Promotion of informatisation for swimming. - swimming motion estimation by artificial intelligence, and ontological aggregation of practical instruction knowledge -

点击翻译按钮获取中文摘要

目的：高飛込画像の前処理工夫で、演技の追跡と姿勢推定の検出力を向上させることを目的とした。方法：FINA Diving World Series 2018の10m高飛込を対象とした。飛込台上から入水までの演技を撮影した。 ビデオカメラを縦置で撮影した (1080×1920 px、59.94 fps、SO: 原動画)。演技範囲をSOから切り出した (CL：切り出し動画、300×1200px)。入水終了時フレームを背景画像として CL から抽出した(BS：背景減算動画)。 プログラムはOpenCV4.5.3の機能であるDaSiamPRNトラッカーを利用してPythonで自作した。 ダイバーの胴体を最初の画面で境界ボックスとして指定し、胴体を追跡した。 BSフレームから検出した胴体の中心座標を基にCLの100×300pxの動画を抽出した。 各フレームを1度ごとに360度回転させた300×300ピクセルの動画（RO：回転動画）を作成した。 姿勢推定アプリケーション (Vision Pose、Next-System) を使用して、30 のキー ポイントで姿勢を推定した。結果：胴体の追跡データは、CL よりも BS の方が改善された。 プラットフォームからの離陸と水への進入の間、BS は手動追跡の股関節座標値と非常に高い相関 (r>0.967) を示した。 SO、CL、BS の姿勢推定では多くのデータ不足が観察された。 一方、ROでは65541ポーズが推定された。 回転前のフレームに逆変換したメディアン座標を代表値として使用することで、安定した推定値が得られた。考察：高飛込のパフォーマンス解析において、背景減算を用いた身体追跡で、ダイビング軌跡が捉えられた。 ただし、より細かい手足の動きを推定するには、動画回転にて姿勢推定できる角度を見つけることが適切であることが示唆された。