非接触運動計測による生理指標予測に基づく筋力トレーニングの知能化

点击翻译按钮获取中文摘要

本年度では，まず，RGB-Dカメラを用いた非接触運動計測システムを構築し，スクワット運動における人間の3次元骨格座標を取得できるようにした．また，得られた運動データを基に，スクワット運動のパフォーマンスを評価するための指標を検討し，トレーナーによる主観評価と比較した．さらに，血中乳酸濃度，表面筋電図，自覚疲労度など，疲労指標の計測も行った．そして，運動データを基に疲労度を推定するための機械学習モデルを構築し，その推定精度を検証した．この他，得られた運動データを基に，筋骨格モデル解析により筋活動を推定する方法についても取り組んだ．その結果．以下の3点の成果が得られた．① RGB-Dカメラを用いた非接触運動計測により，スクワット運動中の人間の3次元骨格座標を十分な精度で計測できるようになった．また，その骨格座標を用いて重心の運動や関節トルク，床反力を推定できるようにした．そして，複数被検者を対象としたスクワット運動計測実験を行い，それらの推定値から得られた指標を用いて，トレーナーの主観評価の一部を代替できる可能性を確認した．② 非接触運動計測で得られる運動指標を用いて，血中乳酸濃度，表面筋電図の平均周波数変化，自覚疲労度などの疲労指標を推定するために，ニューラルネットワークを用いた機械学習モデルを構築した．しかしながら，推定精度を検証したところ，汎化性能には欠ける結果となった．③ 非接触運動計測システムで求められる運動データおよび関節トルク・床反力の推定値を用いて，OpenSimを用いた筋活動解析を行うことにより，スクワット運動中の筋活動を推定できるようにした．また，表面筋電図での計測結果と比較したところ，概ね類似した傾向を示した．