JP7248137B2 - 評価方法、評価プログラムおよび情報処理装置 - Google Patents
評価方法、評価プログラムおよび情報処理装置 Download PDFInfo
- Publication number
- JP7248137B2 JP7248137B2 JP2021550781A JP2021550781A JP7248137B2 JP 7248137 B2 JP7248137 B2 JP 7248137B2 JP 2021550781 A JP2021550781 A JP 2021550781A JP 2021550781 A JP2021550781 A JP 2021550781A JP 7248137 B2 JP7248137 B2 JP 7248137B2
- Authority
- JP
- Japan
- Prior art keywords
- series data
- time
- evaluation
- transition period
- information
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/003—Repetitive work cycles; Sequence of movements
- G09B19/0038—Sports
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
- A63B2024/0068—Comparison to target or threshold, previous performance or not real time comparison to other individuals
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
- A63B2024/0071—Distinction between different activities, movements, or kind of sports performed
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/05—Image processing for measuring physical parameters
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0605—Decision makers and devices using detection means facilitating arbitration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20044—Skeletonization; Medial axis transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30221—Sports video; Sports image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Educational Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Image Analysis (AREA)
Description
図1は、実施例1にかかるシステムの全体構成例を示す図である。図1に示すように、このシステムは、3D(Three-Dimensional)レーザセンサ5、学習装置10、認識装置50、採点装置90を有し、被写体である演技者1の3次元データを撮像し、骨格等を認識して正確な技の採点を行うシステムである。なお、本実施例では、一例として、体操競技における演技者の骨格情報を認識する例で説明する。
次に、図1に示したシステムが有する各装置の機能構成につて説明する。なお、ここでは、学習装置10、認識装置50、採点装置90のそれぞれについて説明する。
図2は、実施例1にかかる学習装置10の機能構成を示す機能ブロック図である。図2に示すように、学習装置10は、通信部11、記憶部12、制御部20を有する。
図10は、実施例1にかかる認識装置50の機能構成を示す機能ブロック図である。図10に示すように、認識装置50は、通信部51、記憶部52、制御部60を有する。
図11は、実施例1にかかる採点装置90の機能構成を示す機能ブロック図である。図11に示すように、採点装置90は、通信部91、記憶部92、制御部94を有する。通信部91は、認識装置50から技の認識結果、技間の組み合わせの評価結果、演技者の骨格情報(3次元の骨格位置情報)などを受信する。
次に、上述した各装置による処理の流れを説明する。なお、技認識処理については、公知の学習モデルやルールベースにより処理を採用することもできるので、詳細な説明は省略する。
図13は、移行部分評価用モデルの学習の流れを示すフローチャートである。図13に示すように、学習装置10の評価用学習部40は、フレーム情報16のうちどの区間を学習データとして切り出すかを決定する(S101)。
図14は、認識処理の流れを示すフローチャートである。図14に示すように、認識装置50は、処理開始が指示されると(S201:Yes)、距離画像を取得し(S202)、骨格情報を生成する(S203)。
上述したように、学習装置10は、時系列の骨格データからエッジデータを算出し、エッジデータから移行部分のデータを出力するモデルAを用意する。学習装置10モデルAから出力されたデータから、移行部分の評価結果を出力するモデルBを用意する。そして、学習装置10は、モデルAとモデルBを繋ぎ合わせた移行部分評価用モデル55に対して、エッジデータを入力して、移行部分のデータと評価結果を出力として学習する。その後、認識装置50は、移行部分評価用モデル55を用いて、エッジデータを入力として、組み合わせの有無を判定する。
実施例1では、学習を行う際に、フレームの開始位置を乱数により決定し切り出しを行う例を説明したが、乱数の確率分布を設定することで、特に動作部分と移行部分の境目を重点的に学習し、精度を上げることもできる。
例えば、実施例1では、移行部分評価用モデル55のモデルAを用いて、移行部分を抽出した後、移行部分評価用モデル55のモデルBを用いて、移行部分を評価する例を説明したが、これに限定されるものではない。例えば、移行部分が予め既知である場合には、移行部分評価用モデル55のモデルBのみを用いて、移行部分の評価を実行することもできる。
上記実施例では、体操競技を例にして説明したが、これに限定されるものではなく、選手が一連の技を行って審判が採点する他の競技にも適用することができる。他の競技の一例としては、フィギュアスケート、新体操、チアリーディング、水泳の飛び込み、空手の型、モーグルのエアーなどがある。例えば、フィギュアスケートに適用した場合、1回目のジャンプ着地と2回目のジャンプ開始の移行時に余分な動作が入っていないかを評価することができる。また、スポーツに限らず、トラック、タクシー、電車などの運転手の姿勢検出やパイロットの姿勢検出などにも適用することができる。例えば、ヘルスケアに適用した場合、足が地面から離れてから、同じ足が再度地面に着地するまでに、余分な動作が入っていないかを評価することができる。
また、上記実施例では、18個の各関節の位置を用いる学習や認識を行う例を説明したが、これに限定されるものではなく、1個以上の関節を指定して学習等を実行することもできる。また、上記実施例では、骨格情報の一例として各関節の位置を例示して説明したが、これに限定されるものではなく、各関節の角度、手足の向き、顔の向きなど、予め定義できる情報であれば、様々な情報を採用することができる。
上記実施例で用いた数値などがあくまで一例であり、実施例を限定するものではなく、任意に設定変更することができる。また、フレームの数等も一例であり、任意に設定変更することができる。また、実施例1では、エッジデータを用いた例を説明したが、これに限定されるものではなく、例えば各関節の相対位置を示す相対座標データを用いることもできる。また、演技開始の先頭フレームや演技終了のフレームを含む区間の場合、他のフレーム数(例えば60)に合わせるためのデータパティングなども任意に実行することができる。また、モデルには、ニューラルネットワークに限らず、様々な機械学習や深層学習を用いることができる。
上記文書中や図面中で示した処理手順、制御手順、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。
次に、学習装置10、認識装置50、採点装置90などのコンピュータのハードウェア構成について説明する。なお、各装置は同様の構成を有するので、ここでは、コンピュータ100として説明し、具体例は認識装置50を例示する。
11 通信部
12 記憶部
13 距離画像
14 骨格定義
15 骨格データ
16 フレーム情報
17 技認識用モデル
18 移行部分評価用モデル
20 制御部
30 技認識学習部
31 前処理部
32 学習データ生成部
33 学習部
40 評価用学習部
41 区間決定部
42 前処理部
43 学習データ生成部
44 学習部
50 認識装置
51 通信部
52 記憶部
53 距離画像
54 技認識用モデル
55 移行部分評価用モデル
56 骨格データ
57 エッジデータ
60 制御部
61 骨格情報生成部
62 前処理部
63 技認識部
64 組み合わせ評価部
65 出力部
Claims (8)
- コンピュータが、
複数の動作を実行する被写体の関節の位置情報に基づく骨格情報を、時系列に取得し、
所定区間の各関節の骨格情報に基づく第1の時系列データの入力に応じて前記第1の時系列データから動作を除外した第2の時系列データを出力するように機械学習された抽出モデルと、前記第2の時系列データの入力に応じて動作の移行期間に該当する尤度を出力するように機械学習された評価モデルとを含む学習モデルに、取得された前記骨格情報に基づく評価対象の時系列データを入力し、
前記学習モデルから前記評価対象の時系列データに対する前記尤度を含む出力結果を取得し、
前記出力結果に基づき、前記評価対象の時系列データが前記移行期間に該当するか否かを評価し、
前記移行期間の評価結果を出力する、
処理を実行することを特徴とする評価方法。 - 前記評価対象の時系列データを用いて、接続された骨格の向きを表すエッジデータを算出する処理を、前記コンピュータが実行し、
前記入力する処理は、前記エッジデータを前記抽出モデルに入力して、前記抽出モデルの出力結果に基づき前記移行期間に該当する時系列データを取得し、前記移行期間に該当する時系列データを前記評価モデルに入力し、
前記取得する処理は、前記学習モデルから前記尤度を含む出力結果を取得し、
前記評価する処理は、前記評価モデルの出力結果に基づき、前記移行期間を評価する、ことを特徴とする請求項1に記載の評価方法。 - 前記評価対象の時系列データを用いて、接続された骨格の向きを表すエッジデータを算出し、
前記エッジデータに基づき各動作に該当する尤度を出力するように学習された特定モデルを用いて、複数の動作を検出する処理を、前記コンピュータが実行し、
前記評価する処理は、前記評価対象の時系列データを前記特定モデルに入力して前記各動作の尤度を取得し、前記各動作の尤度に基づき前記評価対象の時系列データで行われた動作を評価する、ことを特徴とする請求項1に記載の評価方法。 - 前記評価モデルは、
前記移行期間が閾値未満の期間である場合、正規分布に従う乱数を用いて、前記移行期間に該当する骨格情報から所定数の骨格情報を取得し、
前記移行期間が閾値以上の期間である場合、ベータ分布に従う乱数を用いて、前記移行期間に該当する骨格情報から所定数の骨格情報を取得し、
取得された前記所定数の骨格情報を用いて、前記移行期間に該当する前記尤度を出力するように生成されることを特徴とする請求項1に記載の評価方法。 - 前記入力する処理は、前記評価対象の時系列データにおける前記動作の移行期間が既知であり、かつ、前記移行期間が閾値未満の期間である場合、正規分布に従う乱数を用いて、前記移行期間に該当する骨格情報から所定数の骨格情報を取得し、前記評価対象の時系列データにおける前記動作の移行期間が既知であり、かつ、前記移行期間が閾値以上の期間である場合、ベータ分布に従う乱数を用いて、前記移行期間に該当する骨格情報から所定数の骨格情報を取得し、取得された所定数の骨格情報に基づく評価対象の時系列データを前記評価モデルに入力し、
前記評価する処理は、前記評価モデルの出力結果に基づき、前記移行期間を評価することを特徴とする請求項1に記載の評価方法。 - 前記取得する処理は、体操競技の演技を行う演技者の関節の位置情報に基づく骨格情報を時系列に取得し、
前記入力する処理は、前記体操競技の演技中の骨格情報の時系列データのうち前記評価対象の骨格情報の時系列データを前記学習モデルに入力し、
前記評価する処理は、前記学習モデルの出力結果から特定される前記体操競技の演技と演技の間の移行期間および前記移行期間の尤度に基づき、前記移行期間が、技と技の間の止まり、技と技の間に余分なステップ、技と技の間で足が台に触れる、技と技の間でバランスを失う、2つめの技の踏切の前に1つめの技で明らかに脚または腰が伸張する、余分な腕の振りのいずれの実施にも該当しない場合に、前記移行期間を技間の組み合わせであると評価する、ことを特徴とする請求項1に記載の評価方法。 - コンピュータに、
複数の動作を実行する被写体の関節の位置情報に基づく骨格情報を、時系列に取得し、
所定区間の各関節の骨格情報に基づく第1の時系列データの入力に応じて前記第1の時系列データから動作を除外した第2の時系列データを出力するように機械学習された抽出モデルと、前記第2の時系列データの入力に応じて動作の移行期間に該当する尤度を出力するように機械学習された評価モデルとを含む学習モデルに、取得された前記骨格情報に基づく評価対象の時系列データを入力し、
前記学習モデルから前記評価対象の時系列データに対する前記尤度を含む出力結果を取得し、
前記出力結果に基づき、前記評価対象の時系列データが前記移行期間に該当するか否かを評価し、
前記移行期間の評価結果を出力する、
処理を実行させることを特徴とする評価プログラム。 - 複数の動作を実行する被写体の関節の位置情報に基づく骨格情報を、時系列に取得し、
所定区間の各関節の骨格情報に基づく第1の時系列データの入力に応じて前記第1の時系列データから動作を除外した第2の時系列データを出力するように機械学習された抽出モデルと、前記第2の時系列データの入力に応じて動作の移行期間に該当する尤度を出力するように機械学習された評価モデルとを含む学習モデルに、取得された前記骨格情報に基づく評価対象の時系列データを入力し、
前記学習モデルから前記評価対象の時系列データに対する前記尤度を含む出力結果を取得し、
前記出力結果に基づき、前記評価対象の時系列データが前記移行期間に該当するか否かを評価し、
前記移行期間の評価結果を出力する、
制御部を有することを特徴とする情報処理装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/038638 WO2021064830A1 (ja) | 2019-09-30 | 2019-09-30 | 評価方法、評価プログラムおよび情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021064830A1 JPWO2021064830A1 (ja) | 2021-04-08 |
JP7248137B2 true JP7248137B2 (ja) | 2023-03-29 |
Family
ID=75337832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021550781A Active JP7248137B2 (ja) | 2019-09-30 | 2019-09-30 | 評価方法、評価プログラムおよび情報処理装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11995845B2 (ja) |
JP (1) | JP7248137B2 (ja) |
WO (1) | WO2021064830A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20240202933A1 (en) * | 2021-05-19 | 2024-06-20 | Nippon Telegraph And Telephone Corporation | Learning apparatus, estimation apparatus, learning model data generation method, estimation method and program |
CN116098611B (zh) * | 2022-12-07 | 2024-05-24 | 上海傅利叶智能科技有限公司 | 肢体运动康复的评估生成***、方法及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018069981A1 (ja) | 2016-10-11 | 2018-04-19 | 富士通株式会社 | 運動認識装置、運動認識プログラムおよび運動認識方法 |
WO2019116495A1 (ja) | 2017-12-14 | 2019-06-20 | 富士通株式会社 | 技認識プログラム、技認識方法および技認識システム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8730245B2 (en) * | 2008-12-01 | 2014-05-20 | Naturalmotion Ltd. | Defining an animation of a virtual object within a virtual world |
US9067097B2 (en) * | 2009-04-10 | 2015-06-30 | Sovoz, Inc. | Virtual locomotion controller apparatus and methods |
US9358456B1 (en) * | 2010-06-11 | 2016-06-07 | Harmonix Music Systems, Inc. | Dance competition game |
DE102012111304A1 (de) * | 2012-11-22 | 2014-05-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung, Verfahren und Computerprogramm zur Rekonstruktion einer Bewegung eines Objekts |
US20140145936A1 (en) * | 2012-11-29 | 2014-05-29 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for 3d gesture behavior recognition |
US9322653B2 (en) * | 2013-01-16 | 2016-04-26 | Disney Enterprises, Inc. | Video-based motion capture and adaptation |
US9827496B1 (en) * | 2015-03-27 | 2017-11-28 | Electronics Arts, Inc. | System for example-based motion synthesis |
US10262423B2 (en) * | 2016-03-29 | 2019-04-16 | Verily Life Sciences Llc | Disease and fall risk assessment using depth mapping systems |
US10628664B2 (en) * | 2016-06-04 | 2020-04-21 | KinTrans, Inc. | Automatic body movement recognition and association system |
JP2018068516A (ja) | 2016-10-26 | 2018-05-10 | 国立大学法人名古屋大学 | 運動動作評価システム |
JP6712584B2 (ja) | 2017-11-30 | 2020-06-24 | 日本電信電話株式会社 | 運動パフォーマンス評価装置、学習装置、運動パフォーマンス評価方法、学習方法、運動パフォーマンス評価プログラム、学習プログラム |
WO2020049692A2 (ja) * | 2018-09-06 | 2020-03-12 | 株式会社ソニー・インタラクティブエンタテインメント | 推定装置、学習装置、推定方法、学習方法及びプログラム |
US20220335625A1 (en) * | 2019-08-29 | 2022-10-20 | Citizen Watch Co., Ltd. | Video generation device |
US11887232B2 (en) * | 2021-06-10 | 2024-01-30 | Electronic Arts Inc. | Enhanced system for generation of facial models and animation |
-
2019
- 2019-09-30 WO PCT/JP2019/038638 patent/WO2021064830A1/ja active Application Filing
- 2019-09-30 JP JP2021550781A patent/JP7248137B2/ja active Active
-
2022
- 2022-02-28 US US17/683,151 patent/US11995845B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018069981A1 (ja) | 2016-10-11 | 2018-04-19 | 富士通株式会社 | 運動認識装置、運動認識プログラムおよび運動認識方法 |
WO2019116495A1 (ja) | 2017-12-14 | 2019-06-20 | 富士通株式会社 | 技認識プログラム、技認識方法および技認識システム |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021064830A1 (ja) | 2021-04-08 |
US20220189042A1 (en) | 2022-06-16 |
US11995845B2 (en) | 2024-05-28 |
WO2021064830A1 (ja) | 2021-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6733738B2 (ja) | 運動認識装置、運動認識プログラムおよび運動認識方法 | |
JP6082101B2 (ja) | 身体動作採点装置、ダンス採点装置、カラオケ装置及びゲーム装置 | |
JP7235133B2 (ja) | 運動認識方法、運動認識プログラムおよび情報処理装置 | |
JP7367764B2 (ja) | 骨格認識方法、骨格認識プログラムおよび情報処理装置 | |
CN108256433A (zh) | 一种运动姿态评估方法及*** | |
US11995845B2 (en) | Evaluation method, storage medium, and information processing apparatus | |
JP6943294B2 (ja) | 技認識プログラム、技認識方法および技認識システム | |
JP7014304B2 (ja) | 認識方法、認識プログラム、認識装置および学習方法 | |
JP7164045B2 (ja) | 骨格認識方法、骨格認識プログラムおよび骨格認識システム | |
KR20220028654A (ko) | 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법 | |
US20220222975A1 (en) | Motion recognition method, non-transitory computer-readable recording medium and information processing apparatus | |
CN112933581A (zh) | 一种基于虚拟现实技术的体育动作评分方法与装置 | |
CN113409651A (zh) | 直播健身方法、***、电子设备、存储介质 | |
JP2018142815A (ja) | 3次元データ取得装置及び方法 | |
US20170154441A1 (en) | Orientation estimation method, and orientation estimation device | |
KR102171319B1 (ko) | 동작 교본 저작 장치, 동작 자가 학습 장치 및 방법 | |
Pai et al. | Home Fitness and Rehabilitation Support System Implemented by Combining Deep Images and Machine Learning Using Unity Game Engine. | |
Fung et al. | Hybrid markerless tracking of complex articulated motion in golf swings | |
JP7272470B2 (ja) | 運動認識方法、運動認識プログラムおよび情報処理装置 | |
US20210307652A1 (en) | Systems and devices for measuring, capturing, and modifying partial and full body kinematics | |
JP2024063331A (ja) | 動作解析装置 | |
JP2022061784A (ja) | 運動解析装置、運動解析方法、及び運動解析プログラム | |
JP2023178888A (ja) | 判定装置、判定方法、及びプロググラム | |
JP2021022153A (ja) | データ処理装置、データ処理方法、およびプログラム | |
CN116648190A (zh) | 骨架估计装置、骨架估计方法及体操评分辅助*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221004 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221201 |
|
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: 20230214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7248137 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |