运动分析装置、运动分析方法及运动分析程序

摘要

运动分析装置100包括：组分类部120，将记录有与运动动作相关的测定数据及在运动中发生变化的规定的基准数据的活动数据基于基准数据分类为多个组；代表数据生成部130，生成各组中的活动数据的代表数据；以及倾向分析部140，对多个组中的代表数据相对于基准数据的倾向进行分析。通过这种运动分析装置100，能够基于运动整体的倾向恰当地分析运动动作。

说明书

技术领域

本发明涉及一种进行运动动作的分析的技术。

背景技术

近年来，智能手机等便携通信终端的轻量化不断发展，而且，也盛行以智能手表为代表的所谓可穿戴设备的开发。这些设备在跑步等运动中也可以穿在身上，能够通过内置的加速度传感器等测定运动动作。也存在基于其测定结果进行用以改善运动动作的指导的服务或应用程序。

现有技术文献

专利文献

专利文献1：日本专利特开2015-154988号公报

发明内容

发明所要解决的问题

专利文献1中公开了如下一种技术：在将跑步或步行等运动中由各种设备测得的数据传送至运动分析用的服务器时，通过设定所需的选取条件来谋求数据传送量的减少与运动分析处理的高速化。作为选取条件的例子，公开有基于“每1km”等距离的条件、基于“每5分钟”等时间的条件、基于“脱离所设定的配速的范围时”等配速变化的条件等。如上所述，意在通过设定被认为会对使用者的运动动作造成影响的选取条件，而进行高效的运动分析。

在专利文献1所公开的技术中，仅将符合选取条件的测定数据传送至运动分析用的服务器，因此能够在所选取的测定数据的范围内进行合适的运动分析。但是，无法保证在所述限定的范围内进行的运动分析的结果对于包括未选取的大部分测定数据在内的运动整体而言也成为合理的内容。尤其是也可能存在所选取的测定数据因某种原因而成为与运动整体的倾向相反的异常数据的情况，所述情况下的运动分析结果反而可能恶化使用者的运动动作。

本发明是鉴于这种状况而完成，其目的在于提供一种能够基于运动整体的倾向恰当地分析运动动作的运动分析装置。

解决问题的技术手段

为了解决所述课题，本发明的某一实施例的运动分析装置包括：组分类部，将记录有与运动动作相关的测定数据及在运动中发生变化的规定的基准数据的活动数据，基于基准数据分类为多个组；代表数据生成部，生成各组中的活动数据的代表数据；以及倾向分析部，对多个组中的代表数据相对于基准数据的倾向进行分析。

根据所述实施例，通过将运动中所记录的一系列活动数据分类为多个组，并对所述代表数据的组间的倾向进行分析，而能够基于运动整体的倾向恰当地分析运动动作。

本发明的另一实施例为一种运动分析方法。所述方法包括：组分类步骤，将记录有与运动动作相关的测定数据及在运动中发生变化的规定的基准数据的活动数据，基于基准数据分类为多个组；代表数据生成步骤，生成各组中的活动数据的代表数据；以及倾向分析步骤，对多个组中的代表数据相对于基准数据的倾向进行分析。

此外，将以上结构要素的任意组合、本发明的表现在方法、装置、系统、记录媒体、计算机程序等之间转换而成者作为本发明的形态也有效。

发明的效果

根据本发明，能够基于运动整体的倾向恰当地分析运动动作。

附图说明

图1是包括实施方式的运动分析装置的系统的整体结构图。

图2是表示运动分析装置的活动数据的处理例的图。

图3是表示倾向分析结果与指导信息的显示例的图。

图4是表示倾向分析结果与指导信息的显示例的图。

图5是表示倾向分析结果与指导信息的显示例的图。

图6是表示利用运动分析装置进行的运动分析处理的流程的图。

具体实施方式

在本实施方式中，基于在使用者的运动中所测得的数据，进行运动动作的分析与改善指导。在分析运动动作时，基于速度等基准数据将测定数据分组。例如，分类为速度为正常范围内时的组、速度大于正常范围时的组、速度小于正常范围时的组这三个组。此时，速度大于/小于正常范围的组的测定数据数量减少，但通过进行使用各组的代表数据的分析，不论各组所包括的数据数量的多寡，均能够确实地掌握各组的倾向。

图1是包括实施方式的运动分析装置100的系统的整体结构图。运动分析装置100基于在使用者的跑步中由测定设备20所测得的测定数据，对运动动作进行分析。所述分析结果与用以改善运动动作的指导信息一起显示于使用者所使用的显示设备30。

测定设备20例如为在跑步中使用者能够穿在身上的智能手表等可穿戴设备或智能手机，通过内置的传感器测定跑步中的运动动作。但是，在本实施方式中，测定设备20并不限定于这些，只要具有跑步中的数据测定功能、及用来将所述测定数据传导至运动分析装置100的最低限度的数据传导功能，则可为任意设备。例如，作为测定设备20，也可以使用拍摄跑步中的使用者的相机(拍摄设备)。在所述情况下，由相机拍摄到的数据作为测定数据供给至运动分析装置100。

如上所述，由于可使用各种设备作为测定设备20，故而运动分析装置100能够获得与使用者跑步中的运动动作相关的各种测定数据。

例如，在如上所述使用可穿戴设备或智能手机作为测定设备20的情况下，能够从这些设备中所内置的加速度传感器、角速度传感器、位置传感器(全球定位系统(GlobalPositioning System，GPS)等)、磁性传感器等获得与使用者的位置或运动相关的基本的物理量作为测定数据。通过将这些测定数据适当组合并加以运算，不仅可获得跑步中的使用者的位置、速度、加速度之类的基本的信息，而且也可获得使用者的姿势、腰或骨盆的旋转角度、身体重心的上下移动、蹬踩的强度或角度、间距、步幅、接地时间、接地的位置或角度、身体的弹性模数、着地冲击之类的与运动动作的详情相关的生物力学数据。而且，也可获得距离、高度、倾斜度之类的与跑步的路线相关的信息。

进而，在测定设备20包括测定亮度等的环境光传感器、温度传感器、湿度传感器等测定外部环境的传感器的情况下，运动分析装置100也能够基于跑步中的外部环境进行合适的分析。而且，在使用近年开发盛行的能够测定心跳等生物信号的可穿戴设备作为测定设备20的情况下，运动分析装置100也能够基于使用者的身体的状态进行合适的分析及改善指导。

此外，测定设备20也可以从周围测定运动中的使用者，而非必须由使用者在运动中穿在身上。上述利用相机的拍摄是作为典型的例子来考虑，但不限定于此。例如，在使用者使用跑步机等在室内的有限范围内进行跑步的情况下，也能够使用难以携带的测定设备20，因此可利用的测定数据的种类飞越性地增加。

以上举例所说明的各种测定设备20也可以在一次运动中使用多个。例如，可为使用者将作为第一测定设备20的可穿戴设备穿在身上进行测定，同时利用作为第二测定设备20的相机拍摄使用者。运动分析装置100能够基于这种来自多个测定设备20的测定数据，对使用者的运动动作多方面地进行分析，而可生成用于其的有效改善的指导信息。

显示设备30是显示基于来自测定设备20的测定数据而由运动分析装置100所生成的运动分析的结果及用以改善运动动作的指导信息的设备。例如，在使用智能手机作为测定设备20的情况下，其也作为显示分析结果及指导信息的显示设备30发挥功能。而且，在使用不具有显示功能的相机等测定设备20的情况下，使用者所拥有的其他设备、例如智能手机、平板、手表、智能眼镜、计算机等可作为显示设备30而使用。

运动分析装置100构成于能够经由通信网络而与测定设备20及显示设备30进行通信的服务器上。此外，也可以不经由通信网络，而是经由可携带的存储媒体进行运动分析装置100与测定设备20/显示设备之间的数据的转移的方式构成。运动分析装置100包括活动数据记录部110、组分类部120、代表数据生成部130、倾向分析部140、指导信息生成部150、及显示控制部160。

活动数据记录部110对记录有与运动动作相关的测定数据及在运动中发生变化的规定的基准数据的活动数据进行记录。这里，与运动动作相关的测定数据是成为运动分析装置100的分析及指导信息生成的对象的参数的实测值，例示出所述所列举的各种生物力学数据(使用者的姿势、腰或骨盆的旋转角度、身体重心的上下移动、蹬踩的强度或角度、间距、步幅、接地时间、接地的位置或角度、身体的弹性模数、着地冲击等)。而且，基准数据是后段的组分类部120中的组分类处理中用作基准的数据，与所述与运动动作相关的测定数据一起在运动中进行测定。作为基准数据的例子，可列举运动中的时间、步骤数、距离、位置、速度、加速度、高度、倾斜度、亮度、气温、湿度、心跳等生物信号等。如上所述，基准数据并不限于如根据运动的进行而单调变化的时间、步骤数、距离、位置那样的数据，也可以利用如在运动中增减的速度、加速度、高度、倾斜度、亮度、气温、湿度、心跳那样的数据。

活动数据记录部110记录将如上所述的与运动动作相关的测定数据与在运动中发生变化的基准数据设为组并建立关联而成者作为活动数据。此时，活动数据记录部110能够在单一或多个运动中记录活动数据。作为最简单的例子，在测定数据与基准数据分别仅为一个参数的情况下，活动数据以将基准数据设为x轴、将测定数据设为y轴的xy平面上的点的形式表示。

图2(A)表示选择“配速”(每单位距离的所需时间(速度的倒数))作为基准数据、选择“骨盆的旋转角度”作为测定数据的情况下的活动数据的记录例。所述例子在约20次跑步中记录活动数据，作为横轴的x轴表示配速，作为纵轴的y轴表示骨盆的旋转角度。如所述图所示，运动中所记录的一系列活动数据构成在分别以基准数据与测定数据作为坐标轴的坐标空间内绘制的点所形成的散布图。

将其概括化而言，在以n个参数(y1、y2、……、yn)表示测定数据，以m个参数(x1、x2、……、xm)表示基准数据的情况下，活动数据构成在以m+n个参数作为坐标轴的m+n维的坐标空间内绘制的点所形成的散布图。以下，在本实施方式中，为了简化，而对图2(A)所示的二维的例子(m、n＝1)进行说明。

组分类部120将由活动数据记录部110在单一或多个运动中所记录的活动数据统一基于基准数据分类为多个组。图2(B)表示针对图2(A)的活动数据的组分类的例子。在所述例子中，假定相对于作为基准数据的配速的活动数据的分布接近正态分布，基于全部活动数据的基准数据的平均值μ与其标准偏差σ，将活动数据分类为以下三个组。

将与μ偏离±2σ以内的活动数据分类为组1。在活动数据完全依照正态分布的情况下，全部活动数据的约95.4％被分类为组1。

将与μ偏离超过-2σ的活动数据分类为组2。在活动数据完全依照正态分布的情况下，全部活动数据的约2.3％被分类为组2。

将与μ偏离超过+2σ的活动数据分类为组3。在活动数据完全依照正态分布的情况下，全部活动数据的约2.3％被分类为组3。

此外，所述±2σ为例示，也可以使用其他值作为组分类的基准。在与所述例子同样使用标准偏差σ的情况下，对于任意正数k，可采用±kσ作为组的基准范围。而且，所述中为了简化而示出分类为三个组的例子，但也可以分类为更细化的组。例如，可以μ-2σ、μ-σ、μ+σ、μ+2σ这四个值为间隔而分类成五个组。

此外，本发明并不限定于这种统计性的分类方法，使用者或计算机可任意设定各组的边界。例如，可以任意维函数近似相对于基准数据的测定数据的整体的分布，并将其拐点设为分组的基准。而且，也可以使用利用回归分析、决策树等监督式学习进行的分类或利用无监督学习进行的聚类。作为聚类的方法，可使用离差平方和法等层级型聚类，也可以使用k-平均(k-means)法等非层级型聚类。

在图2(B)的例子中，组1是基准数据在正常的范围内的组，组2及组3是基准数据偏离了正常的范围的组。这里，采用配速作为基准数据，因此组1包括配速为正常(约290sec/km-400sec/km)时的活动数据组，组2包括配速快于正常(约小于290sec/km)时的活动数据组，组3包括配速慢于正常(约大于400sec/km)时的活动数据组。如上所述，大部分(约95.4％)的活动数据属于正常范围的组1，通过以区别于其的形式分别形成组2及组3，能够不忽视属于这些各组的少量(分别约2.3％)活动数据而进行合适的运动分析。

代表数据生成部130生成各组中的活动数据的代表数据。图2(C)表示图2(A)及图2(B)的活动数据的代表数据的生成例。组1～组3各自的代表数据R1～代表数据R3可通过计算属于各个组的全部活动数据的平均值而求出。更具体而言，在将属于各组的第i个活动数据表示为(xi，yi)的情况下，代表数据的x坐标为xi的平均值，代表数据的y坐标为yi的平均值。此外，这里作为代表数据而例示出平均值，但也可以利用中央值或众数等其他代表值。而且，在大量数据以某种程度均等分布的正常范围的组1中，可不求出基准数据xi的平均值，而是以组范围的中央作为代表数据的x坐标。

倾向分析部140对多个组中的代表数据相对于基准数据的倾向进行分析。具体而言，倾向分析部140求出多个代表数据与基准数据之间成立的相关关系。图2(D)表示图2(A)～图2(C)的活动数据的倾向分析的例子。倾向分析部140对各组1～组3的代表数据R1～代表数据R3进行回归分析。所图示的回归直线L是作为回归分析的结果所求出的回归式所表示的直线。

这里，作为比较例所示出的回归直线L0是通过对全部活动数据进行的回归分析所求出，与组无关。将这两条回归直线L0与L进行比较可知，回归直线L0的斜率大致为零，相对于作为基准数据的配速的变化而言未见特别的倾向，与此相对，回归直线L具有负斜率，图中从右向左配速增加，伴随于此，作为测定数据的骨盆的旋转角度增加。如上所述，根据本实施方式，能够掌握整体的回归分析(L0)中未能掌握的倾向，因此能够进行精度更高的运动分析与改善指导。

回归直线L0与回归直线L之间产生如上所述的差异的原因在于：在求解L0的简单的回归分析中，大部分(约95.4％)的活动数据所属的组1的影响处于支配性地位，因此组2及组3的影响几乎未表现出来。对此，在本实施方式中，首先生成各组的代表数据，并对所述代表数据进行回归分析，因此也未忽视数据量少的组2及组3的倾向。尤其是在跑步等的运动分析中，在如以快于/慢于正常的配速跑步时或跑了长于/短于正常的距离时那样进行偏离了正常范围的运动时，多数情况下会出现姿态的混乱或对身体各部的沉重负担，因此掌握这种偏离正常范围的组的倾向并结合到改善指导中极为重要。

此外，在所述例子中，倾向分析部140所进行的回归分析设为求解回归直线的线性回归分析，但也可以进行使用适当的非线性模型求解回归曲线的非线性回归分析。

指导信息生成部150基于倾向分析部140进行的分析，生成用以改善运动动作的指导信息。在图2(D)的例子中，虽然随着配速的增加，骨盆的旋转角度有所增加，但在为了跑得更快而应进一步增多骨盆旋转量的情况下(即应进一步增大图2(D)的直线L的斜率的绝对值的情况下)，尤其在配速快时能够生成强烈意识到骨盆的旋转的指导信息。

显示控制部160将倾向分析部140获得的分析结果与指导信息生成部150生成的指导信息显示于使用者所使用的显示设备30。显示控制部160在显示倾向分析部140的分析结果时，显示多个代表数据R1～代表数据R3与基准数据之间成立的回归直线L。例如，显示图2(D)的内容作为分析结果，同时一起显示指导信息的文句。此时，无需显示图2(D)所示的作为比较例的回归直线L0。而且，可不显示成为代表数据R1～代表数据R3的基础的各活动数据的点，而仅显示代表数据R1～代表数据R3与所述回归直线L。

显示控制部160可在显示倾向分析部140的分析结果时，针对每个组以视觉上不同的形态进行显示。例如，可针对每个组改变图2(D)中表示各代表数据R1～代表数据R3的点的颜色或形状。而且，在显示成为各代表数据R1～代表数据R3的基础的各活动数据的点的情况下，可针对每个组以不同的颜色或形状显示这些点。而且，如图2(D)所示，对每个组标注“正常”“快”“慢”等不同的标签也包括于以不同的形态显示中。如上所述，通过针对每个组改变显示形态，具有能够强调尤其要求改善的组等优点。

图3～5表示倾向分析部140获得的分析结果与指导信息生成部150生成的指导信息的具体的显示例。这三个显示例30A、显示例30B、显示例30C表示显示于使用者所使用的显示设备30的显示画面中的图像。

图3所示的画面30A是使用者用来获得分析结果与指导信息的私人教学的主画面。使用者通过进行按下设置于画面下部的两个按钮31B、按钮31C的操作，能够转变为各自所对应的画面30B(图4)、画面30C(图5)。按钮31B上记载有“跑得更快”，能够转变目标画面30B中确认以跑步中的配速作为基准数据的分析结果及由其导出的指导信息。按钮31C上记载有“长距离跑步”，能够在转变目标画面30C中确认以跑步中的距离作为基准数据的分析结果及由其导出的指导信息。

在从“跑得更快”按钮31B转变的画面30B的上部的分析结果显示区域中显示以跑步中的配速作为基准数据的分析中确定出应改善的课题的测定数据作为“关注得分”。在图示的例子中，作为关注得分而示出与使用者的姿势相关的“左右对称性”的分析结果。如图2(D)的例子那样，包括基准数据“配速”与测定数据“左右对称性(姿势)”的组的活动数据以配速为基准被分类为三个组“慢”“正常”“快”。然后，如各组的代表数据形成的回归曲线所示，随着配速加快，“左右对称性”的得分有降低的倾向。

因此，在画面30B的下部的指导信息显示区域中，显示用于其改善的指导信息。在画面30B的最下部配置表示从不同观点出发的分析结果的三个按钮“分析1”“分析2”“分析3”及能够获得更详细的指导信息的“改善计划”按钮。图示的“左右对称性”的例子表示“分析1”的内容，若进行按下“分析2”“分析3”的操作，则显示左右对称性以外的测定数据、例如图2(D)所表示的与“骨盆的旋转角度”相关的分析结果及指导信息。如上所述，对于同一基准数据“配速”，能够显示不同的测定数据的分析结果与指导信息，因此使用者能够从各种观点出发来谋求运动动作的改善。

在从“长距离跑步”按钮31C转变的画面30C的上部的分析结果显示区域显示以跑步中的距离作为基准数据的分析中确定出应改善的课题的测定数据作为“关注得分”。在图示的例子中，作为关注得分而示出与着地冲击相关的“负担少的接地”的分析结果。如图2(D)的例子那样，包括基准数据“距离”与测定数据“负担少的接地(着地冲击)”的组的活动数据以距离为基准被分类为两个组“短”“长”。在图示的例子中，将包括图中央部的中等程度的距离的区域在内分类为组“长”的原因在于：这些中距离区域与长距离区域中注目得分未见明显差异，可处理为同一组。如上所述，本实施方式的组分类部120可参照活动数据的倾向进行对于运动分析而言最佳的组分类。

如这两个组的代表数据形成的回归直线所示，随着距离变长，“负担少的接地”的得分有降低的倾向。因此，在画面30C的下部的指导信息显示区域中显示用于其改善的指导信息。与画面30B同样，在画面30C的最下部配置表示从不同观点出发的分析结果的三个按钮“分析1”“分析2”“分析3”及能够获得更详细的指导信息的“改善计划”按钮。

通过如以上的显示画面，使用者能够获得“配速”“距离”等各种基准数据相关的分析结果，能够获得“左右对称性”“骨盆的旋转角度”“负担少的接地”等需改善项目相关的确实的建议。

图6表示利用如以上的运动分析装置100进行的运动分析处理的流程。在下文的说明中，“S”意指步骤。

在S10中，在使用者的运动中利用测定设备20进行测定。如上所述，测定设备20对与运动动作相关的测定数据、及组分类部120中成为组分类的基准的基准数据这两者进行测定。

在S20中，测定设备20将测定数据(与运动动作相关的测定数据与基准数据)发送至运动分析装置100。此时，在利用多个测定设备20进行S10中的运动测定的情况下，将全部测定设备20的测定数据发送至运动分析装置100。而且，在利用一个测定设备20测定多个数据的情况下，将全部测定数据发送至运动分析装置100。

在S30中，活动数据记录部110将与运动动作相关的测定数据与基准数据建立对应关系，记录为活动数据(图2(A))。这里，在S30中，可在一次或多次运动中记录活动数据。

在S40中，组分类部120基于基准数据将S30中在一次或多次运动中所记录的活动数据分类为多个组(图2(B))。

在S50中，代表数据生成部130生成各组中的活动数据的代表数据(图2(C))。

在S60中，倾向分析部140对多个组中的代表数据相对于基准数据的相关关系进行分析，求出多个代表数据与基准数据之间成立的关系式(图2(D))。

在S70中，指导信息生成部150基于S60中的倾向分析，生成用以改善运动动作的指导信息。

在S80中，显示控制部160将S60中的倾向分析结果与S70中所生成的指导信息发送至使用者所使用的显示设备30，并显示于其显示画面(图3～5)。

以上，已根据本实施方式的结构对其进行了说明，但除了所述所说明的内容以外，本实施方式例如发挥以下作用或效果。

在本实施方式中，通过将运动中所记录的一系列活动数据分类为多个组，并对所述代表数据的组间的倾向进行分析，能够基于运动整体的倾向适当地分析运动动作，生成用于其改善的指导信息。

在本实施方式中，能够基于在单一或多个运动中所记录的活动数据进行运动分析，因此能够有效地发现在其记录期间恒常出现的改善点，而能够进行合适的改善指导。

而且，根据本实施方式中倾向分析部140所生成的回归曲线L，不仅能够恰当地掌握数据量少的组的倾向，而且能够先行推定至尚不存在数据的区域，有效利用于基于其的目标设定与运动指导。例如，在以跑完距离为42.195km的全程马拉松为目标的情况下，即使目前的最大跑步距离为30km，通过使用回归曲线L，也能够推定未跑的30km至42.195km的区域的测定数据，据此进行假定的课题的选取、及用来解决所述课题于未然的运动指导。而且，为了在目标时间4小时内跑完全程马拉松，需要以比5分钟更快的配速跑完1km，但在目前没有所述快速配速下的数据的情况或所述数据显著地少的情况下，为了达成目标，可推荐以快的配速进行练习。此时，与所述距离同样，使用与配速相关的回归曲线L，即使在配速快的区域不存在数据的情况下，也能够进行假定课题的选取及运动指导。

以上，已基于实施方式对本发明进行了说明。实施方式为例示，本领域技术人员可理解，这些各结构要素或各处理工艺的组合可存在各种变形例，并且这种变形例也处于本发明的范围内。

在本实施方式中，使用配速作为进行组分类的基准数据，但也可以使用其以外的一种或多种基准数据。如本实施方式中也例示的那样，可使用时间、步骤数、距离、位置、速度、加速度、高度、倾斜度、亮度、气温、湿度、心跳等生物信号等的基准数据。例如，若使用高度或倾斜度的信息作为基准数据，则能够有效地发现以特定的高度或倾斜度出现的运动动作上的课题。而且，若使用心跳等生物信号作为基准数据，则能够有效地发现根据使用者的身体状态所出现的运动动作上的课题。进而，若使用多种基准数据，则能够从如上所述的多角度的观点出发，发现本质上的课题。

在本实施方式中，基于平均值μ、标准偏差σ等统计值进行组分类部120中的组分类，也可以不使用统计值而进行组分类。例如，在图2(B)中，可以同样的规定范围、例如以100sec/km为间隔构成组。

在本实施方式中，作为运动的例子而列举跑步进行了说明，但本发明也能够应用于其他运动。例如可应用于各种陆上竞技、游泳、体操、公路自行车等中的训练或锻炼、舞蹈、足球等球类运动。

此外，实施方式中所说明的各装置的功能结构可通过硬件资源或软件资源、或者硬件资源与软件资源的协动来实现。作为硬件资源，可利用处理器、只读存储器(read onlymemory，ROM)、随机存取存储器(random access memory，RAM)、其他大规模集成电路(largescale integration，LSI)。作为软件资源，可利用操作系统、应用程序等程序或云等服务。

符号的说明

100：运动分析装置

110：活动数据记录部

120：组分类部

130：代表数据生成部

140：倾向分析部

150：指导信息生成部

160：显示控制部

20：测定设备

30：显示设备

产业上的可利用性

本发明涉及一种进行运动动作的分析的运动分析装置。