WO2013129606A1 - ランニングフォーム診断システムおよびランニングフォームを得点化する方法 - Google Patents

Description

ランニングフォーム診断システムおよびランニングフォームを得点化する方法

　本開示は、ランナーの走行フォームを自動的に診断する技術に関する。

　従来、ランニングやウォーキング、あるいはゴルフなどのフォームの診断は、専門のトレーナーやコーチの目視による個別判断により行われるのが一般的である。一方で、近年においては、そのようなフォーム診断を自動的に行う各種の診断システムが提案されている。

　例えば、特開２００２－２３３５１７号公報（特許文献１）は、歩行の美しさを評価する装置を開示している。当該装置は、圧力センサを用いて被験者の歩行中の足圧分布を計測し、この計測結果に基づいて当該被験者の足圧中心軌跡を求める。そして、当該装置は、このように求めた被験者の足圧中心軌跡と、あらかじめ設定しておいたお手本となる足圧中心軌跡のパラメータとを比較することにより、被験者の歩行の美しさを点数化する。

　特開２０１０－０１７４４７号公報（特許文献２）は、歩行者の歩行状態を分析する装置を開示している。当該装置は、複数の撮像画像から３次元人物モデルを構築することにより、歩行者の歩行動作をデータ化する。そして、データ化された歩行者の歩行動作と、辞書データに登録されている健常な人物の歩行動作とを比較することにより、歩行者の歩行状態を分析する。

特開２００２－２３３５１７号公報 特開２０１０－０１７４４７号公報

　しかしながら、上記したような従来の装置は、いずれも、被験者の測定データと特定のデータとを比較し、当該比較の結果に基づいて被験者の動作の評価を行うものである。このような装置では、比較に利用されるデータがどのように選択されるかによって、評価結果が大きく異なるという問題がある。したがって、評価結果のばらつきを抑制する技術が求められている。

　また、従来の装置において比較に利用されるデータは、専門家の判断基準が厳格に反映されたものではない場合がある。このような場合、当該データを利用して得られた評価の結果が、実際に専門家によって評価された診断結果と比べて、正確性に欠けるという問題もある。したがって、診断結果の正確性が保たれる技術が必要とされている。

　本開示は、上記された従来の課題を解決するためになされたものであり、その目的は、専門家による判断と同等の基準に基づいて、ランナーのランニングフォームを自動的に得点化することのできるランニングフォーム診断システムを提供することである。

　ある局面に従うと、被験者のランニングフォームを得点化するランニングフォーム診断システムが提供される。ランニングフォーム診断システムは、複数のテストランナーの走行に関する情報から抽出された身体動作情報と当該複数のテストランナーのそれぞれの走行に対して専門家が付与した評価との相関関係を表す演算式を記憶するように構成された記憶装置と、被験者の走行に関する情報の入力を受け付けるためのインターフェイスと、インターフェイスに入力された情報に基づいて、被験者のランニングフォームについての得点を出力するように構成されたプロセッサとを備える。プロセッサは、インターフェイスに入力された被験者の走行に関する情報から被験者の身体動作情報を抽出し、当該抽出した身体動作情報を演算式に適用することにより被験者のランニングフォームについての得点を算出するように構成されている。

　好ましくは、演算式は、テストランナーの走行に対して専門家によって付与された２以上の項目の評価を説明変数とし、テストランナーの走行に対して専門家によって付与された総合評価を目的変数として回帰分析を行うことにより得られる第１の回帰式と、テストランナーの身体動作情報を説明変数とし、テストランナーに対して専門家によって付与された２以上の項目の評価のそれぞれを目的変数として回帰分析を行うことにより得られる第２の回帰式とを含む。

　好ましくは、第１の回帰式に利用される２以上の項目は、テストランナーの走行に対して専門家によって付与された予め定められた数の項目の評価とテストランナーの走行に対して専門家が付与した総合評価とが統計的に処理されることによって、予め定められた数の項目の中から特定される。

　さらに好ましくは、第２の回帰式に使用されるテストランナーの身体動作情報は、特定の数の身体動作情報と２以上の項目の評価とが統計的に処理されることによって、特定の数の項目の特性の中から特定される。

　好ましくは、演算式は、テストランナーの複数の身体動作情報を説明変数とし、テストランナーに対して専門家が付与した総合評価を目的変数とした重回帰分析を行うことにより得られる重回帰式とを含む。

　好ましくは、演算式は、テストランナーの複数の身体動作情報を説明変数とし、テストランナーに対して専門家が付与した総合評価を目的変数とした、回帰分析を行うことにより得られる複数の回帰式を含む。プロセッサは、複数の回帰式より得られる複数の総合評価に基づいて被験者のランニングフォームについての得点を算出する。　好ましくは、被験者の身体動作情報は、被験者の前腕の上腕に対する角度を算出することによって得られる肘関節角度、被験者の前腕と上腕のそれぞれのセグメント角度、被験者の下腿の上腿に対する角度を算出することによって得られる膝関節角度、または、被験者の下腿と上腿のそれぞれのセグメント角度の少なくともいずれかを含む。

　好ましくは、ランニングフォーム診断システムは、インターフェイスに結合され、被験者の映像を撮影するための撮影装置をさらに備える。インターフェイスは、被験者の映像の入力を受け付けるように構成されている。プロセッサは、被験者の肘関節角度、または、被験者の前腕と上腕のそれぞれのセグメント角度の少なくともいずれかを抽出する場合、映像の中の、被験者の肩関節と肘関節と手関節に取り付けられたマーカーの画像の位置に基づいて、これらの角度を抽出し、被験者の膝関節角度、または、被験者の下腿と上腿のそれぞれのセグメント角度の少なくともいずれかを抽出する場合、映像の中の、被験者の股関節と膝関節と足関節に取り付けられたマーカーの画像の位置に基づいて、これらの角度を抽出するように構成されている。

　好ましくは、ランニングフォーム診断システムは、被験者に取り付けられる慣性センサをさらに備える。インターフェイスは、慣性センサの検出結果の入力を受け付けるように構成されている。プロセッサは、慣性センサの検出結果に基づいて、被験者の身体動作情報を抽出するように構成されるように構成されている。

　好ましくは、記憶装置は、走行についてのアドバイス情報を、予め区分された得点のそれぞれに関連付けて記憶するように構成されている。プロセッサは、被験者に対して算出した得点に関連付けられているアドバイス情報を出力するように構成されている。

　好ましくは、演算式は、複数のテストランナーの走行に関する情報から抽出された身体動作情報および複数のテストランナーの身体特性と、当該複数のテストランナーのそれぞれの走行に対して専門家が付与した総合評価との相関関係をさらに表す。インターフェイスは、さらに、被験者の身体特性の入力を受け付けるように構成されている。プロセッサは、被験者の身体動作情報および身体特性を演算式に適用することにより、被験者のランニングフォームについての得点を算出するように構成されている。

　他の局面に従うと、コンピュータによって実行される、被験者のランニングフォームを得点化する方法が提供される。コンピュータは、複数のテストランナーの走行に関する情報から抽出された身体動作情報と当該複数のテストランナーのそれぞれの走行に対して専門家が付与した総合評価との相関関係を表す演算式を記憶するように構成された記憶装置と、被験者の走行に関する情報の入力を受け付けるインターフェイスとを備える。方法は、コンピュータが、インターフェイスに入力された被験者の走行に関する情報から被験者の身体動作情報を抽出することと、コンピュータが、抽出した身体動作情報を演算式に適用することにより、被験者のランニングフォームについての得点を算出することを備える。

　好ましくは、演算式は、テストランナーの走行に対して専門家によって付与された２以上の項目の評価を説明変数とし、テストランナーの走行に対して専門家によって付与された得点を目的変数として回帰分析を行うことにより得られる第１の回帰式と、テストランナーの身体動作情報を説明変数とし、テストランナーに対して専門家によって付与された２以上の項目の評価のそれぞれを目的変数として回帰分析を行うことにより得られる第２の回帰式とを含む。

　好ましくは、演算式は、テストランナーの複数の身体動作情報を説明変数とし、テストランナーに対して専門家が付与した総合評価を目的変数とした重回帰分析を行うことにより得られる重回帰式とを含む。

　好ましくは、演算式は、テストランナーの複数の身体動作情報のそれぞれを説明変数とし、テストランナーに対して専門家が付与した総合評価を目的変数とした回帰分析を行うことにより得られる複数の回帰式を含む。コンピュータが被験者のランニングフォームについての得点を算出することは、複数の回帰式より得られる複数の総合評価に基づいて被験者のランニングフォームについての得点を算出することを含む。

　この発明の上記および他の目的、特徴、局面および利点は、添付の図面と関連して理解されるこの発明に関する次の詳細な説明から明らかとなるであろう。

ランニングフォーム診断システムの構成を示す図である。 情報処理装置のハードウェア構成の一例を示す図である。 ランニングフォーム診断システムの動作を示すフローチャートである。 情報処理装置の機能的な構成を示すブロック図である。 演算式の生成のフローチャートである。 ＢＭＩ（Body　Math　Index）の算出方法を説明するための図である。 バイオメカニクスデータの一例である「大腿角度（後方）ＭａｘＭｉｎ」を説明するための図である。 バイオメカニクスデータの一例である「前腕角度（側方）ＭａｘＭｉｎ」を説明するための図である。 バイオメカニクスデータの一例である「上腕角度（側方）Ｍａｘ」を説明するための図である。 バイオメカニクスデータの一例である「下腿角度差－大腿角度差」を説明するための図である。 バイオメカニクスデータの一例である「大腿角速度（側方）Ｍｉｎ」を説明するための図である。 バイオメカニクスデータの一例である「下腿角速度（接地）」を説明するための図である。 バイオメカニクスデータの一例である「下腿角度（側方）Ｍｉｎ」を説明するための図である。 前腕角度報の時系列データの一例を示す図である。 生成される回帰式の一例を示す図である。 演算式を利用したランニングフォーム得点の算出の概要を説明するための図である。 算出されたランニングフォーム得点と、専門家によって付与されたランニングフォーム得点との相関を示す図である。 図５を参照して説明された演算式の生成の変形例のフローチャートである。 ランニングフォーム得点の算出の流れの一例を示す図である。 ランニングフォーム得点の算出の流れの他の例を示す図である。 ランニングフォーム得点の算出の流れのさらに他の例を示す図である。 専門家に配布されるアンケート用紙の概要の一例を示す図である。 専門家に配布されるアンケート用紙の具体例を示す図である。 因子分析により抽出された因子に対する各スキル要因の因子負荷量をプロットした図である。 ２０人のランナーの因子得点をプロットした図である。 抽出された因子の因子得点と、“総合評価”との相関関係を示す図である。 ランニングフォーム得点の算出に利用される数式の組の一例を示す図である。 身体特性およびバイオメカニクスパラメータと、評価項目と、評価項目を用いて算出されるスキル要因と、スキル要因を用いて算出されるランニングフォーム得点との関係を示す図である。 スキル要因「安全」についての、算出された得点と専門家から付与された得点との関係を示す図である。 スキル要因「躍動感」についての、算出された得点と専門家から付与された得点との関係を示す図である。 算出されたランニングフォーム得点と専門家から付与されたランニングフォーム得点との関係を示す図である。 アウトプットシートの具体例を示す図である。 アウトプットシートの具体例を示す図である。 ランニングフォーム診断システムの変形例の概略構成を示す図である。 情報処理装置のハードウェア構成の変形例を示す図である。 情報処理装置の機能構成の変形例を示す図である。 演算式が外部機器で生成される場合の、情報処理装置の機能構成の一例を示す図である。

　以下、ランニングフォーム診断システムの実施の形態について、図面を参照しつつ説明する。以下の説明では、同一の部品には同一の符号が付されている。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返されない。

　［ランニングフォーム診断システムの構成］
　ランニングフォーム診断システムの一実施の形態を含むシステムの構成の一例を説明する。図１は、ランニングフォーム診断システム１００の構成を示す図である。

　図１に示されるように、ランニングフォーム診断システム１００は、トレッドミル１０と、マーカー９０を取り付けられた被験者Ａを撮影する撮影システム２０と、被験者Ａが走行する映像に基づいて当該被験者Ａのランニングフォームを得点化する情報処理装置３０と、被験者Ａのランニングフォームの診断結果を出力する出力装置４０とを備える。被験者Ａは、たとえば、右側６箇所（肩、肘、手首、太腿付け根、膝、足首）のそれぞれにマーカー９０を装着する。情報処理装置３０は、被験者Ａの身体特性を取得し、また、被験者Ａが走行する映像のデータから当該被験者Ａの身体動作情報を抽出する。そして、情報処理装置３０は、身体特性および／または身体動作情報に基づいて、被験者のランニングフォーム得点を算出する。ランニングフォーム診断システムは、少なくとも情報処理装置３０を含む。

　撮影システム２０は、図１に示されるように、たとえば２台のハイスピードカメラを含み、モーションキャプチャ技術を利用できるシステムによって構成することができる。情報処理装置３０は、ＣＰＵ（Central　Processing　Unit）、記憶装置、およびソフトウェア等を含み、たとえばＰＣ（パーソナルコンピュータ）により構成される。情報処理装置３０の詳細な構成は、後述される。出力装置４０は、たとえば、視覚的に情報を出力するモニタやプリンタにより構成される。なお、出力装置４０は、音声など視覚以外の態様で、または、視聴覚情報のように２以上の出力態様の組み合わせで、診断結果を出力しても良い。

　［情報処理装置３０のハードウェア構成］
　図２を参照して、情報処理装置３０のハードウェア構成の一例を説明する。図２は、情報処理装置３０のハードウェア構成の一例を示す図である。

　情報処理装置３０は、ＣＰＵ３００、グラフィック・コントローラ３１０、ＶＲＡＭ（Video　ＲＡＭ（Random　Access　Memory））３１２、Ｉ／Ｏ（入力／出力）コントローラ３１６、インターフェイス３２４，３３２、通信機器（インターフェイス）３２６、メインメモリ３２８、ＢＩＯＳ（Basic　Input　Output　System）３３０、ＵＳＢ（Universal　Serial　Bus）ボード３３６、および、バスライン３３８を備える。

　ＢＩＯＳ３３０は、情報処理装置３０の起動時にＣＰＵ３００が実行するブートプログラムや、情報処理装置３０のハードウェアに依存するプログラム等を格納する。ハード・ディスク３１８、光ディスクドライブ３２２、および、半導体メモリ３２０等の記憶装置は、Ｉ／Ｏコントローラ３１６に接続される。インターフェイス３２４は、たとえばタッチパネルやキーボード等の、情報処理装置３０に対して情報を入力するための装置である。

　インターフェイス３３２は、撮影システム２０から情報処理装置３０への映像データの入力のインターフェイスの一例である。グラフィック・コントローラ３１０は、情報処理装置３０から出力装置４０への情報出力のインターフェイスの一例であり、ＶＲＡＭ３１２を利用する。

　情報処理装置３０は、さらに、無線部３３４とＢｌｕｅｔｏｏｔｈ（登録商標）モジュール３１４とを含む。情報処理装置３０は、無線部３３４を介して、外部機器と無線通信をすることができる。また、情報処理装置３０は、Ｂｌｕｅｔｏｏｔｈモジュール３１４を利用することにより、Ｂｌｕｅｔｏｏｔｈ方式（近距離無線通信方式の一例）で外部機器と通信できる。

　光ディスクドライブ３２２としては、例えば、ＣＤ－ＲＯＭ（Compact　Disc　-　ＲＯＭ（Read　Only　Memory））ドライブ、ＤＶＤ（Digital　Versatile　Disc）－ＲＯＭドライブ、ＤＶＤ－ＲＡＭドライブ、ＢＤ（Blu-ray　Disk）－ＲＯＭドライブが採用される。光ディスク４００は、光ディスクドライブ３２２に対応した形式の記録媒体である。ＣＰＵ３００は、光ディスクドライブ３２２を利用して光ディスク４００からプログラムまたはデータを読み取る。ＣＰＵ３００は、読み取ったプログラムまたはデータを、Ｉ／Ｏコントローラ３１６を介して、メインメモリ３２８にロードでき、また、ハード・ディスク３１８にインストールできる。通信機器３２６は、ＬＡＮ（Local　Area　Network）カード等の、他の機器と通信するために情報処理装置３０に搭載される機器である。

　ＣＰＵ３００は、光ディスク４００または記録媒体（メモリカード等）に格納されてユーザーに提供され得るプログラムを実行可能である。ＣＰＵ３００は、光ディスク４００以外の記録媒体に格納されたプログラムを実行しても良く、通信機器３２６を介してダウンロードされるプログラムを実行しても良い。

　［ランニングフォーム診断システムの全体動作］
　以下に、図１～図３を参照して、ランニングフォーム診断システム１００の動作を説明する。図３は、ランニングフォーム診断システム１００の動作を示すフローチャートである。

　まず、ステップＳ２０１において、被験者Ａの身長、体重、性別、あるいは月間練習量などのユーザー情報が、情報処理装置３０に入力される。ＣＰＵ３００は、ユーザー情報の入力を受け付ける。

　次に、撮影システム２０が、マーカー９０を装着してトレッドミル１０上を一定時間走行する被験者Ａを撮影する（ステップＳ２０２）。撮影により生成された動画データは、情報処理装置３０に出力される。

　次に、情報処理装置３０が、撮影システム２０より送出される映像データから、関節角度や角速度等のバイオメカニクスデータ（身体動作情報）を抽出する（ステップＳ２０３）。ＣＰＵ３００は、被験者Ａの右足が接地してから次に右足が接地するまでの映像データを１サイクル分のデータとして扱う。ステップＳ２０３では、ＣＰＵ３００は、たとえば、複数のサイクルのそれぞれからバイオメカニクスデータを抽出し、それらの平均値を算出する。バイオメカニクスデータの種類については、後述する。

　次に、情報処理装置３０は、ユーザーの特性（ステップＳ２０３で抽出された被験者のバイオメカニクスデータおよび／または身体特性）を所与の演算式に適用することによって、当該被験者のランニングフォーム得点を算出する（ステップＳ２０４）。所与の演算式は、たとえば、過去に複数の専門家（評価者）によって複数のランナーのランニングフォームに対して与えられた評価点と、当該複数のランナーのバイオメカニクスデータとが統計的に処理されることによって、導き出される。

　そして、情報処理装置３０は、ランニングフォーム得点と共に、ランニングフォームのアドバイス情報などを掲載したアウトプットシートを作成し、出力装置４０に表示する（ステップＳ２０５）。当該表示により、ランニングフォーム診断システム１００の一連の動作が終了する。

　［情報処理装置の機能］
　図４を参照して、情報処理装置３０の機能的構成を説明する。図４は、情報処理装置３０の機能的な構成を示すブロック図である。図４に示されるように、情報処理装置３０は、ユーザー情報入力部３１と、データ格納部３２と、身体情報抽出部３３と、演算式生成部３４と、演算式格納部３４Ａと、得点演算部３５と、アウトプットデータ作成部３６とを備える。

　ユーザー情報入力部３１は、被験者の身長、体重、トレッドミル速度、月間練習量などのユーザー情報の入力を受け付けるインターフェイスであり、キーボードや、タッチパネル等で構成される。入力された各種の情報はデータ格納部３２に蓄積される。データ格納部３２には、各種の演算データが格納される他に、専門家によるランニングフォームの評価コメントやフォーム改善点のアドバイス情報などの、アウトプットデータ作成用データが格納されている。得点演算部３５およびアウトプットデータ作成部３６は、データ格納部３２に蓄積された情報を適宜利用する。

　身体情報抽出部３３は、撮影システム２０よりインターフェイス（図２のインターフェイス３３２）を介して伝送される被験者Ａの走行映像から、関節角度や関節角速度などのバイオメカニクスデータを抽出する。図４に示されるように、身体情報抽出部３３は、画像処理部３３ａと、バイオメカニクスデータ抽出部３３ｂとを含む。

　画像処理部３３ａは、撮影システム２０より送られる被験者Ａの走行映像中のマーカーの位置を計測することにより、被験者Ａの動作に関する３次元座標値を求める。画像処理部３３ａは、たとえば、ＣＰＵ３００がモーションキャプチャ処理を行うソフトウェアを実行することにより実現される。画像処理部３３ａで抽出された３次元座標値情報は、バイオメカニクスデータ抽出部３３ｂに送られる。

　バイオメカニクスデータ抽出部３３ｂは、画像処理部３３ａより出力される３次元座標値情報から被験者Ａのバイオメカニクスデータを抽出する。より具体的には、バイオメカニクスデータ抽出部３３ｂは、画像処理部３３ａより出力される３次元座標値情報から被験者Ａの関節角度および関節角速度を算出する。また、バイオメカニクスデータ抽出部３３ｂは、各関節角度（関節角速度）を所与の変換式に適用することにより、絶対座標系の各平面へ投影したセグメント角度（セグメント角速度）を算出する。

　バイオメカニクスデータ抽出部３３ｂは、さらに、関節角度、関節角速度、セグメント角度、セグメント角速度のそれぞれについての加工データを算出する。加工データは、最大値、最小値、および／または、最大値と最小値の差（以下、「最大値－最小値」とも標記する）を含む。加工データは、被験者の一方の足の接地から離地までの時間を規格化したときの、任意の時刻における関節角度や角速度を含む場合もある。

　バイオメカニクスデータ抽出部３３ｂは、たとえば、ＣＰＵ３００が所与のプログラムを実行することによって実現される。本実施の形態では、バイオメカニクスデータは、上記したような、関節角度、関節角速度、セグメント角度、および、セグメント角速度、ならびに、これらの加工データを含み得る。抽出されたバイオメカニクスデータは、バイオメカニクスデータ抽出部３３ｂから得点演算部３５に出力される。

　演算式生成部３４は、上記した演算式を生成する。生成された演算式を特定する情報は、演算式格納部３４Ａに格納される。演算式生成部３４は、たとえば、ＣＰＵ３００が所与のプログラムを実行することによって実現される。演算式生成部３４による演算式の生成については、図５を参照して後述する。

　得点演算部３５は、演算式生成部３４によって生成された演算式を、演算式格納部３４Ａから読み出す。そして、得点演算部３５は、バイオメカニクスデータ抽出部３３ｂから出力されたバイオメカニクスデータを当該演算式に適用することにより、被験者のランニングフォーム得点を算出する。得点演算部３５によるランニングフォーム得点の算出は、図３のステップＳ２０４に相当する。得点演算部３５は、たとえば、ＣＰＵ３００が所与のプログラムを実行することによって実現される。

　得点演算部３５は、算出されたランニングフォーム得点をアウトプットデータ作成部３６に出力する。アウトプットデータ作成部３６は、算出されたランニングフォーム得点を、画像処理部３３ａにおいて切り出された被験者Ａのランニング画像や、データ格納部３２に格納されているランニングアドバイスデータなどと組み合わせることにより、診断結果を生成する。診断結果は、アウトプットシートとして、出力装置４０上に表示される。診断結果は、必要に応じてプリントアウトされる場合がある。アウトプットデータ作成部３６は、たとえば、ＣＰＵ３００が所与のプログラムを実行することによって実現される。アウトプットデータ作成部３６が、出力装置４０等に診断結果を出力させる処理は、図３のステップＳ２０５の処理に相当する。

　なお、診断結果は、アドバイス情報のほかに、被験者のランニングフォームに適したランニングシューズやウェアに関する情報を含む場合がある。すなわち、データ格納部３２には、ランニングフォーム得点や被験者の身体動作情報に対応した、最適なランニングシューズの特性情報や具体的な商品情報が、たとえばデータテーブルとして、予め格納されていても良い。そして、アウトプットデータ作成部３６は、ユーザー情報入力部３１に入力されたユーザー情報、最終的に得られた被験者のランニングフォーム得点、および／または、被験者の身体動作情報に基づいて、上述したデータテーブルを読み出し、最適なランニングシューズ情報を選択して、診断結果に加えることができる。また、ランニングフォーム得点や被験者の身体動作情報などに対応したランニングウェアを特定する情報が、上記データテーブルに含まれる場合がある。この場合、ランニングフォーム診断システムは、診断結果として、被験者に、最適なランニングウェアの情報を提示することができる。

　以上のように、本実施の形態に従ったランニングフォーム診断システムによれば、テストランナーが走行した映像から得られたバイオメカニクスデータと、複数の専門家による当該テストランナーの走行に対して付与されたランニングフォーム得点との相関に基づいて、演算式が準備される。そして、被験者の走行した映像から抽出された当該被験者のバイオメカニクスデータが上記演算式に適用されることにより、当該被験者のランニングフォーム得点が算出される。上記演算式は、複数の専門家に共通する判断指標に基づいて、生成される。これにより、本実施の形態では、被験者の走行に対して、複数の専門家の判断指標に基づいて算出されたランニングフォーム得点が付与されることになる。したがって、付与されるランニングフォーム得点の正確性を向上できる。

　本実施の形態において、テストランナーとは、被験者のランニングフォーム得点の算出のためのデータ収集用ランナーを意味する。つまり、本実施の形態では、テストランナーの走行に基づいて演算式が生成され、当該演算式が利用されることにより、被験者のランニングフォーム得点が算出される。

　［演算式の生成］
　得点演算部３５が被験者のランニングフォーム得点の算出に利用する演算式は、演算式生成部３４によって生成される。ここで、図５を参照して、演算式の生成について説明する。以下、当該演算式の生成について、図５を参照して説明する。図５は、演算式の生成のフローチャートである。

　図５を参照して、演算式の生成の際に、演算式生成部３４は、ステップＳ４０１で、複数のテストランナーの走行の映像データと、当該複数のテストランナーのランニングフォームに対する専門家の採点データとをロードする。

　ステップＳ４０１でロードされる映像データについて説明する。ステップＳ４０１に対する事前準備として、トレッドミルを走行するデータ収集用のテストランナーの映像が準備される。ここでは、複数人分のテストランナーの映像が準備される。当該映像は、たとえば撮影システム２０によって撮影される。説明の便宜のため、テストランナーの数が「Ｍ」で表わされる。Ｍ人のテストランナーは、当該Ｍ人のスキルや性別、年齢などの特性が出来る限り幅広く分布するように選択されることが好ましい。また、全てのテストランナーの映像は、同一の条件下で撮影されたものが好ましい。たとえば、各テストランナーの映像は、少なくとも被験者の右側、および後側から撮影したものを含み得る。ステップＳ４０１では、Ｍ人分のテストランナーの映像データがロードされる。

　ステップＳ４０１でロードされる採点データについて説明する。複数の専門家のそれぞれが、上記のＭ人のテストランナーのランニング映像を見ながら、それぞれのテストランナーのランニングフォーム得点を付与する。採点データは、ここで付与されたランニングフォーム得点を特定する情報を含む。説明の便宜のため、専門家の数が「Ｎ」で表わされる。ステップＳ４０１に対する事前準備として、Ｍ人のテストランナーのそれぞれに対するＮ人の専門家の採点データが準備される。ステップＳ４０１では、準備された、Ｍ人のテストランナーのそれぞれに対するＮ人の専門家の採点データがロードされる。得点付けをする専門家としては、ランニングやスポーツバイオメカニクスを専門とする複数の研究者やコーチなどを想定することができる。

　ステップＳ４０１において、演算式生成部３４は、さらに、各テストランナーのユーザー情報をロードし、当該ユーザー情報から、各テストランナーの身体特性を抽出しても良い。身体特性は、ユーザー情報入力部３１に入力されたユーザー情報に加えて、当該ユーザー情報が加工されることによって生成された情報（たとえば、ＢＭＩ）を含む。図６は、ＢＭＩの算出方法を説明するための図である。図６に示されるように、ＢＭＩは、ランナーの、身長（Ｈｅｉｇｈｔ）と体重（Ｗｅｉｇｈｔ）とに基づいて算出される。

　ステップＳ４０２で、演算式生成部３４は、ステップＳ４０１でロードした映像データから、各テストランナーのバイオメカニクスデータを抽出する。演算式生成部３４は、画像処理部３３ａおよびバイオメカニクスデータ抽出部３３ｂの機能を利用して、バイオメカニクスデータを抽出することができる。

　図７～図１３を参照して、バイオメカニズムデータの具体例を説明する。図７～図１３は、バイオメカニクスデータの例を説明するための図である。図７～図１３のそれぞれには、映像データに含まれるランナーの姿が模式的に示されている。なお、図７には、２つの異なるタイミングにおけるランナーの姿が示されている。図７～図１３の各図には、バイオメカニクスデータを取得するための基準線が破線で示されている。演算式生成部３４は、たとえば、映像中のマーカー９０（図１参照）の位置に基づいて、ランナーの四肢の位置を特定し、また、各基準線を定義する。各ランナーは、たとえば、右側６箇所（肩、肘、手首、太腿付け根、膝、足首）にマーカー９０を装着する。

　図７には、ランナーを後方した撮影した映像の一例が示されている。図８～図１３には、ランナーを右側方から撮影した映像の一例が示されている。図７～図１３には、基準線に対する一方側にプラスの符号（＋）が示され、他方側にマイナスの符号（＋）が示されている。これらの符号は、ランナーの四肢の中の各図において問題となる部位の位置と、各図に基づいて抽出されるバイオメカニクスデータの値の符号（正か負か）との関係を示している。以降のバイオメカニクスデータの説明において、「Ｍａｘ」は、基準線に対する「＋」側の角度の最大値を表す。「Ｍｉｎ」は、基準線に対する「－」側の角度の最小値（「－」側の絶対値の最大値）を表す。「ＭａｘＭｉｎ」は、「Ｍａｘ」と「Ｍｉｎ」の角度の差異を表す。

　図７は、バイオメカニクスデータの一例である「大腿角度（後方）ＭａｘＭｉｎ」を説明するための図である。「大腿角度（後方）ＭａｘＭｉｎ」は、基準線に対する大腿の角度に基づいて抽出される。より具体的には、演算式生成部３４は、映像データから、基準線に対する一定時間内の各サイクルの大腿の角度の最大値と最小値とを抽出し、抽出した複数サイクル分の最大値と最小値のそれぞれの平均値を算出し、最大値の平均値と最小値の平均値の差分を算出することにより、「大腿角度（後方）ＭａｘＭｉｎ」を取得する。

　図８は、バイオメカニクスデータの一例である「前腕角度（側方）ＭａｘＭｉｎ」を説明するための図である。「前腕角度（側方）ＭａｘＭｉｎ」は、基準線に対する前腕の角度に基づいて抽出される。より具体的には、演算式生成部３４は、映像データから、基準線に対する一定時間内の各サイクルの前腕の角度の最大値と最小値とを抽出し、抽出した複数サイクル分の最大値と最小値のそれぞれの平均値を算出し、最大値の平均値と最小値の平均値の差分を算出することにより、「前腕角度（側方）ＭａｘＭｉｎ」を取得する。

　図９は、バイオメカニクスデータの一例である「上腕角度（側方）Ｍａｘ」を説明するための図である。「上腕角度（側方）Ｍａｘ」は、基準線に対する上腕の角度に基づいて抽出される。より具体的には、演算式生成部３４は、映像データから、基準線に対する一定時間内の各サイクルの上腕の角度の最大値を抽出し、抽出した複数サイクル分の最大値の平均値を算出することにより、「上腕角度（側方）Ｍａｘ」を取得する。

　図１０は、バイオメカニクスデータの一例である「下腿角度差－大腿角度差」を説明するための図である。演算式生成部３４は、映像データから一定時間内の各サイクルの下腿角度の最大値と最小値を取得し、取得した最大値と最小値の平均値を算出し、最大値の平均値と最小値の平均値の差分を算出する。また、演算式生成部３４は、映像データから一定時間内の各サイクルの大腿角度の最大値と最小値を取得し、取得した最大値と最小値の平均値を算出し、最大値の平均値と最小値の平均値の差分を算出する。そして、下腿角度についての平均値の差分と大腿角度についての平均値の差分との差分を算出することにより、「下腿角度差－大腿角度差」を取得する。

　図１１は、バイオメカニクスデータの一例である「大腿角速度（側方）Ｍｉｎ」を説明するための図である。演算式生成部３４は、映像データから、各サイクルの大腿の角速度を抽出し、当該角速度の最小値を算出し、複数サイクル分の最小値の平均値を算出することにより、「大腿角速度（側方）Ｍｉｎ」を取得する。

　図１２は、バイオメカニクスデータの一例である「下腿角速度（接地）」を説明するための図である。演算式生成部３４は、映像データから、一定時間内の各サイクルの右足が接地するときの下腿の角速度を抽出し、抽出された複数サイクルの下腿の角速度の平均値を算出することにより、「下腿角速度（接地）」を取得する。

　図１３は、バイオメカニクスデータの一例である「下腿角度（側方）Ｍｉｎ」を説明するための図である。演算式生成部３４は、映像データから、一定時間内の各サイクルの下腿角度の最小値を抽出し、抽出された複数サイクルの下腿角度の平均値を算出することにより、「下腿角度（側方）Ｍｉｎ」を取得する。

　図１４を参照して、バイオメカニクスデータの具体例を説明する。図１４は、前腕角度の時系列データの一例を示す図である。バイオメカニクスデータ抽出部３３は、走行映像におけるマーカー９０の軌跡に基づいて、前腕角度の時系列データを生成する。図１４において、破線は右足接地のタイミングを示す。図１４では、１２秒間のデータが示されている。当該データは、１３サイクル分のデータを含む。演算式生成部３４は、映像データから、図１４に示されたデータを抽出し、さらに、各サイクルの前腕角度の最大値と最小値とを抽出する。そして、演算式生成部３４は、取得した複数サイクルの最大値の平均値と最小値の平均値を算出し、これらの平均値の差分を算出することにより上記「前腕角度（側方）ＭａｘＭｉｎ」を取得する。なお、図１４では、１３番目のサイクルの、前腕角度の最大値が「Ｍａｘ」で示され、最小値が「Ｍｉｎ」で示され、これらの差分が「Ｍａｘ－Ｍｉｎ」で示されている。

　図５に戻って、ステップＳ４０２でバイオメカニクスデータを抽出した後、演算式生成部３４は、ステップＳ４０３で、ユーザー特性の中から、テストランナーに対して付与されたランニングフォーム得点と相関の高い特性を抽出する。「ユーザー特性」は、各ランナーの身体特性（たとえば、ＢＭＩ）と、図７～図１４を参照して説明されたバイオメカニクスデータとを含む。演算式生成部３４は、テストランナーの特性（「ＢＭＩ」「大腿角度（後方）ＭａｘＭｉｎ」「前腕角度（側方）ＭａｘＭｉｎ」「上腕角度（側方）Ｍａｘ」「下腿角度差－大腿角度差」「大腿角速度（側方）Ｍｉｎ」「下腿角速度（接地）」「下腿角度（側方）Ｍｉｎ」）のうち、テストランナーに付与されたランニングフォーム得点との相関が高い特性を抽出する。相関が高い特性の抽出は、たとえば、相関関数の値が特定の値以上となった特性を抽出することによって実現される。

　次に、演算式生成部３４は、ステップＳ４０４で、単回帰分析を行うことにより、各特性とランニングフォーム得点との関係を表す回帰式を生成する。当該単回帰分析では、ステップＳ４０３で抽出された特性のそれぞれが説明変数とされ、ランニングフォーム得点が目的変数とされる。

　図１５は、ステップＳ４０４で生成される回帰式の一例を示す図である。図１５は、「ＢＭＩ」「大腿角度（後方）ＭａｘＭｉｎ」「前腕角度（側方）ＭａｘＭｉｎ」「上腕角度（側方）Ｍａｘ」「下腿角度差－大腿角度差」「大腿角速度（側方）Ｍｉｎ」のそれぞれについての回帰式を、式（１）～式（６）として示す。式（１）中の「Ｎ１」と「Ｎ２」、式（２）中の「Ｉ１」と「Ｉ２」、式（３）中の「Ｊ１」と「Ｊ２」、式（４）中の「Ｋ１」と「Ｋ２」、式（５）中の「Ｌ１」と「Ｌ２」、および、式（６）中の「Ｍ１」「Ｍ２」は、各回帰式で使用される係数である。「Ｓｃｏｒｅ１」～「Ｓｃｏｒｅ６」は、それぞれ、式（１）～式（６）の算出結果を示す。

　なお、演算式の生成（ステップＳ４０１～ステップＳ４０４）は、得点演算部３５によって行われても良い。得点演算部３５は、身体情報抽出部３３において抽出されたテストランナーのバイオメカニクスデータおよび／またはユーザー情報入力部３１に入力されたテストランナーのユーザー情報から抽出される身体特性を利用して、上述の演算式生成部３４における処理と同様の処理を実行することにより、演算式を生成する。この場合、演算式生成部３４は、得点演算部３５に対して、演算式の生成のためにバイオメカニクスデータと身体特性とをどのように処理するかについて、指示を出力する。

　［ランニングフォーム得点の算出］
　得点演算部３５は、図３を参照して説明したように、ステップＳ２０４で、被験者のランニングフォーム得点を算出する。より具体的には、得点演算部３５は、被験者のユーザー情報と走行映像とから、式（１）～式（６）に必要な被験者の特性を抽出する。抽出される被験者の特性は、被験者の身体特性とバイオメカニクスデータとを含む。身体情報抽出部３３（画像処理部３３ａおよびバイオメカニクスデータ抽出部３３ｂ）が被験者の走行映像からバイオメカニクスデータをどのように抽出するかについては、たとえば、図５～図１４を参照して説明されたような、演算式生成部３４によるテストランナーのバイオメカニクスデータの抽出と同様に説明されるため、ここでは説明を繰り返さない。

　そして、得点演算部３５は、抽出された被験者の特性を式（１）～式（６）のそれぞれに適用する。これにより、「Ｓｃｏｒｅ１」～「Ｓｃｏｒｅ６」として、予備的に被験者のランニングフォーム得点が算出される。そして、得点演算部３５は、次の式（ａｖ．）に従って、予備的に算出されたランニングフォーム得点の平均値を算出することにより、被験者のランニングフォーム得点を取得する。式（ａｖ．）において、変数ｉの値は、「１」から「６」までの間で変化する。取得されたランニングフォーム得点は、ステップＳ２０５（図３参照）において、診断結果として出力される。

　（ランニングフォーム得点）＝（ΣＳｃｏｒｅｉ）／６・・・（ａｖ．）
　［小括］
　図１６を参照して、本実施の形態におけるランニングフォーム得点の算出を説明する。被験者のランニングフォーム得点を算出するために、テストランナーの走行映像とテストランナーの走行に対して専門家から付与されたランニングフォーム得点とに基づいて、演算式が生成される。

　演算式は、６つの特性を利用する数式（式（１）～式（６））と、これらの数式によって予備的に算出されるランニングフォーム得点の平均値を算出する数式（式（ａｖ．））とを含む。６つの特性は、「ＢＭＩ」「大腿角度（後方）ＭａｘＭｉｎ」「前腕角度（側方）ＭａｘＭｉｎ」「上腕角度（側方）Ｍａｘ」「下腿角度差－大腿角度差」「大腿角速度（側方）Ｍｉｎ」「下腿角速度（接地）」および「下腿角度（側方）Ｍｉｎ」である。なお、式（１）～式（６）に示された、ランニングフォーム得点の算出に利用されるランナー（テストランナーおよび被験者）の特性は、単なる例示である。これらの特性は、テストランナーに対して付与されたランニングフォーム得点と相関が高いものとして選択されたものの一例であって、その数および種類は、式（１）～式（６）に示されたものに限定されない。

　本実施の形態では、ランニングフォーム得点の算出に利用されるランナーの特性は、身体特性（たとえば、「ＢＭＩ」）とバイオメカニクスデータとを含む。なお、ランニングフォーム得点の算出に利用されるランナーの特性は、バイオメカニクスデータのみを含むこともある。

　図１７は、３５人のテストランナーに対する、本実施の形態に従って算出されたランニングフォーム得点（評価スコアから算出されたランニングフォーム得点）と、専門家によって付与されたランニングフォーム得点との相関を示す図である。図１７のグラフの縦軸は、各テストランナーに対して専門家から付与されたランニングフォーム総合評価の値を示す。当該グラフの横軸は、各テストランナーの走行の映像に基づいて、式（１）～式（６）および式（ａｖ．）を用いて算出されたランニングフォーム総合得点（評価スコアから算出されたランニングフォーム得点）の値を示す。

　図１７に示された結果に基づく、専門家から付与されたランニングフォーム得点と評価スコアから算出されたスコアの決定係数（重相関係数の２乗）は、「０．７４」であった。これにより、本実施の形態に従ったランニングフォーム得点の算出方法は、評価結果において、専門家から付与されたランニングフォーム得点に近い得点を提供することができると言える。

　［変形例］
　ランニングフォーム得点の算出に利用される演算式と当該演算式を利用したランニングフォーム得点の算出との変形例を説明する。以下の記述では、主に、本変形例における、図１等に示されたランニングフォーム診断システムに対する変更点のみが説明される。

　この変形例では、専門家は、テストランナーの走行に対して、ランニングフォーム得点に加えて、２以上の項目についての評価を付与する。この変形例の演算式は、ランニングフォーム得点と相関の高い評価項目とランニングフォーム得点とを関連付ける数式（第１の回帰式）と、当該評価項目との相関の高いランナーの特性と当該評価項目とを関連付ける数式（第２の回帰式）とを含む。これらの数式は、テストランナーの身体特性および／または走行映像を利用されて、生成される。

　この変形例におけるランニングフォーム得点の算出は、被験者の身体特性および／または走行映像から第２の回帰式に必要なユーザー特性を抽出することと、抽出されたユーザー特性を第２の回帰式に適用することにより「相関の高い評価項目」の値を算出すること、および、算出された「相関の高い評価項目」の値を第１の回帰式に適用することを含む。

　図１８は、本変形例における演算式の生成のフローチャートである。
　図１８を参照して、演算式生成部３４は、Ｎ人の専門家によるＭ人のテストランナーの走行に対するアンケートの採点データおよびＭ人のテストランナーの走行映像をロードする（ステップＳ５０１）。また、ステップＳ５０１で、演算式生成部３４は、各テストランナーの身長、体重を含む身体情報の入力も受け付ける。採点データは、図２２を参照して後述するように、テストランナーの走行に対する総合的なランニングフォーム得点（図２２の「総合評価」）と、走行を評価する観点である２以上のスキル要因（図２２の「スキル要因１」～「スキル要因ｎ」）の得点とを含む。２以上のスキル要因のそれぞれは、以降の説明において「スキル要因Ｆｎ」と標記される場合がある。

　次に、演算式生成部３４は、各スキル要因の採点データについて統計的な解析を行い、専門家によるランニングフォームの総合評価（理想的な走りのランニングフォームに対する達成の度合い）を構成するスキル要因Ｆｎを特定する（ステップＳ５０２）。より具体的には、演算式生成部３４は、例えば、専門家によるアンケートの採点項目（スキル要因と総合評価）を因子分析することで、スキル要因Ｆｎを複数の要素（因子）のグループに分ける。次に、演算式生成部３４は、当該グループ分けにおいて抽出された因子と総合評価との相関関係を特定する。そして、演算式生成部３４は、各因子に含まれるスキル要因Ｆｎの中から代表的因子を特定する。演算式生成部３４は、特定された代表的因子として、総合評価を構成するスキル要因Ｆｎを取得する。これにより、ランニングフォームの総合評価を特定したスキル要因Ｆｎにより関連付けることができる。総合評価を「構成する」とは、総合評価に与える「影響が大きい」ことを意味する。

　次に、演算式生成部３４は、各テストランナーのランニング映像より得られる３次元座標情報から、各テストランナーのバイオメカニクスデータを算出する（ステップＳ５０３）。演算式生成部３４は、画像処理部３３ａおよびバイオメカニクスデータ抽出部３３ｂの機能を利用して、バイオメカニクスデータを抽出することができる。バイオメカニクスデータがどのように抽出されるかについては、図６～図１３を参照した上記説明と同様に説明されるため、その説明は繰り返さない。

　次に、演算式生成部３４は、ユーザー特性（抽出されたバイオメカニクスデータと身体特性）と、ステップＳ５０２で特定されたスキル要因Ｆｎ（総合評価を構成するスキル要因Ｆｎ）とのそれぞれについての相関行列を求めることにより、当該総合評価を構成するスキル要因Ｆｎと相関の高いユーザー特性を抽出する（ステップＳ５０４）。ここで抽出されたユーザー特性は、以降の説明では、適宜パラメータＸｎ（Ｘ１、Ｘ２・・・Ｘｎ）と記述される。

　次に、演算式生成部３４は、ステップＳ５０５で、専門家によって付与された、総合評価を構成するスキル要因Ｆｎの得点（アンケートに記載された得点）を目的変数とし、抽出されたユーザー特性Ｘｎ（身体特性とバイオメカニクスパラメータ）を説明変数とした重回帰分析により、総合評価を構成するスキル要因Ｆｎの得点をユーザー特性Ｘｎ（身体特性とバイオメカニクスパラメータ）より予測するための回帰式ｆ２（第２の回帰式）を作成する。回帰式ｆ２としては、単回帰式または重回帰式が用いられる。さらに、演算式生成部３４は、ステップＳ５０５で、重回帰分析を行うことにより、総合評価（ランニングフォーム得点）を、総合評価を構成するスキル要因Ｆｎを利用して算出するための重回帰式ｆ１（第１の回帰式）を作成する。当該重回帰分析では、総合評価が目的変数とされ、総合評価を構成するスキル要因Ｆｎの得点が説明変数とされる。

　本変形例では、被験者のランニングフォーム得点を算出するための「演算式」は、重回帰式ｆ２と重回帰式ｆ１を含む。重回帰式ｆ２と重回帰式ｆ１により、ユーザー特性が、ランニングフォーム得点（総合評価）に関連付けられる。

　本変形例において、得点演算部３５は、ステップＳ２０５において、上記のように生成されたユーザー特性を重回帰式ｆ２に適用することによって「相関の高い評価項目」の値を取得し、さらに、「相関の高い評価項目」の当該値を重回帰式ｆ１に適用することによって、ランニングフォーム得点を算出する。

　なお、アンケートに記載された評価が多段階評価によって採点される場合は、当該評価に含まれる値が、所望の得点スケールで正規化した後で、表示されてもよい。

　上述したランニングフォーム得点を算出する一連の流れは、図１９に示される。図１９では、スキル要因Ｆ３およびＦ６が、総合評価を構成するスキル要因としてスキル要因Ｆｎの中から取得された例が示されている。また、当該例では、スキル要因Ｆ３と相関の高いユーザー特性Ｘ１～Ｘ３、及びスキル要因Ｆ６と相関の高いユーザー特性Ｘ４～Ｘ８が、複数のユーザー特性の中から抽出されている。スキル要因Ｆ３及びＦ６の得点は、回帰式ｆ１を用いて求められる。ランニングフォーム得点（総合評価）は、回帰式ｆ２を用いて求められる。

　また、その他の例としては、図２０に示されるように抽出されたパラメータＸｎが利用されて、ランニングフォームの個別評価項目（Ｉｎ）の得点が一旦求められ、また、この個別評価項目（Ｉｎ）の得点が利用されて、総合評価を構成するスキル要因Ｆｎのスコアが求められ、さらに、このスキル要因Ｆｎのスコアを利用されて、総合評価が求められる場合もあり得る。総合評価を構成するスキル要因Ｆｎを算出するために使用されるパラメータＸｎを用いて導き出すことのできる任意の項目が、個別評価項目（Ｉｎ）として設定され得る。

　総合評価と個別評価項目（Ｉｎ）の得点とを算出する一連の流れは、図２０に示される。図２０では、総合評価を構成するスキル要因としてスキル要因Ｆ３およびＦ６がスキル要因Ｆｎの中から取得され、スキル要因Ｆ３と相関の高いユーザー特性Ｘ１～Ｘ３と、スキル要因Ｆ６と相関の高いユーザー特性Ｘ４～Ｘ８とが、複数のユーザー特性の中から抽出されたケースが示されている。

　さらに、図２０の例では、パラメータＸ１とＸ２に関連付けることのできる個別評価項目Ｉ１と、パラメータＸ３に関連付けることのできる個別評価項目Ｉ２が設定され、個別評価項目Ｉ１およびＩ２の得点に基づいてスキル要因Ｆ３の得点が算出される。同様に、パラメータＸ４に関連付けることのできる個別評価項目Ｉ３と、パラメータＸ５およびＸ６に関連付けることのできる個別評価項目Ｉ４と、パラメータＸ７とＸ８に関連付けることのできる個別評価項目Ｉ５と、が設定され、これらの個別評価項目Ｉ３～Ｉ５に基づいてスキル要因Ｆ６の得点が算出される。そして、スキル要因Ｆ３及びＦ６の得点に基づいて総合得点が算出される。

　個別評価項目Ｉ１～Ｉ５の得点は回帰式ｆ３を用いて求められ、スキル要因Ｆ３及びＦ６の得点は回帰式ｆ４を用いて求められ、ランニングフォーム得点（総合得点）は回帰式ｆ５を用いて求められる。

　このように、ランニングフォームの総合評価点に加えて、個別評価項目についても専門家の評価結果をもとに得点化することで、より詳細に被験者のフォーム診断を行うことが可能となる。

　また、複数のテストランナーのバイオメカニクスデータ（身体動作情報）を説明変数とし、当該複数のテストランナーの走行に対して専門家が付与した総合評価を目的変数とした重回帰分析により、被験者の身体動作情報から直接的にランニングフォーム得点を求めるための重回帰式を生成することもできる。このように被験者のランニングフォーム得点を算出する一連の流れは、図２１に示される。また、次の式（Ｘ）は、当該重回帰式の一例である。

　総合得点＝Ｎ１＋Ｎ２×大腿角度（後方）ＭａｘＭｉｎ
　　　　　　＋Ｎ３×上腕角度（側方）ＭａｘＭｉｎ
　　　　　　＋Ｎ４×前腕角度（側方）ＭａｘＭｉｎ　　…（Ｘ）
　図２１に示された例では、重回帰分析に利用される３種類の身体動作情報が、Ｘ１，Ｘ２，Ｘ３として示されている。当該重回帰式では、当該３種類の身体動作情報の具体例として、「大腿角度（後方）ＭａｘＭｉｎ」「上腕角度（側方）ＭａｘＭｉｎ」「前腕角度（側方）ＭａｘＭｉｎ」が採用されている。

　なお、図２１および式（Ｘ）に示された例では、重回帰分析に利用される身体動作情報の数は「３」とされているが、これは一例であってこれに限定されない。

　本変形例においても、図４に示された機能ブロック図が適用される。ランニングフォーム評価式（重回帰式ｆ２、ｆ１）は、演算式生成部３４内の記憶領域（図示せず）に格納され、後段の得点演算部３５に設定される。得点演算部３５は、バイオメカニクスデータ抽出部３３ｂより出力される被験者Ａのバイオメカニクスデータの中から、所定の身体特性とバイオメカニクスパラメータＸｎを選択し、これをランニングフォーム評価式（重回帰式ｆ２、ｆ１）に順次当てはめて、被験者Ａのランニングフォーム得点を算出する（ステップＳ５０６）。

　図２２を参照して、本変形例において利用されるアンケートの内容を説明する。図２２は、専門家に配布されるアンケート用紙の概要を示す図である。アンケート用紙には、各スキル要因についての採点結果を記入するための領域（図２２の「スキル要因１」～「スキル要因ｎ」）と、総合評価（ランニングフォーム得点）を記入するための領域（図２２の「総合評価」）とを含む。

　［実施例］
　以下、変形例の実施例を説明する。ランニングフォーム診断システムの基本構成は、図１に示した通りである。使用されたトレッドミル、撮影システム、解析ソフトは、以下の通りである。

　トレッドミル：日本光電株式会社製
　撮影システム：株式会社ライブラリー、ギガネット画像入力システムＧＥ６０Ｗ（２カメラ仕様）
　解析ソフト：株式会社ライブラリー、３次元動画計測ソフトＭｏｖｅ－ｔｒ／３Ｄ（２次元ソフト含む）、ＣａｐｔｕｒｅＥｘ（ＳＰ）
　また、６つのマーカー９０は、被験者の右側６箇所（肩、肘、手首、太腿付け根、膝、足首）にそれぞれ装着された。

　演算式（ランニングフォーム評価式）は、以下のプロセスに従って決定された。
　まず、ランニングレベルの異なる２０名のランナー（テストランナー）の走行映像が準備された。そして、１２名の著名な専門家が、２０名のテストランナーの走行映像を見ることにより、各テストランナーの採点データを作成した。図２３は、各専門家に配布されたアンケート用紙の具体例を示す図である。

　図２３に示されるように、本実施例では、“スピード感”、“美しさ”、“安全”、“リズム感”、“リラックス”、“躍動感”、“スムーズ”、および“バランス”の８項目をスキル要因として挙げ、７段階で採点評価が行われた。また“総合評価”として、ランニングフォームの具体的な得点を記入する欄が設けられた。

　アンケートにおいては、スキル要因を７段階で採点評価を行ったが、この分析においては正規化することが望ましく、Ｎ人の専門家によるＭ人のデータの平均と標準偏差を用いて、本実施例では、８項目のスキル要因と総合評価をそれぞれ、７０±１５点などと換算してもよい。

　なお、以降の説明では、各スキル要因そのものを表すときは、各スキル要因名を二重引用符で囲み（例：“安全”、“躍動感”）、各スキル要因の得点を表す場合は、各スキル要因の末尾に「スコア」の文字を添付している（例：“安全スコア”、“躍動感スコア”）。

　回答後のアンケートの採点結果を因子分析した結果、ランニングフォーム得点（専門家によって付与される総合評価）は、以下の通り“安全スコア”と“躍動感スコア”とよって主に形成されることが分かった。

　図２４は、因子分析により抽出された因子に対する各スキル要因の因子負荷量をプロットした図である。図２５は、２０人のランナーのそれぞれの因子得点をプロットした図である。また、図２６は、抽出された因子の因子得点と、“総合評価”との相関関係を示す図である。

　アンケート評価項目を因子分析した結果、因子１と因子２の２つの因子が抽出された。各スキル要因の因子負荷量をプロットしたところ、図２４に示されるように、各スキル要因は、“躍動感”、および“スピード感”よりなる第１のグループと、“総合評価”、“美しさ”、“リズム感”、“リラックス”、“スムーズ”、および“バランス”よりなる第２のグループと、“安全”よりなる第３のグループとに分類できることが分かった。

　また、図２５に示されるように、各スキル要因の因子得点をプロットした結果、理想のランニングフォームは、因子１（安全性に関する因子）と、因子２（躍動感に関する因子）の二軸を基準として分類され得ることが分かった。因子１および因子２と、“総合評価“との相関関係を調べたところ、図２６に示されるように、専門家によるランニングフォームの総合評価は、因子１＋因子２（因子１と因子２が組み合わせられたスコア）で表されることが分かった。

　そして、図２４に示されるように、因子１からは、その代表変数として“安全スコア”が抽出された。また、因子２からは、その代表変数として“躍動感スコア”が抽出された。これにより、ランニングフォームの総合評価は、“安全スコア”＋“躍動感スコア”によって表された。

　次に、“安全スコア”および“躍動感スコア”のそれぞれの要因となるユーザー特性（身体特性および／またはバイオメカニクスパラメータ）が抽出された。

　まず、２０名のテストランナーの走行映像より、左右の股関節、膝関節、足関節、胸鎖関節、肩関節、および肘関節と、体幹、および首の合計１４の関節について、計３６項目の関節角度が算出された。さらに、身体セグメント（大腿、下腿、体幹、上胴、下胴、上腕、前腕、足部、肩）の絶対座標系各平面への投影角が、身体セグメント角度として算出された。そして、これらのバイオメカニクスデータに、被験者のＢＭＩと床反力データとを加えた一群のデータについての、単相関分析および主成分分析により、ユーザー特性が絞り込まれることにより、“安全スコア”および“躍動感スコア”のそれぞれと相関の高いユーザー特性（パラメータ）が抽出された。このユーザー特性の抽出のための絞り込みは、多重共線性が回避されながら、実行された。

　上記の処理の結果、“安全スコア”と相関の高いユーザー特性として、身体特性の一つである「ＢＭＩ」と、バイオメカニクスデータの中の「大腿角度（後方）ＭａｘＭｉｎ」および「前腕角度（側方）ＭａｘＭｉｎ」の、合計３つの要素が抽出された。また、“躍動感スコア”と相関の高いユーザー特性として、バイオメカニクスデータの中から、「上腕角度（側方）Ｍａｘ」、「大腿角速度側方Ｍｉｎ」、「下腿角度（側方）Ｍｉｎ」、「下腿角度差－大腿角度差」、および「下腿角速度（接地）」の合計５つの要素が抽出された。

　“安全スコア”および“躍動感スコア”に関して抽出された身体特性とバイオメカニクスパラメータは、図６～図１３を参照して説明されたものである。ここで利用されるバイオメカニクスデータは、図６～図１３を参照して説明したように抽出（算出）される。バイオメカニクスデータの抽出（算出）には、少なくとも、６個のマーカーが必要とされる。６個のマーカーは、より具体的には、ランナーの、肩関節、肘関節、手関節、股関節、膝関節、足関節に装着される。これら、肩関節、肘関節、および手関節のマーカーにより、上腕、および前腕の角度情報を得ることができ、また股関節、膝関節、足関節のマーカーにより、大腿、および下腿の角度情報を得ることができる。

　次に、重回帰分析により、抽出されたユーザー特性（身体特性とバイオメカニクスデータ）から評価項目“安全スコア”および“躍動感スコア”を表す式が構築された。これよりランニングフォームの評価点（総合評価）を求める重回帰式を求められたことになる。本実施例においては、総合評価に加えて、ランニングフォームの個別評価項目ごとの点数（個別評価得点）が表示される。各個別評価項目は、抽出されたユーザー特性（身体特性とバイオメカニクスパラメータ）に基づいて算出された。そして、算出された各個別評価得点に基づいて、総合評価が算出された。

　図２７は、本実施例においてランニングフォーム得点の算出に利用される数式の組の一例を示す図である。図２７には、式（７）～式（１４）が示されている。

　評価項目“安全スコア”に関しては、「ＢＭＩ」「大腿角度（後方）ＭａｘＭｉｎ」、「前腕角度（側方）ＭａｘＭｉｎ」を説明変数とし、“各個別評価得点”を目的変数として重回帰分析が行われた。上記３つのパラメータを用いて導き出すことのできる個別評価項目のスコアを算出する式は、図２７の式（７）および式（８）に示されるように特定された。特定された個別評価項目の名称（Ｓａｆｅｔｙ、Ｒｅｌａｘ）は、対応するスキル要因などを考慮して任意に設定されたものである。

　同様に、評価項目“躍動感スコア”に関する「上腕角度（側方）Ｍａｘ」、「大腿角速度側方Ｍｉｎ」、「下腿角度（側方）Ｍｉｎ」、「下腿角度差－大腿角度差」、および「下腿角速度（接地）」を説明変数として定義することのできる個別評価項目のスコアを算出する式は、図２７の式（１０）～式（１３）に示されるように特定された。

　図２７において、式（９）は、式（７）および式（８）によって算出される値を用いて“安全スコア”を算出するための回帰式である。式（１３）は、式（１０）～式（１２）によって算出される値を用いて“躍動感スコア”を算出するための回帰式である。式（１４）は、式（９）の“安全スコア”および式（１３）の“躍動感スコア”を用いて総合得点を算出するための回帰式である。

　図２８は、上記のように抽出された身体特性およびバイオメカニクスパラメータと、（スキル要因を決定するための）個別評価項目と、個別評価項目を用いて算出されるスキル要因と、スキル要因を用いて算出されるランニングフォーム得点との関係を示す図である。

　図２８に示されたスキル要因とランニングフォーム得点との関係においては、算出された５つの個別評価項目（“Ｓａｆｅｔｙ”，“Ｒｅｌａｘ”，“Ｐｏｓｉｔｉｏｎｉｎｇ”，“Ｒｉｄｅ”，“Ｓｗｉｎｇ”）のスコアを用いて、スキル要因“安全スコア”および“躍動感スコア”の得点が算出される。そして、スキル要因“安全スコア”および“躍動感スコア”を用いて、式（１４）により総合得点（ランニングフォーム得点）が算出される。

　以上のように求められたスキル要因の得点および総合得点は、それぞれの得点分布に応じて予め準備しておいた専門家のアドバイスコメントと共に、評価結果として、アウトプットシートに掲載される。アドバイスコメントは、たとえば、以下のように選択される。すなわち、スキル要因の得点および総合得点のそれぞれを、８６点以上、８５点～７６点、７５点～６６点、６５点～５６点、５５点以下、に区分けし、各得点ゾーンのランナーに対するアドバイスが予め設定される。設定されるアドバイスの内容は、たとえば、専門家へのヒアリングの内容に基づいて決定される。アウトプットデータ作成部３６は、被験者の得点に応じたアドバイスコメントをデータ格納部３２等から選択し、アウトプットシートに掲載する。なお、区分けの態様（各区分における点数の範囲）は、上述のものに限られず、他の態様が採用されても良い。

　図２９～図３１は、３５名のランナーを、本実施例によるランニングフォーム診断システムによって算出された得点と、各ランナーに対する専門家の得点との関係を示す図である。図２９は、スキル要因「安全」の得点についての関係を示す。図３０は、スキル要因「躍動感」の得点についての関係を示す。図３１は、ランニングフォーム得点についての関係を示す。

　図２９～図３１から理解されるように、“安全スコア”、“躍動感スコア”、および“総合評価”ともに、本実施例によるランニングフォーム診断システムによる得点と、専門家の評価とは高い相関を示した。たとえば、ランニングフーム得点についての関係において、専門家から付与された得点と算出された得点との決定係数は、０．８４であった。これにより、本実施例によるランニングフォーム診断システムの評価の精度の有効性が確認された。また、図１７と図３１の結果が比較されることにより、変形例における評価の精度は、実施の形態における評価の精度よりも高いことが確認された。

　［アウトプットシートの具体例］
　次に、出力装置４０が出力するアウトプットシートの具体例を説明する。図３２および図３３は、アウトプットシートの具体例を示す図である。

　アウトプットシートは、図３２に示されるシート５１０と、図３３に示されるシート５２０とを含む。シート５１０は、被験者のプロフィールを示す欄１１０と、被験者の走行に対して付与されたランニングフォーム得点等の得点を示す欄１２０と、被験者に対するアドバイスを示す欄１３０と、被験者のランニングフォームの画像を示す欄１４０と、被験者に対して提案される練習計画を示す欄１５０と、被験者に購入が勧められるシューズ等の情報を示す欄１６０とを含む。アウトプットデータ作成部３６は、ユーザー情報入力部３１に入力された情報等に基づいて、欄１１０に掲載する情報を生成する。

　欄１２０は、図２８に示された５つの評価項目のそれぞれの得点を表示するための欄１２１～１２５と、ランニングフォーム得点を表示するための欄１２６とを含む。欄１２１～１２５のそれぞれは、各評価項目の得点に応じたアドバイスコメントを表示するための欄を含む。より具体的には、欄１２１は、欄１２１Ａ，１２１Ｂを含む。欄１２２は、欄１２２Ａ，１２２Ｂを含む。欄１２３は、欄１２３Ａ，１２３Ｂを含む。欄１２４は、欄１２４Ａ，１２４Ｂを含む。欄１２５は、欄１２５Ａ，１２５Ｂを含む。データ格納部３２は、評価項目の得点について、予め区分された得点のそれぞれに関連付けて、アドバイスコメントを格納している。アウトプットデータ作成部３６は、データ格納部３２に格納されているアドバイスコメントから、各評価項目の得点に対応するアドバイスコメントを選択して、欄１２１～１２５のそれぞれに表示させる。

　欄１２１Ａは、欄１２１に得点を表示された評価項目“Ｓａｆｅｔｙ”の得点に対応するアドバイスコメントを表示する。表示されるアドバイスコメントは、たとえば、『体への負担が大きくなるとランニング障害に繋がる可能性があります。「ＢＭＩ・骨格・筋力・走り方のクセ」などから、走行中に脚が左右にブレてしまい股関節や膝への負担になります。減量が必要な場合はゆっくりなペースで走り、継続するようにしましょう。左右にブレる方は着地の位置とつま先の向きに注意しましょう。』である。データ格納部３２は、さらに、各評価項目の得点について、予め区分された得点のそれぞれに関連付けて、被験者が注意すべきポイントを格納している。欄１２１Ｂは、欄１２１に示された得点に関連付けられたポイントを表示する。欄１２１Ｂに表示される内容は、たとえば、［着地の位置とつま先の向き］［腹筋やお尻周りの筋トレ］［ダイエット］［Ｏ脚Ｘ脚の方は適切なシューズやサポータ選び］である。

　欄１２１～１２５のそれぞれに表示された得点の下には、各得点に応じた評価が示されている。評価の内容は、各評価項目について、予め区分された得点のそれぞれに関連付けられて、データ格納部３２に格納されている。当該評価は、たとえば、高い得点に対応するものから順に、「良い」「標準的」「注意が必要です」というメッセージを含む。

　欄１３０は、欄１２１～１２５に示された得点のうち、最も高い得点に対応する評価項目についてのコメントを表示する欄１３１と、最も低い得点に対応する評価項目についてのコメントを表示する欄１３２とを含む。欄１３１には、評価項目“Ｓｗｉｎｇ”についてのコメントが表示されている。当該コメントは、たとえば、「Ｓｗｉｎｇ項目の結果から、良いタイミングで蹴り出しており、着地までよいスイングができています。素早く膝を前に出すことを意識し更なる向上を目指しましょう。」である。欄１３２は、評価項目“Ｓａｆｅｔｙ”のコメントを表示する。表示されるコメントは、たとえば、「Ｓａｆｅｔｙ項目の結果から、左右のふらつきが少しみられ不安定です。体重管理、トレーニング等によって改善するよう心がけましょう。」である。

　欄１３０には、得点が最も低かった評価項目に基づいて、「フォームアドバイス」と「トレーニングアドバイス」とが表示されている。「フォームアドバイス」と「トレーニングアドバイス」のそれぞれは、アドバイスの内容をより具体的に提示するために、人物の像を含む。さらに、「フォームアドバイス」は、具体的なメッセージを表示する欄１３３Ａ～１３３Ｃを含む。「トレーニングアドバイス」は、具体的なメッセージを含む欄１３４Ａ，１３４Ｂを含む。欄１３０は、さらに、「フォームアドバイス」と「トレーニングアドバイス」に示されたアドバイスが、考慮されるアドバイスの単なる一例に過ぎない旨の注意書きを表示する欄１３５を含む。

　図３３を参照して、欄１４０は、被験者のランニングフォームを示す画像１４１Ａ～１４１Ｄと、お手本となるランナーのランニングフォームを示す画像１４２Ａ～１４２Ｄとを含む。アウトプットデータ作成部３６は、撮影システム２０によって撮影された被験者の走行映像から、画像１４１Ａ～１４１Ｄを取得する。画像１４２Ａ～１４２Ｄは、データ格納部３２に格納されている。画像１４１Ａ，１４２Ａは、着地時の画像である。画像１４１Ｂ，１４２Ｂは、加重時の画像である。画像１４１Ｃ，１４２Ｃは、離地時の画像である。画像１４１Ｄ，１４２Ｄは、走行において膝下の（下腿）の垂直方向に対する角度が最大になるときの画像である。欄１４３Ａ～１４３Ｄは、上記した４つの時点のそれぞれにおいて、ランナーが確認するべきポイントを示すメッセージを表示する。

　欄１５０は、被験者のランニングフォーム得点等に基づいて算出される、フルマラソンの予測タイム等の情報を示す。なお、欄１５０は、欄１５０に表示された予測タイム等が、おおよその目安であることを示すメッセージを表示する欄１５１を含む。

　欄１６０は、被験者について想定される着地パターンを示す欄１６１と、被験者のピッチおよびストライドの計測結果を示す欄１６２と、被験者に購入が勧められるシューズの情報を表示する欄１６３とを含む。また、欄１６０は、欄１６３において提示されたシューズの情報は概略的なものであること、および、被験者に合ったシューズについてのより具体的な情報を知るためには実際にシューズを試すことが勧められることを示すメッセージを示す欄１６４を含む。

　［慣性センサの計測に基づくバイオメカニクスデータの抽出］
　図３４を参照して、ランニングフォーム診断システムの変形例について説明する。図３４は、ランニングフォーム診断システムの変形例の概略構成を示す。以下の説明では、本変形例に従ったランニングフォーム診断システムにおける、図１に示されたシステムに対する変更点が、主に説明される。

　図３４に示されるように、ランニングフォーム診断システム２００では、トレッドミル１０上を走行する被験者は、慣性センサ９１を装着している。被験者は、関節角度を計測したい関節を挟む二箇所に、慣性センサ９１を装着する。より具体的には、被験者は、上腕、前腕、大腿、および、下腿の角度等の計測のために、右側または左側の上腕部と前腕部と大腿部と下腿部のそれぞれに、慣性センサ９１を装着する。

　図３４に示されたシステムは、図１に示されたシステムの情報処理装置３０の代わりに、情報処理装置３０Ａを含む。情報処理装置３０Ａは、慣性センサ９１の計測結果を取得する。慣性センサ９１は、たとえば無線通信によって、情報処理装置３０Ａに計測結果を送信する。情報処理装置３０Ａは、慣性センサ９１から取得した計測結果を利用することにより、被験者のランニングフォーム得点を算出して、出力装置４０へ出力する。出力装置４０は、ランニングフォーム得点を出力する。

　情報処理装置３０Ａは、慣性センサ９１の計測結果に基づいて、上腕、前腕、大腿、および、下腿の、角度情報および／または角速度を算出する。慣性センサ９１としては、たとえば、ジャイロセンサおよび加速度計の双方の機能を有する、セイコーエプソン社製の慣性計測ユニット（Ｉｎｅｒｔｉａｌ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｕｎｉｔ）が採用される。慣性センサ９１は、３軸方向のそれぞれについて、角速度と加速度とを計測し、情報処理装置３０Ａに出力し得る。

　図３５は、情報処理装置３０Ａのハードウェア構成の一例を示す図である。図３５に示されるように、情報処理装置３０Ａの通信機器３２６は、慣性センサ９１から送信される計測結果を受信する。ＣＰＵ３００は、受信された計測結果を処理することにより、被験者のランニングフォーム得点を算出する。

　図３６は、情報処理装置３０Ａの機能構成の一例を示す図である。図３６を参照して、情報処理装置３０Ａは、慣性センサ９１からの情報の入力を受け付けるセンサ情報入力部５０を含む。センサ情報入力部５０は、たとえば、通信機器３２６によって構成される。バイオメカニクスデータ抽出部５１は、慣性センサ９１の計測結果から、被験者のバイオメカニクスデータを抽出する。バイオメカニクスデータ抽出部５１は、たとえば、ＣＰＵ３００が所与のプログラムを実行することによって実現される。

　情報処理装置３０Ａの得点演算部３５は、被験者のバイオメカニクスデータおよび／または身体情報を、演算式生成部３４によって生成された演算式に適用することにより、被験者のランニングフォーム得点を算出する。

　情報処理装置３０Ａにおいて利用される演算式の生成には、テストランナーのバイオメカニクスデータが利用される。テストランナーのバイオメカニクスデータは、慣性センサ９１の計測結果から抽出されたものであっても良いし、図１を参照して説明したように、撮影システム２０によって撮影された映像から抽出されたものであっても良い。

　図３４～図３６を参照して説明されたランニングフォーム診断システム２００は、被験者のバイオメカニクスデータを、慣性センサ９１の計測結果から抽出する。撮影システム２０は、複数の角度から被験者を測定する。このため、装置の構成の規模が大きくなることが予測される。ランニングフォーム診断システム２００は、被験者のランニングフォーム得点を算出する場合、図１に示されたような撮影システム２０は必要とされない。このため、ランニングフォーム診断システム２００では、被験者の得点を算出するのに必要な装置の小型化が可能である。したがって、情報処理装置３０Ａにおいて予め演算式が登録されていれば、被験者は、たとえば自宅でも、自己のランニングフォームに対する得点を取得できる。

　［他の変形例］
　ランニングフォーム診断システムでは、情報処理装置３０の演算式生成部３４によって演算式が生成されたが、情報処理装置３０の外部機器において演算式生成部３４と同様の処理により演算式が生成されても良い。図３７は、演算式が外部機器で生成される場合の、情報処理装置３０Ｂの機能を示す図である。情報処理装置３０Ｂは、情報処理装置３０のさらに他の変形例である。

　図３７を参照して、情報処理装置３０Ｂでは、演算式を特定する情報が、演算式格納部３４Ａに格納される。得点演算部３５は、ランニングフォームを算出するときには、演算式格納部３４Ａに格納された演算式を読み込む。

　実施の形態、実施例、および、変形例のそれぞれにおいて、得点演算部３５は、総合得点だけでなく、抽出されたユーザー特性（身体特性および／またはバイオメカニクスパラメータ）に基づいて、ランニングフォームの評価項目の得点を算出してもよい。より具体的には、演算式格納部３４Ａには、身体特性またはバイオメカニクスパラメータに基づいて、各スキル要因のポイントを算出するための演算式を特定する情報が格納されていても良い。各スキル要因についての当該演算式は、たとえば、テストランナーの身体特性またはバイオメカニクスデータを説明変数とし、テストランナーの走行に対して専門家から付与された各スキル要因のポイントを目的変数とした場合の、回帰分析によって導出される。得点演算部３５は、図１８のステップＳ５０４において抽出された、被験者のパラメータＸｎ（身体特性および／またはバイオメカニクスデータ）を、各スキル要因についての演算式に適用することにより、各スキル要因についてのポイントを算出する。算出されたポイントは、図３２に示されたように、診断結果に加えられても良い。ランニングフォーム得点に加えて、個別項目についてのポイントが提示されることにより、個別項目についても専門家の評価を提示でき、これにより、より詳細に被験者のフォーム診断を行うことが可能となる。

　本開示によるランニングフォーム診断システムは、複数の専門家によるランナーのフォームの評価と、ランナーのバイオメカニクスデータとの相関に基づいて、ランニングフォームを評価するための演算式を生成する。そして、ランニングフォーム診断システムは、被験者の特性を当該演算式に適用することにより、ランニングフォームを得点化する。これにより、暗黙知とされていた専門家によるランニングフォームの評価が、演算式を介して、得点という形で顕在化される。演算式は、複数の専門家の評価に基づいて作成される。したがって、被験者は、自動的にランニングフォームに対する得点を与えられる。さらに、被験者に対して、複数のコーチや専門家による評価と極端に乖離することのない得点を付与することができる。

　この発明を詳細に説明し示してきたが、これは例示のためのみであって、限定ととってはならず、発明の範囲は添付の請求の範囲によって解釈されることが明らかに理解されるであろう。

　本開示によるランニングフォーム診断システムによれば、専門家の判断と同等の基準に基づいて、ユーザーのランニングフォームを自動的に得点化できる点において有用である。

　１０　トレッドミル、２０　撮影システム、３０，３０Ａ，３０Ｂ　情報処理装置、３１　ユーザー情報入力部、３２　データ格納部、３３　身体情報抽出部、３３ａ　画像処理部、３３ｂ　バイオメカニクスデータ抽出部、３４　演算式生成部、３４Ａ　演算式格納部、３５　得点演算部、３６　アウトプットデータ作成部、４０　出力装置、５０　センサ情報入力部、９０　マーカー、９１　慣性センサ、１００，２００　ランニングフォーム診断システム。

Claims (15)

1. 　被験者のランニングフォームを得点化するランニングフォーム診断システムであって、
   　複数のテストランナーの走行に関する情報から抽出された身体動作情報と当該複数のテストランナーのそれぞれの走行に対して専門家が付与した評価との相関関係を表す演算式を記憶するように構成された記憶装置と、
   　被験者の走行に関する情報の入力を受け付けるためのインターフェイスと、
   　前記インターフェイスに入力された情報に基づいて、前記被験者のランニングフォームについての得点を出力するように構成されたプロセッサとを備え、
   　前記プロセッサは、
   　　前記インターフェイスに入力された前記被験者の走行に関する情報から前記被験者の身体動作情報を抽出し、
   　　当該抽出した身体動作情報を前記演算式に適用することにより前記被験者のランニングフォームについての得点を算出するように構成されている、ランニングフォーム診断システム。
2. 　前記演算式は、
   　　前記テストランナーの走行に対して前記専門家によって付与された２以上の項目の評価を説明変数とし、前記テストランナーの走行に対して前記専門家によって付与された総合評価を目的変数として回帰分析を行うことにより得られる第１の回帰式と、
   　　前記テストランナーの身体動作情報を説明変数とし、前記テストランナーに対して前記専門家によって付与された前記２以上の項目の評価のそれぞれを目的変数として回帰分析を行うことにより得られる第２の回帰式とを含む、請求項１に記載のランニングフォーム診断システム。
3. 　前記第１の回帰式に利用される前記２以上の項目は、前記テストランナーの走行に対して前記専門家によって付与された予め定められた数の項目の評価と前記テストランナーの走行に対して前記専門家が付与した総合評価とが統計的に処理されることによって、前記予め定められた数の項目の中から特定される、請求項２に記載のランニングフォーム診断システム。
4. 　前記第２の回帰式に使用される前記テストランナーの身体動作情報は、特定の数の身体動作情報と前記２以上の項目の評価とが統計的に処理されることによって、前記特定の数の項目の特性の中から特定される、請求項３に記載のランニングフォーム診断システム。
5. 　前記演算式は、前記テストランナーの複数の身体動作情報を説明変数とし、前記テストランナーに対して前記専門家が付与した総合評価を目的変数とした重回帰分析を行うことにより得られる重回帰式とを含む、請求項１に記載のランニングフォーム診断システム。
6. 　前記演算式は、前記テストランナーの複数の身体動作情報のそれぞれを説明変数とし、前記テストランナーに対して前記専門家が付与した総合評価を目的変数とした回帰分析を行うことにより得られる複数の回帰式を含み、
   　前記プロセッサは、前記複数の回帰式より得られる複数の総合評価に基づいて前記被験者のランニングフォームについての得点を算出する、請求項１に記載のランニングフォーム診断システム。
7. 　前記被験者の身体動作情報は、前記被験者の前腕の上腕に対する角度を算出することによって得られる肘関節角度、前記被験者の前腕と上腕のそれぞれのセグメント角度、前記被験者の下腿の上腿に対する角度を算出することによって得られる膝関節角度、または、前記被験者の下腿と上腿のそれぞれのセグメント角度の少なくともいずれかを含む、請求項１～請求項６のいずれか１項に記載のランニングフォーム診断システム。
8. 　前記インターフェイスに結合され、前記被験者の映像を撮影するための撮影装置をさらに備え、
   　前記インターフェイスは、前記被験者の映像の入力を受け付けるように構成されており、
   　前記プロセッサは、
   　　前記被験者の肘関節角度、または、前記被験者の前腕と上腕のそれぞれのセグメント角度の少なくともいずれかを抽出する場合、前記映像の中の、前記被験者の肩関節と肘関節と手関節に取り付けられたマーカーの画像の位置に基づいて、これらの角度を抽出し、
   　　前記被験者の膝関節角度、または、前記被験者の下腿と上腿のそれぞれのセグメント角度の少なくともいずれかを抽出する場合、前記映像の中の、前記被験者の股関節と膝関節と足関節に取り付けられたマーカーの画像の位置に基づいて、これらの角度を抽出するように構成されている、請求項７に記載のランニングフォーム診断システム。
9. 　前記被験者に取り付けられる慣性センサをさらに備え、
   　前記インターフェイスは、前記慣性センサの検出結果の入力を受け付けるように構成されており、
   　前記プロセッサは、前記慣性センサの検出結果に基づいて、前記被験者の身体動作情報を抽出するように構成されるように構成されている、請求項７に記載のランニングフォーム診断システム。
10. 　前記記憶装置は、走行についてのアドバイス情報を、予め区分された得点のそれぞれに関連付けて記憶するように構成されており、
    　前記プロセッサは、前記被験者に対して算出した得点に関連付けられている前記アドバイス情報を出力するように構成されている、請求項１～請求項９のいずれか１項に記載のランニングフォーム診断システム。
11. 　前記演算式は、複数のテストランナーの走行に関する情報から抽出された身体動作情報および前記複数のテストランナーの身体特性と、当該複数のテストランナーのそれぞれの走行に対して専門家が付与した総合評価との相関関係をさらに表し、
    　前記インターフェイスは、さらに、前記被験者の身体特性の入力を受け付けるように構成されており、
    　前記プロセッサは、前記被験者の身体動作情報および身体特性を前記演算式に適用することにより、前記被験者のランニングフォームについての得点を算出するように構成されている、請求項１～請求項１０のいずれか１項に記載のランニングフォーム診断システム。
12. 　コンピュータによって実行される、被験者のランニングフォームを得点化する方法であって、
    　前記コンピュータは、
    　　複数のテストランナーの走行に関する情報から抽出された身体動作情報と当該複数のテストランナーのそれぞれの走行に対して専門家が付与した評価との相関関係を表す演算式を記憶するように構成された記憶装置と、
    　　被験者の走行に関する情報の入力を受け付けるインターフェイスとを備え、
    　前記コンピュータが、前記インターフェイスに入力された前記被験者の走行に関する情報から前記被験者の身体動作情報を抽出することと、
    　前記コンピュータが、前記抽出した身体動作情報を前記演算式に適用することにより、前記被験者のランニングフォームについての得点を算出することを備える、方法。
13. 　前記演算式は、
    　　前記テストランナーの走行に対して前記専門家によって付与された２以上の項目の評価を説明変数とし、前記テストランナーの走行に対して前記専門家によって付与された得点を目的変数として回帰分析を行うことにより得られる第１の回帰式と、
    　　前記テストランナーの身体動作情報を説明変数とし、前記テストランナーに対して前記専門家によって付与された前記２以上の項目の評価のそれぞれを目的変数として回帰分析を行うことにより得られる第２の回帰式とを含む、請求項１２に記載の方法。
14. 　前記演算式は、前記テストランナーの複数の身体動作情報を説明変数とし、前記テストランナーに対して前記専門家が付与した総合評価を目的変数とした重回帰分析を行うことにより得られる重回帰式とを含む、請求項１２に記載の方法。
15. 　前記演算式は、前記テストランナーの複数の身体動作情報のそれぞれを説明変数とし、前記テストランナーに対して前記専門家が付与した総合評価を目的変数とした回帰分析を行うことにより得られる複数の回帰式を含み、
    　前記コンピュータが前記被験者のランニングフォームについての得点を算出することは、前記複数の回帰式より得られる複数の総合評価に基づいて前記被験者のランニングフォームについての得点を算出することを含む、請求項１２に記載の方法。

Images