バレーボールにおける効果的なサーブ習得のための新たなボール認識システム構築

• Project/Area Number: 23K10706
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 59020:Sports sciences-related
• Research Institution: Kyushu Sangyo University
• Principal Investigator: 増村 雅尚 九州産業大学, 人間科学部, 教授 (60635639)
• Co-Investigator(Kenkyū-buntansha): 杉浦 忠男 崇城大学, 情報学部, 教授 (60304010)
• Project Period (FY): 2023-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2026: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000); Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000); Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
• Keywords: バレーボール / 動体認識 / ミリ波レーダー

Outline of Research at the Start

本研究の目的は，バレーボール競技において，効果的なサーブの検討を行うため，新たなボール認識システムを構築し，3次元座標取得の簡便・自動化を目指すものである．
研究方法として画像認識によるボールの3次元軌道自動取得システムの開発を行う．さらにミリ波レーダーを利用した動体認識後，リアルタイムでのボールの3次元座標の取得システムの開発を行う．
期待できる成果として，画像分析とミリ波という新たなセンシング技術とバレーボールの異分野融合により，相当数のサーブ分析が可能となる．また，ボールの高低差情報から守備位置を変えるなど，全く新しいコーチング示唆を得ることができ，新しいサーブ技術に貢献できると考える．

Outline of Annual Research Achievements

本研究の初年度として、研究環境の整備を重点的に行った。撮影動画からのディープラーニング（畳み込みニューラルネットワーク）によるボール認識プログラム（GPU版）は完成しており、簡便な活用方法を検討している。加えて、当初の計画に加えて「yolo8」を物体認識の学習モデルとして検討することとしている。
データ収集は順調に行えており、バレーボール国際大会での撮影も行えており、撮影映像の取集は問題ない。加えて、強化合宿などの映像も収集できており、順調に分析データは蓄積できている
また、ミリ波レーダー分析に用いるブログラム作成に若干時間をとられているが、本年度は環境整備を行うことができ、購入した機材による妥当性を検証するため、実験を重ねている。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

本年度は研究環境整備に重点を置き、撮影機材と使用プログラムの整備を行った。物品の購入を行い、機材はそろいつつあるが、物価高騰や物品不足など、当初の予定の物品購入の変更を余儀なくされている。
現在整備できた機材にて、作成したプログラムの妥当性を検証するために、実験および分析を行っている。また、物体認識への新たなアプローチとして、「yolo8」の使用も視野に入れて活動をしている。プロトタイプのプログラムは完成しており、CPU計算とGPU計算の両条件を試作している。
ミリ波レーダー分析に関しても、環境整備を重点的に行い、物品の購入は行えており、現在購入した機材に最適な認識プログラムを作成中である。

Strategy for Future Research Activity

次年度計画では、自動フィードバックシステムの測定精度の検討も計画しており、従来のデジタイズ作業による座標値との比較検討による測定精度を評価していく予定である。加えて、「yolo8」による物体認識はCPU動作での計算方式ではリアルタイムでの認識に限界があり、GPU計算を採用予定としている。そのため、高スペックGPUパソコン（RTX40番台）の準備を計画し、分析していく予定である。ミリ波レーダー分析では、プログラム作成に引き続き、認識精度の検討を予定している。