時系列パターン解析によるパフォーマンス動作特性の識別と能力評価システムの構築

本研究の目的はスポーツ競技における動作のキネマティクスデータに対して，機械学習であるDTW（動的時間伸縮法）を適用し，競技パフォーマンス動作特性の識別と類型化を行い，個人の特徴を抽出し個人内変動を計量化し，パフォーマンスの成就確率を提供する効果的なフィードバックシステムを構築することである．令和4年度の計画はカーリング選手を対象に慣性センサとマーカーレスモーションキャプチャシステムにより，デリバリー動作におけるキネマティクスデータを得て，条件間の変量間類似度および個人内変動を解析し，デリバリー動作の条件による識別および類型化と条件間の個人内変動を明らかにすることであった．そのうち，キネマティクスデータに対して多次元時系列パターン分析を適用し動作特性を識別する，個人の動作特性を視覚的に表現し，数量化する，得られたデータについてカーリング動作における非線形関係についてパターン生成の分析を行う，について予定どおり実施した．本研究の結果，速いストーンを投じるにはハックを力強く蹴る以上に蹴る際の動作速度が重要と考えられた．また，股関節を中心とする動作速度の素早さがストーン速度と関連しており，一連の動作の速やかな達成がストーン速度に影響すると推測された．動的時間伸縮法（DTW） によってキネマティクス変量によるフォームの個人特性を検討した結果，最もストーン速度が速かった2選手間の類似度よりも，最もストーン速度が遅かった選手と最もストーン速度が速かった選手間においてより類似度が高かった．従って，パフォーマンスの高さは必ずしも同様な動作を形成することには繋がらないと推測された．ストーン速度の上位群と下位群を分離するためにカーネル法によるサポートベクターマシン（SVM）を適用した結果，ハック踏力の立ち上がり速度（率）と股関節角速度によってストーン速度の上位と下位が適切に分類された．

本研究の目的はスポーツ競技における動作のキネマティクスデータに対して，機械学習であるDTW（動的時間伸縮法）を適用し，競技パフォーマンス動作特性の識別と類型化を行い，個人の特徴を抽出し個人内変動を計量化し，パフォーマンスの成就確率を提供する効果的なフィードバックシステムを構築することである．令和4年度の計画はカーリング選手を対象に慣性センサとマーカーレスモーションキャプチャシステムにより，デリバリー動作におけるキネマティクスデータを得て，条件間の変量間類似度および個人内変動を解析し，デリバリー動作の条件による識別および類型化と条件間の個人内変動を明らかにすることであった．そのうち，キネマティクスデータに対して多次元時系列パターン分析を適用し動作特性を識別する，個人の動作特性を視覚的に表現し，数量化する，得られたデータについてカーリング動作における非線形関係についてパターン生成の分析を行う，について予定どおり実施した．本研究の結果，速いストーンを投じるにはハックを力強く蹴る以上に蹴る際の動作速度が重要と考えられた．また，股関節を中心とする動作速度の素早さがストーン速度と関連しており，一連の動作の速やかな達成がストーン速度に影響すると推測された．動的時間伸縮法（DTW） によってキネマティクス変量によるフォームの個人特性を検討した結果，最もストーン速度が速かった2選手間の類似度よりも，最もストーン速度が遅かった選手と最もストーン速度が速かった選手間においてより類似度が高かった．従って，パフォーマンスの高さは必ずしも同様な動作を形成することには繋がらないと推測された．ストーン速度の上位群と下位群を分離するためにカーネル法によるサポートベクターマシン（SVM）を適用した結果，ハック踏力の立ち上がり速度（率）と股関節角速度によってストーン速度の上位と下位が適切に分類された．