|
本研究では，全スポーツ競技のトレーニング支援として，人工知能（Deep Learning）を活用したスポーツ競技映像における選手の関節位置検出アルゴリズムの考案に取り組んでいる．これまでの人工知能を活用した関節位置検出アルゴリズムでは２次元画像上の位置推定を目的としていた．本研究では２次元関節位置検出アルゴリズムを応用し，３次元関節位置検出アルゴリズムの考案に取り組んだ．
本年度は，考案した３次元関節位置検出アルゴリズムにおけるカメラキャリブレーションの定量評価実験を実施した．この実験では，３Dキーポイントに注釈をつけることは難しい場合があるため，再投影誤差を評価した．この実験に使用されるバドミントンシーンは，シャトルコックの打撃開始から終了までのフレームである．実験の結果，提案手法によるカメラキャリブレーションは，高精度であることを確認した．また本実験では関節位置の精度が低い部位が存在したが，選手のセルフオクルージョンが原因であり，セルフオクルージョンが発生しないようにカメラを設定することで解決することができる．
また，手動8点の座標を用いたキャリブレーション手法と提案手法のキャリブレーション手法の定量評価実験を実施した．定量評価実験に使用するデータは，選手のショット映像からラケットの位置を手動で取得した．実験の結果，両方の手法ともにラケットの長さの推定誤差平均は，8点キャリブレーション手法，提案手法ともにほぼ変化はなかった．一方で，コートネットより低い位置にラケットが存在する場合の推定誤差に手法の比較による変化は見られないが，コートネットより高い位置にラケットが存在する場合の推定誤差は提案手法のばらつきが少ない結果を表していた．従って，8点キャリブレーション手法はコートネットの高さより高い位置のキャリブレーション精度は低下することを実証した．
|
