研究課題/領域番号 |
20K11344
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分59020:スポーツ科学関連
|
研究機関 | 早稲田大学 |
研究代表者 |
渡辺 裕 早稲田大学, 理工学術院, 教授 (10329154)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
研究課題ステータス |
完了 (2022年度)
|
配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
キーワード | 動作解析 / 骨格情報 / 姿勢推定 / 動作整合 / 姿勢情報 / 機械学習 / 動的時間伸縮法 / 運動解析 / 深層学習 |
研究開始時の研究の概要 |
本研究では、映像のみから人物の姿勢情報を機械学習により推定し、推定された人物の骨格座標を用いて運動解析や動作解析を行い、動作認識や個人認識の識別率の向上を目指す。 機械学習を用いた骨格情報推定アルゴリズムは、非接触なアプローチであることに大きな利点がある。したがって、これらのアルゴリズムはスポーツ運動分析などの分野に対して幅広く適用できると考えられる。スポーツ運動分析や介護姿勢推定の分野では、パターン認識に加えて、推定された骨格情報の位置、角度、同期性、一致度の解析が望まれる。これらの解析結果から、運動や動作のパフォーマンスを向上させる動きに関する知識を獲得する。
|
研究成果の概要 |
人物の動作映像から骨格情報を検出し、それらの骨格情報に基づく動作対応付けを自動的に行う手法についての研究に取り組んできた。二つの時系列データの対応づけを行う動的時間伸縮法において、従来法に比べて骨格形状に基づく姿勢の対応付けの精度及び動作の開始と終了点の整合が改善されることを示した。また処理おける演算量削減を可能とした。人物の動作映像から得られる骨格情報は、3次元オブジェクトが2次元に射影された形状となる。そこで、2次元の骨格情報から3次元姿勢を推定する手法について検討を行った。骨格の左右対称性及び骨格の絶対長が変化しないとう前提条件の元で、姿勢推定結果が改善されることを示した。
|
研究成果の学術的意義や社会的意義 |
本研究では、機械学習を用いて得られる骨格情報をもとに運動動作の解析に必要な処理の高精度化と高速化について検討を行った。特に、動作パターン認識に加えて、推定骨格情報の位置、角度、同期性、一致度の解析が進んだことに意義があると考えられる。機械学習を用いた骨格情報推定アルゴリズムは、非接触なアプローチであることに大きな利点があり、これらの研究成果はスポーツ運動分析や医療介護などの分野に対して幅広く適用できる。今後、スポーツにおけるスキル向上だけでなく、介護におけるリハビリの幇助技術として、人類の生活品質の向上に貢献できると考えられる。
|