のデータとの差分を算出した差分データから適正な評価を行うことができる。
Further, according to this modification, the motion
Therefore, appropriate evaluation can be performed from the difference data obtained by calculating the difference between the data of the brake section in one normalized data and the data of the brake section in the averaged data.
また、本変形例によれば、運動データ処理装置１０は、第１抽出データを正規化して第１抽出正規化データを生成し、第２抽出データを正規化して第２抽出正規化データを生成し、第２抽出正規化データと第１抽出正規化データとの差分を算出した差分データを生成する。
このため、サンプル数が互いに統一されたデータ間での差分を算出することができるので、差分を算出する演算処理を円滑に行うことができる。
Further, according to this modification, the motion
Therefore, since the difference between the data in which the number of samples is unified can be calculated, the arithmetic processing for calculating the difference can be smoothly performed.
なお、以上本発明の実施形態について説明したが、本発明は、かかる実施形態に限定されず、その要旨を逸脱しない範囲で、種々変形が可能であることは言うまでもない。 Although the embodiments of the present invention have been described above, it goes without saying that the present invention is not limited to such embodiments and can be variously modified without departing from the gist thereof.
例えば、上記実施形態では、運動データ処理装置１０の記憶部１５がデータベース１５２を記憶することとしたが、このデータベース１５２の所在は一例であり、これに限定されるものではない。例えば、インターネットを介して通信接続可能な外部のデータベースサーバの記憶部にデータベース１５２を記憶するようにしても良い。
For example, in the above embodiment, the
また、上記実施形態では、時間同期がとられた形の加速度データ及び角速度データを運動データとして説明したが、この運動データは一例であり、例えば、筋電センサ、心拍センサ、視線センサ、足裏の圧力を測定する圧力センサ等により検出されたデータを運動データとしても良い。さらに、加速度データや角速度データを１回積分して得られる速度データや角度データ、加速度データを２回積分して得られる変位データ、角速度データを１回微分して得られる角加速度データ、加速度ベクトルの地面に対する角度データ、進行方向に対する角度データ等を運動データとしても良い。また、各運動データの１周期分のデータ（各軸の加速度データ、及び、各軸を中心とする角速度データ）について、絶対座標系を基準とする軸補正処理を行った際の補正量（角度差）を示すデータを運動データとしても良い。 Further, in the above embodiment, acceleration data and angular velocity data in a time-synchronized form have been described as motion data, but this motion data is an example, and for example, a myoelectric sensor, a heartbeat sensor, a line-of-sight sensor, and a sole of the foot. Data detected by a pressure sensor or the like for measuring the pressure of the above may be used as motion data. Furthermore, the acceleration data and the angle data obtained by integrating the acceleration data and the angular velocity data once, the displacement data obtained by integrating the acceleration data twice, the angular acceleration data obtained by differentiating the angular velocity data once, and the acceleration vector. The angular velocity data with respect to the ground, the angular velocity data with respect to the traveling direction, and the like may be used as motion data. In addition, the amount of correction (angle) when the axis correction processing based on the absolute coordinate system is performed on the data for one cycle of each motion data (acceleration data of each axis and angular velocity data centered on each axis). The data indicating the difference) may be used as exercise data.
また、上記実施形態では、正規化された各１周期分のデータを単純平均により平均化したが、平均化の方法はこれに限らず、例えば、加重平均により平均化するようにしても良い。 Further, in the above embodiment, the normalized data for each cycle are averaged by a simple averaging, but the averaging method is not limited to this, and for example, a weighted averaging may be used for averaging.
また、上記実施形態では、運動データとともに、当該運動データの被測定者の運動の動作を撮影した動画像がある場合、例えば、運動データ処理装置１０の表示部１４に差分データを表示させる際に、当該差分データの時系列と対応付けた状態で、上記動画像を構成する複数のフレーム画像を経時時間に沿って並べた合成画像も表示させるようにしても良い。
Further, in the above embodiment, when there is a moving image obtained by capturing the movement of the person to be measured in the movement data together with the movement data, for example, when displaying the difference data on the
また、上記実施形態（変形例）では、表示部１４に表示される差分データの一例として、ブレーキ区間のＹ軸（前後方向）加速度データに関する差分データを挙げたが、この差分データ以外にも、ブレーキ区間のＸ軸（左右方向）加速度データやＺ軸（上下方向）加速度データに関する差分データ、ブレーキ区間の各軸の角速度データに関する差分データも表示可能である。
Further, in the above embodiment (modification example), as an example of the difference data displayed on the
また、上記実施形態（変形例）では、差分算出の対象データをブレーキ区間のデータとしたが、例えば、接地時から最下時までの「沈み込み区間」、最下時から離地時までの「加速区間」、離地時から次の接地時までの「遊脚区間」などの区間における各データを差分算出の対象データとしても良い。 Further, in the above embodiment (modification example), the target data for the difference calculation is the data of the brake section. Each data in the section such as the "acceleration section" and the "swing section" from the time of takeoff to the next touchdown may be used as the target data for the difference calculation.
また、上記実施形態では、運動データ演算処理（図４参照）において、測定装置２０から新たに取得した運動データに基づく正規化データと平均化データとの差分を算出しているが、例えば、データベース１５２に記録されている運動データのうちのユーザ所望の一の運動データに基づく正規化データと平均化データとの差分を算出するようにしても良い（上記変形例も同様）。
Further, in the above embodiment, in the motion data calculation process (see FIG. 4), the difference between the normalized data and the averaged data based on the motion data newly acquired from the measuring
また、上記実施形態では、運動データ演算処理（図４参照）において、データベース１５２から取得される特定の運動データは、複数の人物を対象とした運動データとして説明を行ったが、当該特定の運動データは、同一の人物だけを対象とした運動データとしても良い（上記変形例も同様）。この場合、例えば、表示部１４に表示された検索条件入力フォーム（図示省略）に検索条件（対象者；Ａ氏）をユーザによる操作部１２の操作に基づき入力する。そして、ＣＰＵ１１は、入力された検索条件に基づき検索を行い、検索されたＡ氏に係る運動データを特定の運動データとしてデータベース１５２から取得する。
Further, in the above embodiment, in the exercise data calculation process (see FIG. 4), the specific exercise data acquired from the
また、上記実施形態では、運動データは、ランニング（例えば、１０ｋｍ走）を行った際のランニング動作における運動データであるものとして説明を行ったが、ランニングの他にも、例えば、水泳、体操、自転車、球技、スキー、スノーボード、スケートなどを行った際の動作における運動データであっても良い。 Further, in the above embodiment, the exercise data has been described as being exercise data in a running motion when running (for example, running 10 km), but in addition to running, for example, swimming, gymnastics, and the like. It may be exercise data in the movement when performing a bicycle, a ball game, skiing, snowboarding, skating, or the like.
また、上記実施形態では、運動データ演算処理（図４参照）において、ステップＳ１０１で取得された運動データも含めて平均化データを算出したが、平均化データは、ステップＳ１０２で取得された特定の運動データのみから算出しても良い。 Further, in the above embodiment, in the exercise data calculation process (see FIG. 4), the averaging data is calculated including the exercise data acquired in step S101, but the averaging data is the specific averaging data acquired in step S102. It may be calculated only from the exercise data.
以上、本発明の実施形態を説明したが、本発明の範囲は、上述の実施の形態に限定するものではなく、特許請求の範囲に記載された発明の範囲をその均等の範囲を含む。
以下に、この出願の願書に最初に添付した特許請求の範囲に記載した発明を付記する。付記に記載した請求項の項番は、この出願の願書に最初に添付した特許請求の範囲の通りである。
Although the embodiments of the present invention have been described above, the scope of the present invention is not limited to the above-described embodiments, and the scope of the invention described in the claims includes the equivalent scope thereof.
The inventions described in the claims originally attached to the application of this application are described below. The claims described in the appendix are the scope of the claims originally attached to the application for this application.
〔付記〕
＜請求項１＞
所定の運動を行う毎に得られる当該運動の動作における運動データを平均化して平均化データを生成する平均化手段と、
一の運動データと、前記平均化手段により生成された平均化データとの差分を算出した差分データを生成する差分化手段と、
を備えたことを特徴とする運動データ処理装置。
＜請求項２＞
前記運動データのそれぞれと、前記一の運動データと、を正規化して正規化データを生成する第１正規化手段を備え、
前記平均化手段は、前記第１正規化手段により生成された前記運動データそれぞれの正規化データを平均化して平均化データを生成し、
前記差分化手段は、前記第１正規化手段により生成された前記一の運動データの正規化データと、前記平均化手段により生成された平均化データとの差分を算出した差分データを生成する、
ことを特徴とする請求項１に記載の運動データ処理装置。
＜請求項３＞
前記平均化手段により生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成する第１抽出手段と、
前記一の運動データ中の前記特定区間のデータを抽出して第２抽出データを生成する第２抽出手段と、
を備え、
前記差分化手段は、前記第２抽出手段により抽出された前記第２抽出データと、前記第１抽出手段により抽出された前記第１抽出データとの差分を算出した差分データを生成する、
ことを特徴とする請求項１に記載の運動データ処理装置。
＜請求項４＞
前記運動データのそれぞれと、前記一の運動データと、を正規化して正規化データを生成する第１正規化手段を備え、
前記平均化手段は、前記第１正規化手段により生成された前記運動データそれぞれの正規化データを平均化して平均化データを生成し、
前記第１抽出手段は、前記平均化手段により生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成し、
前記第２抽出手段は、前記第１正規化手段により生成された前記一の運動データの正規化データ中の前記特定区間のデータを抽出して第２抽出データを生成する、
ことを特徴とする請求項３に記載の運動データ処理装置。
＜請求項５＞
前記第１抽出手段により生成された前記第１抽出データを正規化して第１抽出正規化データを生成する第２正規化手段と、
前記第２抽出手段により生成された前記第２抽出データを正規化して第２抽出正規化データを生成する第３正規化手段と、を更に備え、
前記差分化手段は、前記第３正規化手段により生成された前記第２抽出正規化データと、前記第２正規化手段により生成された前記第１抽出正規化データとの差分を算出した差分データを生成する、
ことを特徴とする請求項４に記載の運動データ処理装置。
＜請求項６＞
前記第１正規化手段は、前記それぞれの運動データ中の１周期分のデータと、前記一の運動データ中の１周期分のデータと、を正規化して正規化データを生成する、
ことを特徴とする請求項２、４、５のいずれか一項に記載の運動データ処理装置。
＜請求項７＞
前記運動データは、複数の人物のそれぞれが前記所定の運動を行った際に得られる運動データである、
ことを特徴とする請求項１～６のいずれか一項に記載の運動データ処理装置。
＜請求項８＞
前記運動データは、同一の人物が前記所定の運動を行う毎に得られる運動データである、
ことを特徴とする請求項１～６のいずれか一項に記載の運動データ処理装置。
＜請求項９＞
前記平均化手段は、前記複数の人物全員の運動データに基づき前記平均化データを生成する、
ことを特徴とする請求項７に記載の運動データ処理装置。
＜請求項１０＞
前記複数の人物全員の運動データから少なくとも一部の運動データを選定する選定手段を備え、
前記平均化手段は、前記選定手段により選定された前記少なくとも一部の運動データに基づき前記平均化データを生成する、
ことを特徴とする請求項７に記載の運動データ処理装置。
＜請求項１１＞
前記複数の人物全員の運動データのそれぞれは、当該運動データが示す人物の人物ＩＤと、１以上の所定の項目からなるパーソナルデータとが対応付けられて記憶手段に記憶されており、
ユーザ操作に基づき指定された前記人物ＩＤ及び／又は前記所定の項目に関する情報を検索条件として該当する運動データを検索する検索手段を備え、
前記選定手段は、前記検索手段により検索された運動データを選定する、
ことを特徴とする請求項１０に記載の運動データ処理装置。
＜請求項１２＞
前記１周期分のデータは、前記所定の運動時の特定のタイミングに係るデータである、
ことを特徴とする請求項６に記載の運動データ処理装置。
＜請求項１３＞
前記所定の運動はランニングであり、前記１周期はランニングにおける「一方の足の接地時」から、「一方の足の最下時」、「一方の足の離地時」、「一方の足の最高時」を経て、「他方の足の接地時」、「他方の足の最下時」、「他方の足の離地時」、「他方の足の最高時」を経て、次の「一方の足の接地時」までである、
ことを特徴とする請求項６に記載の運動データ処理装置。
＜請求項１４＞
前記差分化手段により生成された差分データを表示する表示手段を更に備えたことを特徴とする請求項１～１３のいずれか一項に記載の運動データ処理装置。
＜請求項１５＞
所定の運動を行う毎に得られる当該運動の動作における運動データを平均化して平均化データを生成する平均化工程と、
一の運動データと、前記平均化工程により生成された平均化データとの差分を算出した差分データを生成する差分化工程と、
を含むことを特徴とする運動データ処理方法。
＜請求項１６＞
コンピュータを、
所定の運動を行う毎に得られる当該運動の動作における運動データを平均化して平均化データを生成する平均化手段、
一の運動データと、前記平均化手段により生成された平均化データとの差分を算出した差分データを生成する差分化手段、
として機能させることを特徴とする運動データ処理プログラム。
[Additional Notes]
<Claim 1>
An averaging means that generates averaging data by averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed.
A differentiation means for generating a difference data obtained by calculating a difference between one motion data and the averaging data generated by the averaging means, and a differentiation means.
A motion data processing device characterized by being equipped with.
<Claim 2>
A first normalization means for normalizing each of the motion data and the one motion data to generate normalization data is provided.
The averaging means averages the normalized data of each of the motion data generated by the first normalizing means to generate the averaging data.
The differentiation means generates difference data obtained by calculating the difference between the normalization data of the one motion data generated by the first normalization means and the averaging data generated by the averaging means.
The motion data processing apparatus according to
<Claim 3>
The first extraction means that extracts the data of a specific section in the averaging data generated by the averaging means and generates the first extraction data, and the first extraction means.
A second extraction means that extracts the data of the specific section in the one motion data and generates the second extraction data, and
Equipped with
The differentiation means generates difference data obtained by calculating the difference between the second extraction data extracted by the second extraction means and the first extraction data extracted by the first extraction means.
The motion data processing apparatus according to
<Claim 4>
A first normalization means for normalizing each of the motion data and the one motion data to generate normalization data is provided.
The averaging means averages the normalized data of each of the motion data generated by the first normalizing means to generate the averaging data.
The first extraction means extracts the data of a specific section in the averaging data generated by the averaging means to generate the first extraction data.
The second extraction means extracts the data of the specific section in the normalization data of the one motion data generated by the first normalization means to generate the second extraction data.
The motion data processing apparatus according to
<Claim 5>
A second normalization means for normalizing the first extraction data generated by the first extraction means to generate the first extraction normalization data, and a second normalization means.
Further provided with a third normalization means for normalizing the second extraction data generated by the second extraction means to generate the second extraction normalization data.
The differentiation means is difference data obtained by calculating the difference between the second extraction normalization data generated by the third normalization means and the first extraction normalization data generated by the second normalization means. To generate,
The motion data processing apparatus according to
<Claim 6>
The first normalization means normalizes the data for one cycle in each of the motion data and the data for one cycle in the one motion data to generate normalization data.
The motion data processing apparatus according to any one of
<Claim 7>
The exercise data is exercise data obtained when each of the plurality of persons performs the predetermined exercise.
The motion data processing apparatus according to any one of
<Claim 8>
The exercise data is exercise data obtained each time the same person performs the predetermined exercise.
The motion data processing apparatus according to any one of
<Claim 9>
The averaging means generates the averaging data based on the motion data of all the plurality of persons.
The motion data processing apparatus according to claim 7.
<Claim 10>
A selection means for selecting at least a part of the exercise data from the exercise data of all the plurality of persons is provided.
The averaging means generates the averaging data based on at least a part of the motion data selected by the selection means.
The motion data processing apparatus according to claim 7.
<Claim 11>
Each of the exercise data of all of the plurality of persons is stored in the storage means in association with the person ID of the person indicated by the exercise data and the personal data composed of one or more predetermined items.
A search means for searching the corresponding exercise data using the information about the person ID and / or the predetermined item specified based on the user operation as a search condition is provided.
The selection means selects the exercise data searched by the search means.
The motion data processing apparatus according to
<Claim 12>
The data for one cycle is data related to a specific timing during the predetermined exercise.
The motion data processing apparatus according to
<Claim 13>
The predetermined exercise is running, and the one cycle is from "when one foot touches the ground" to "at the bottom of one foot", "when one foot takes off", and "when one foot takes off". After "highest time", "when the other foot touches down", "at the bottom of the other foot", "when the other foot takes off", "at the highest time of the other foot", and then the next "one" Until "when the foot touches the ground",
The motion data processing apparatus according to
<Claim 14>
The motion data processing apparatus according to any one of
<Claim 15>
An averaging step of averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed to generate averaging data, and
A differentiation step for generating difference data obtained by calculating the difference between one motion data and the averaging data generated by the averaging step.
A method of processing motion data, characterized in that it includes.
<Claim 16>
Computer,
An averaging means that generates averaging data by averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed.
A differentiation means for generating difference data obtained by calculating the difference between one motion data and the averaging data generated by the averaging means.
An exercise data processing program characterized by functioning as.
１ 運動データ処理システム
１０ 運動データ処理装置
１１ ＣＰＵ
１２ 操作部
１３ ＲＡＭ
１４ 表示部
１５ 記憶部
１５１ 運動データ処理プログラム
１５２ データベース
１６ 通信部
２０ 測定装置
1 Motion
12
14
Claims (14)
前記平均化手段により生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成する第１抽出手段と、
一の運動データ中の前記特定区間のデータを抽出して第２抽出データを生成する第２抽出手段と、
前記第２抽出手段により抽出された前記第２抽出データと、前記第１抽出手段により抽出された前記第１抽出データとの差分を算出した差分データを生成する差分化手段と、
を備えたことを特徴とする運動データ処理装置。 An averaging means that generates averaging data by averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed.
The first extraction means that extracts the data of a specific section in the averaging data generated by the averaging means and generates the first extraction data, and the first extraction means.
A second extraction means that extracts the data of the specific section in one motion data and generates the second extraction data, and
A differentiation means for generating difference data obtained by calculating a difference between the second extraction data extracted by the second extraction means and the first extraction data extracted by the first extraction means .
A motion data processing device characterized by being equipped with.
前記平均化手段は、前記第１正規化手段により生成された前記運動データそれぞれの正規化データを平均化して平均化データを生成し、
前記第１抽出手段は、前記平均化手段により生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成し、
前記第２抽出手段は、前記第１正規化手段により生成された前記一の運動データの正規化データ中の前記特定区間のデータを抽出して第２抽出データを生成する、
ことを特徴とする請求項１に記載の運動データ処理装置。 A first normalization means for normalizing each of the motion data and the one motion data to generate normalization data is provided.
The averaging means averages the normalized data of each of the motion data generated by the first normalizing means to generate the averaging data.
The first extraction means extracts the data of a specific section in the averaging data generated by the averaging means to generate the first extraction data.
The second extraction means extracts the data of the specific section in the normalization data of the one motion data generated by the first normalization means to generate the second extraction data.
The motion data processing apparatus according to claim 1.
前記第２抽出手段により生成された前記第２抽出データを正規化して第２抽出正規化データを生成する第３正規化手段と、を更に備え、
前記差分化手段は、前記第３正規化手段により生成された前記第２抽出正規化データと、前記第２正規化手段により生成された前記第１抽出正規化データとの差分を算出した差分データを生成する、
ことを特徴とする請求項２に記載の運動データ処理装置。 A second normalization means for normalizing the first extraction data generated by the first extraction means to generate the first extraction normalization data, and a second normalization means.
Further provided with a third normalization means for normalizing the second extraction data generated by the second extraction means to generate the second extraction normalization data.
The differentiation means is difference data obtained by calculating the difference between the second extraction normalization data generated by the third normalization means and the first extraction normalization data generated by the second normalization means. To generate,
The motion data processing apparatus according to claim 2 .
ことを特徴とする請求項２又は３に記載の運動データ処理装置。 The first normalization means normalizes the data for one cycle in each of the motion data and the data for one cycle in the one motion data to generate normalization data.
The motion data processing apparatus according to claim 2 or 3 .
ことを特徴とする請求項１～４のいずれか一項に記載の運動データ処理装置。 The exercise data is exercise data obtained when each of the plurality of persons performs the predetermined exercise.
The motion data processing apparatus according to any one of claims 1 to 4 .
ことを特徴とする請求項１～４のいずれか一項に記載の運動データ処理装置。 The exercise data is exercise data obtained each time the same person performs the predetermined exercise.
The motion data processing apparatus according to any one of claims 1 to 4 .
ことを特徴とする請求項５に記載の運動データ処理装置。 The averaging means generates the averaging data based on the motion data of all the plurality of persons.
The motion data processing apparatus according to claim 5 .
前記平均化手段は、前記選定手段により選定された前記少なくとも一部の運動データに基づき前記平均化データを生成する、
ことを特徴とする請求項５に記載の運動データ処理装置。 A selection means for selecting at least a part of the exercise data from the exercise data of all the plurality of persons is provided.
The averaging means generates the averaging data based on at least a part of the motion data selected by the selection means.
The motion data processing apparatus according to claim 5 .
ユーザ操作に基づき指定された前記人物ＩＤ及び／又は前記所定の項目に関する情報を検索条件として該当する運動データを検索する検索手段を備え、
前記選定手段は、前記検索手段により検索された運動データを選定する、
ことを特徴とする請求項８に記載の運動データ処理装置。 Each of the exercise data of all of the plurality of persons is stored in the storage means in association with the person ID of the person indicated by the exercise data and the personal data composed of one or more predetermined items.
A search means for searching the corresponding exercise data using the information about the person ID and / or the predetermined item specified based on the user operation as a search condition is provided.
The selection means selects the exercise data searched by the search means.
The motion data processing apparatus according to claim 8 .
ことを特徴とする請求項４に記載の運動データ処理装置。 The data for one cycle is data related to a specific timing during the predetermined exercise.
The motion data processing apparatus according to claim 4 .
ことを特徴とする請求項４に記載の運動データ処理装置。 The predetermined exercise is running, and the one cycle is from "when one foot touches the ground" to "at the bottom of one foot", "when one foot takes off", and "when one foot takes off". After "highest time", "when the other foot touches down", "at the bottom of the other foot", "when the other foot takes off", "at the highest time of the other foot", and then the next "one" Until "when the foot touches the ground",
The motion data processing apparatus according to claim 4 .
所定の運動を行う毎に得られる当該運動の動作における運動データを平均化して平均化データを生成する平均化工程と、An averaging step of averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed to generate averaging data, and
前記平均化工程にて生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成する第１抽出工程と、The first extraction step of extracting the data of a specific section in the averaging data generated in the averaging step to generate the first extraction data, and the first extraction step.
一の運動データ中の前記特定区間のデータを抽出して第２抽出データを生成する第２抽出工程と、A second extraction step of extracting the data of the specific section in one motion data to generate the second extraction data, and
前記第２抽出工程にて抽出された前記第２抽出データと、前記第１抽出工程にて抽出された前記第１抽出データとの差分を算出した差分データを生成する差分化工程と、A differentiation step of generating difference data obtained by calculating the difference between the second extraction data extracted in the second extraction step and the first extraction data extracted in the first extraction step.
を含むことを特徴とする運動データ処理方法。A method of processing motion data, characterized in that it includes.
所定の運動を行う毎に得られる当該運動の動作における運動データを平均化して平均化データを生成する平均化手段、An averaging means that generates averaging data by averaging the exercise data in the motion of the exercise obtained each time a predetermined exercise is performed.
前記平均化手段により生成された平均化データ中の特定区間のデータを抽出して第１抽出データを生成する第１抽出手段、The first extraction means, which extracts the data of a specific section in the averaging data generated by the averaging means and generates the first extraction data.
一の運動データ中の前記特定区間のデータを抽出して第２抽出データを生成する第２抽出手段、A second extraction means for extracting the data of the specific section in one motion data and generating the second extraction data,
前記第２抽出手段により抽出された前記第２抽出データと、前記第１抽出手段により抽出された前記第１抽出データとの差分を算出した差分データを生成する差分化手段、A differentiation means for generating difference data obtained by calculating the difference between the second extraction data extracted by the second extraction means and the first extraction data extracted by the first extraction means.
として機能させることを特徴とする運動データ処理プログラム。An exercise data processing program characterized by functioning as.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018042920A JP7056249B2 (en) | 2018-03-09 | 2018-03-09 | Exercise data processing device, exercise data processing method and exercise data processing program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018042920A JP7056249B2 (en) | 2018-03-09 | 2018-03-09 | Exercise data processing device, exercise data processing method and exercise data processing program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019154624A JP2019154624A (en) | 2019-09-19 |
| JP7056249B2 true JP7056249B2 (en) | 2022-04-19 |
Family
ID=67992928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018042920A Active JP7056249B2 (en) | 2018-03-09 | 2018-03-09 | Exercise data processing device, exercise data processing method and exercise data processing program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7056249B2 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006305311A (en) | 2005-04-01 | 2006-11-09 | Seiji Kubo | Exercising/action meter and service system using it |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5063420B2 (en) * | 2008-03-10 | 2012-10-31 | シャープ株式会社 | Information presentation device and information presentation system |
| JP2017086164A (en) * | 2015-11-02 | 2017-05-25 | セイコーエプソン株式会社 | Electronic apparatus, system, method, program, and recording medium |
| JP6862875B2 (en) * | 2016-06-29 | 2021-04-21 | カシオ計算機株式会社 | Exercise evaluation device, exercise evaluation method and exercise evaluation program |
-
2018
- 2018-03-09 JP JP2018042920A patent/JP7056249B2/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006305311A (en) | 2005-04-01 | 2006-11-09 | Seiji Kubo | Exercising/action meter and service system using it |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019154624A (en) | 2019-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6596945B2 (en) | Motion analysis method, motion analysis apparatus, motion analysis system, and motion analysis program | |
| US9198611B2 (en) | Information processing device, image output method, and program | |
| JP6131706B2 (en) | Walking posture meter and program | |
| JP2016034482A (en) | Exercise analysis device, exercise analysis method, exercise analysis program, and exercise analysis system | |
| CN105229666A (en) | Motion analysis in 3D rendering | |
| JP7327516B2 (en) | Abnormality detection device, judgment system, abnormality detection method, and program | |
| JP6862875B2 (en) | Exercise evaluation device, exercise evaluation method and exercise evaluation program | |
| WO2012011350A1 (en) | Gait posture assessment device | |
| JP6446941B2 (en) | Kinematic analysis apparatus, method, and program | |
| KR20160024124A (en) | Gait correction system and control method for the same | |
| JP6796197B2 (en) | Information processing equipment, information processing methods and programs | |
| WO2014181605A1 (en) | Walking posture meter and program | |
| JP6310255B2 (en) | Method and apparatus for presenting options | |
| JP7056249B2 (en) | Exercise data processing device, exercise data processing method and exercise data processing program | |
| US20230316620A1 (en) | System and method for generating a virtual avatar | |
| CN107153461B (en) | method for controlling motion mode of display object and motion control device | |
| US20220161095A1 (en) | Running method determination device, running-method determination method, and program | |
| JP2019071963A (en) | Training device and program | |
| JP6711433B2 (en) | Running analysis device, running analysis method and running analysis program | |
| JP2015071000A (en) | Exercise analysis program | |
| US20230368447A1 (en) | Knee trajectory information generation device, knee trajectory information generation method, and recording medium | |
| US20230371849A1 (en) | Gait information generation device, gait information generation method, and recording medium | |
| US20230329586A1 (en) | Gait information generation device, gait information generation method, and recording medium | |
| WO2022091319A1 (en) | Discrimination device, discrimination system, discrimination method, and program recording medium | |
| JP2012191962A (en) | Position variation detection device, system including the same, and method for operating the position variation detection device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210224 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211125 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211207 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220201 |
|
| 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: 20220308 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220321 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7056249 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |