研究課題/領域番号 |
19K04911
|
研究機関 | 順天堂大学 |
研究代表者 |
廣津 信義 順天堂大学, スポーツ健康科学部, 教授 (90360726)
|
研究分担者 |
吉村 雅文 順天堂大学, 大学院スポーツ健康科学研究科, 教授 (10210767)
|
研究期間 (年度) |
2019-04-01 – 2023-03-31
|
キーワード | 深層学習 / 球技 / 評価指標 |
研究実績の概要 |
本研究は、試合中の選手の細かな動きに関する時系列データから深層学習の技術を用いて特徴量を抽出し、指導者の経験などによる評価と比較することで、新たな視点での選手評価の特徴量を見出す可能性を探索すると共に、その有用性を検討することが目的である。対象競技はサッカー、ハンドボール、バスケットボール、バレーボールであったが、新型コロナウィルスの影響もあり、サッカーのデータのみの取得となった。2021年度の実績としては、順天堂大学女子蹴球部所属選手の試合中の動きの測定データについて、Pythonにより100Hzで測定した3次元加速度生データを3秒ごとに高速フーリエ変換(FFT)し、深層学習におけるInvariant Information Clustering(IIC)の手法を用いて、入力層151ノード、中間層4層(128-64-64-128ノード)、出力層10ノードにて選手の動きを10つに分類した。並行して階層的クラスター分析にて分類を行いIICの結果と比較した。FFTの測定条件や深層学習のIICの層数やノード数などを調整して予測精度の高い条件やモデルの探索を継続している。 なお、本年度はデータ測定については、ほぼ予定通り30試合の新規データを取得できた。研究結果については、MathSport2021と日本オペレーションズ・リサーチ学会にて口頭発表を行った。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
当初の予定通り、既に取得していた女子サッカーの測定データについては、深層学習を用いた分析を進めることができている。順天堂大学女子蹴球部の選手を対象として、本年度は予定通り30試合のデータを取得できた。(昨年度は10試合弱であった。)しかしながら、新型コロナウィルスの影響で、ハンドボール、バスケットボール、バレーボールについては新規のデータ測定ができなかった。
|
今後の研究の推進方策 |
既に測定したデータの分析を進めていき、引き続き、深層学習を適用する際の課題を抽出していく。新型コロナウィルスの状況をみつつ、ハンドボール、バスケットボール、バレーボールについて新規のデータ測定を試みる。試合中のみならず練習中や体力テスト時のデータの測定も継続して実施してみる。研究成果についても継続して国内外の学会での口頭発表や論文誌への投稿を通して行っていく。
|
次年度使用額が生じた理由 |
新型コロナウイルスの影響で予定していた学会がオンライン開催となったため、旅費に関しては、次年度で使用したい。また、データ測定に関わる費用についても、ハンドボール、バスケットボール、バレーボールでの測定ができなかった分、次年度での測定数を増やしデータ蓄積を充実させたい。また引き続き、分析専用ソフトウェアCatapult Visionのライセンス料などに使用し、効率よくデータ分析できる体制を維持したい。
|