特許 7526542 プログラム、コンピュータ、情報処理システム及び情報処理方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-07-24

(45)【発行日】2024-08-01

(54)【発明の名称】プログラム、コンピュータ、情報処理システム及び情報処理方法

(51)【国際特許分類】

   G06V 10/82 20220101AFI20240725BHJP

【ＦＩ】

G06V10/82

【請求項の数】 25

(21)【出願番号】P 2024077156

(22)【出願日】2024-05-10

【審査請求日】2024-05-10

【早期審査対象出願】

(73)【特許権者】

【識別番号】523138563

【氏名又は名称】株式会社Ｋｎｏｗｈｅｒｅ

(74)【代理人】

【識別番号】100131842

【弁理士】

【氏名又は名称】加島 広基

(74)【代理人】

【識別番号】100215267

【弁理士】

【氏名又は名称】古屋 秀人

(74)【代理人】

【識別番号】100215555

【弁理士】

【氏名又は名称】今井 貴裕

(74)【代理人】

【識別番号】100135530

【弁理士】

【氏名又は名称】河野 智代

(72)【発明者】

【氏名】今井 達也

(72)【発明者】

【氏名】伊藤 久史

【審査官】高野 美帆子

(56)【参考文献】

【文献】特開２００８－２８４１６６（ＪＰ，Ａ）

【文献】特表２００８－５３８０８５（ＪＰ，Ａ）

【文献】特表２０２１－５０５３２４（ＪＰ，Ａ）

【文献】特表２０２２－５０７３９９（ＪＰ，Ａ）

【文献】韓国公開特許第１０－２０２３－０１５６２５６（ＫＲ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｖ １０／８２

(57)【特許請求の範囲】

【請求項1】

コンピュータを、学習データ生成部、モデル生成部、軌道情報取得部及び推定部として機能させるプログラムであって、
前記学習データ生成部は、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する前記飛行状態及び前記軌道情報を含む複数の学習データを生成し、
前記モデル生成部は、複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成し、
前記軌道情報取得部は、推定対象の球の軌道情報を取得し、
前記推定部は、前記推定モデルを用いて、前記軌道情報取得部により取得された前記軌道情報に基づいて、前記推定対象の球の前記飛行状態を推定する、プログラム。

【請求項2】

前記コンピュータを、画像取得部及び球検出部としてさらに機能させ、
前記画像取得部は、前記推定対象の球の飛行中の動画を取得し、
前記球検出部は、前記動画に含まれる前記推定対象の球を検出し、
前記軌道情報取得部は、検出された前記推定対象の球の前記軌道情報を取得する、請求項１に記載のプログラム。

【請求項3】

前記飛行状態は、前記球の速度、回転数及び回転軸の向きの少なくとも１つを含む、請求項１に記載のプログラム。

【請求項4】

前記学習データ生成部は、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記動画において検出され得る前記推定対象の球の検出位置の誤差分布に応じた軌道情報を生成する、請求項２に記載のプログラム。

【請求項5】

前記学習データ生成部は、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記球検出部により誤検出され得る疑球の軌跡に対応する軌道情報を含む複数の軌道情報を生成する、請求項２に記載のプログラム。

【請求項6】

コンピュータを、軌道情報取得部及び推定部として機能させるプログラムであって、
前記軌道情報取得部は、推定対象の球の、飛行中の時間変化に応じた位置変化を示す軌道情報を取得し、
前記推定部は、推定モデルを用いて、前記軌道情報に基づいて、前記推定対象の球の状態であって、飛行中の状態である飛行状態を推定し、
前記推定モデルは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報が生成され、
対応する当該飛行状態及び当該軌道情報を含む複数の学習データが生成され、
複数の前記学習データを用いた学習が行われる
ことで生成される、プログラム。

【請求項7】

コンピュータを、学習データ生成部及びモデル生成部として機能させるプログラムであって、
前記学習データ生成部は、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する前記飛行状態及び前記軌道情報を含む複数の学習データを生成し、
前記モデル生成部は、複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成するプログラム。

【請求項8】

学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する前記飛行状態及び前記軌道情報を含む複数の学習データを生成する学習データ生成部と、
複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成するモデル生成部と、
推定対象の球の軌道情報を取得する軌道情報取得部と、
前記推定モデルを用いて、前記軌道情報取得部により取得された前記軌道情報に基づいて、前記推定対象の球の前記飛行状態を推定する推定部と、
を備えるコンピュータ。

【請求項9】

前記推定対象の球の飛行中の動画を取得する画像取得部と、
前記動画に含まれる前記推定対象の球を検出する球検出部と
をさらに備え、
前記軌道情報取得部は、検出された前記推定対象の球の前記軌道情報を取得する、請求項８に記載のコンピュータ。

【請求項10】

前記飛行状態は、前記球の速度、回転数及び回転軸の向きの少なくとも１つを含む、請求項８に記載のコンピュータ。

【請求項11】

前記学習データ生成部は、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記動画において検出され得る前記推定対象の球の検出位置の誤差分布に応じた軌道情報を生成する、請求項９に記載のコンピュータ。

【請求項12】

前記学習データ生成部は、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記球検出部により誤検出され得る疑球の軌跡に対応する軌道情報を含む複数の軌道情報を生成する、請求項９に記載のコンピュータ。

【請求項13】

推定対象の球の、飛行中の時間変化に応じた位置変化を示す軌道情報を取得する軌道情報取得部と、
推定モデルを用いて、前記軌道情報に基づいて、前記推定対象の球の状態であって、飛行中の状態である飛行状態を推定する推定部と、
を備え、
前記推定モデルは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報が生成され、
対応する当該飛行状態及び当該軌道情報を含む複数の学習データが生成され、
複数の前記学習データを用いた学習が行われる
ことで生成される、コンピュータ。

【請求項14】

学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する前記飛行状態及び前記軌道情報を含む複数の学習データを生成する学習データ生成部と、
複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成するモデル生成部と、
を備えるコンピュータ。

【請求項15】

携帯端末と、コンピュータと、を備えた情報処理システムであって、
前記コンピュータは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する前記飛行状態及び前記軌道情報を含む複数の学習データを生成する学習データ生成部と、
複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成するモデル生成部と、
を備え、
前記携帯端末は、
推定対象の球の飛行中の動画を撮影する撮影部と、
前記動画を前記コンピュータに送信する送信部と
を備え、
前記コンピュータは、
前記動画を取得する動画取得部と、
前記動画に含まれる前記推定対象の球を検出する球検出部と、
前記球検出部により検出された前記推定対象の球の軌道情報を取得する軌道情報取得部と、
前記推定モデルを用いることで、前記軌道情報取得部が取得した前記軌道情報に基づいて、前記推定対象の球の前記飛行状態を推定する推定部と、
を備える、情報処理システム。

【請求項16】

前記飛行状態は、前記球の速度、回転数及び回転軸の向きの少なくとも１つを含む、請求項１５に記載の情報処理システム。

【請求項17】

前記学習データ生成部は、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記動画において検出され得る前記推定対象の球の検出位置の誤差分布に応じた軌道情報を生成する、請求項１５に記載の情報処理システム。

【請求項18】

前記学習データ生成部は、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記球検出部により誤検出され得る疑球の軌跡に対応する軌道情報を含む複数の軌道情報を生成する、請求項１５に記載の情報処理システム。

【請求項19】

制御部を有するコンピュータにより行われる情報処理方法であって、
前記制御部が、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する前記飛行状態及び前記軌道情報を含む複数の学習データを生成する工程と、
前記制御部が、複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成する工程と、
前記制御部が、推定対象の球の軌道情報を取得する工程と、
前記制御部が、前記推定モデルを用いて、前記推定対象の球の前記軌道情報に基づいて、前記推定対象の球の前記飛行状態を推定する工程と、
を含む情報処理方法。

【請求項20】

前記推定対象の球の飛行中の動画を取得する工程と、
前記動画に含まれる前記推定対象の球を検出する工程と
をさらに含み、
前記推定対象の球の軌道情報を取得する工程では、検出された前記推定対象の球の前記軌道情報を取得する、請求項１９に記載の情報処理方法。

【請求項21】

前記飛行状態は、前記球の速度、回転数及び回転軸の向きの少なくとも１つを含む、請求項１９に記載の情報処理方法。

【請求項22】

前記学習データを生成する工程では、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記動画において検出され得る前記推定対象の球の検出位置の誤差分布に応じた軌道情報を生成する、請求項２０に記載の情報処理方法。

【請求項23】

前記学習データを生成する工程では、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記推定対象の球を検出する工程において誤検出され得る疑球の軌跡に対応する軌道情報を含む複数の軌道情報を生成する、請求項２０に記載の情報処理方法。

【請求項24】

制御部を有するコンピュータにより行われる情報処理方法であって、
前記制御部が、推定対象の球の、飛行中の時間変化に応じた位置変化を示す軌道情報を取得する工程と、
前記制御部が、推定モデルを用いて、前記軌道情報に基づいて、前記推定対象の球の状態であって、飛行中の状態である飛行状態を推定する工程と、
を含み、
前記推定モデルは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報が生成され、
対応する当該飛行状態及び当該軌道情報を含む複数の学習データが生成され、
複数の前記学習データを用いた学習が行われる
ことで生成される、情報処理方法。

【請求項25】

制御部を有するコンピュータにより行われる情報処理方法であって、
前記制御部が、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する前記飛行状態及び前記軌道情報を含む複数の学習データを生成する工程と、
前記制御部が、複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成する工程と、
を含む情報処理方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、プログラム、コンピュータ、情報処理システム及び情報処理方法に関する。

【背景技術】

【0002】

従来、野球等において投手が投げた球の速度を計測する技術が知られている。例えば、特許文献１には、人体による物体を飛ばす動作に伴い、人体に取り付けられ該人体の動きの加速度を検出する加速度検出手段により検出される加速度の積分値に基づいて、物体の速度を算出する技術が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開平１１－１４６５２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

従来技術から、球の初速度等を求めることが行われていたが、その精度の向上が望まれていた。

【0005】

本発明はこのような点を考慮してなされたものであり、飛行状態の推定精度を向上させる技術を提供することができるプログラム、コンピュータ、情報処理システム及び情報処理方法を提供することを目的とする。

【課題を解決するための手段】

【0006】

本発明のプログラムは、
コンピュータを、学習データ生成部、モデル生成部、軌道情報取得部及び推定部として機能させるプログラムであって、
前記学習データ生成部は、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、前記飛行状態及び前記軌道情報を含む複数の学習データを生成し、
前記モデル生成部は、複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成し、
前記推定部は、前記推定モデルを用いて、前記軌道情報取得部により取得された前記軌道情報に基づいて、前記推定対象の球の前記飛行状態を推定することを特徴とする。

【0007】

本発明のプログラムにおいては、
前記コンピュータを、画像取得部及び球検出部としてさらに機能させ、
前記画像取得部は、前記推定対象の球の飛行中の動画を取得し、
前記球検出部は、前記動画に含まれる前記推定対象の球を検出し、
前記軌道情報取得部は、検出された前記推定対象の球の前記軌道情報を取得してもよい。

【0008】

本発明のプログラムにおいては、
前記飛行状態は、前記球の速度、回転数及び回転軸の向きの少なくとも１つを含んでもよい。

【0009】

本発明のプログラムにおいては、
前記軌道情報生成部は、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記動画において検出され得る前記推定対象の球の検出位置の誤差分布に応じた軌道情報を生成してもよい。

【0010】

本発明のプログラムにおいては、
前記軌道情報生成部は、前記飛行状態に基づいて、前記軌道情報を生成する物理シミュレータを用いて、前記球検出部により誤検出され得る疑球の軌跡に対応する軌道情報を含む複数の軌道情報を生成してもよい。

【0011】

本発明のプログラムは、
コンピュータを、軌道情報取得部及び推定部として機能させるプログラムであって、
前記軌道情報取得部は、推定対象の球の、飛行中の時間変化に応じた位置変化を示す軌道情報を取得し、
前記推定部は、推定モデルを用いて、前記軌道情報に基づいて、前記推定対象の球の状態であって、飛行中の状態である飛行状態を推定し、
前記推定モデルは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報が生成され、
対応する当該飛行状態及び当該軌道情報を含む複数の学習データが生成され、
複数の前記学習データを用いた学習が行われる
ことで生成される、ことを特徴とする。

【0013】

本発明のプログラムは、
コンピュータを、学習データ生成部及びモデル生成部として機能させるプログラムであって、
前記学習データ生成部は、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、前記飛行状態及び前記軌道情報を含む複数の学習データを生成し、
前記モデル生成部は、複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成することを特徴とする。

【0014】

本発明のコンピュータは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、前記飛行状態及び前記軌道情報を含む複数の学習データを生成する学習データ生成部と、
複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成するモデル生成部と、
推定対象の球の軌道情報を取得する軌道情報取得部と、
前記推定モデルを用いて、前記軌道情報取得部により取得された前記軌道情報に基づいて、前記推定対象の球の前記飛行状態を推定する推定部と、
を備えることを特徴とする。

【0015】

本発明のコンピュータは、
推定対象の球の、飛行中の時間変化に応じた位置変化を示す軌道情報を取得する軌道情報取得部と、
推定モデルを用いて、前記軌道情報に基づいて、前記推定対象の球の状態であって、飛行中の状態である飛行状態を推定する推定部と、
を備え、
前記推定モデルは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報が生成され、
対応する当該飛行状態及び当該軌道情報を含む複数の学習データが生成され、
複数の前記学習データを用いた学習が行われる
ことで生成される、ことを特徴とする。

【0016】

本発明のコンピュータは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、前記飛行状態及び前記軌道情報を含む複数の学習データを生成する学習データ生成部と、
複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成するモデル生成部と、を備えることを特徴とする。

【0017】

本発明の情報処理システムは、
携帯端末と、コンピュータと、を備えたシステムであって、
前記コンピュータは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、前記飛行状態及び前記軌道情報を含む複数の学習データを生成する学習データ生成部と、
複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成するモデル生成部と、
を備え、
前記携帯端末は、
推定対象の球の飛行中の動画を撮影する撮影部と、
前記動画を前記コンピュータに送信する送信部と
を備え、
前記コンピュータは、
前記動画を取得する動画取得部と、
前記動画に含まれる前記推定対象の球を検出する球検出部と、
前記球検出部により検出された前記推定対象の球の軌道情報を取得する軌道情報取得部と、
前記推定モデルを用いることで、前記軌道情報取得部が取得した前記軌道情報に基づいて、前記推定対象の球の前記飛行状態を推定する推定部と、
を備えることを特徴とする。

【0018】

本発明の情報処理方法は、
制御部を有するコンピュータにより行われる情報処理方法であって、
前記制御部が、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、前記飛行状態及び前記軌道情報を含む複数の学習データを生成する工程と、
前記制御部が、複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成する工程と、
前記制御部が、推定対象の球の軌道情報を取得する工程と、
前記制御部が、前記推定モデルを用いて、前記推定対象の球の前記軌道情報に基づいて、前記推定対象の球の前記飛行状態を推定する工程と、
を含むことを特徴とする。

【0019】

本発明の情報処理方法は、
制御部を有するコンピュータにより行われる情報処理方法であって、
前記制御部が、推定対象の球の、飛行中の時間変化に応じた位置変化を示す軌道情報を取得する工程と、
前記制御部が、推定モデルを用いて、前記軌道情報に基づいて、前記推定対象の球の状態であって、飛行中の状態である飛行状態を推定する工程と、
を含み、
前記推定モデルは、
学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報が生成され、
対応する当該飛行状態及び当該軌道情報を含む複数の学習データが生成され、
複数の前記学習データを用いた学習が行われる
ことで生成される、ことを特徴とする。

【0020】

本発明の情報処理方法は、
制御部を有するコンピュータにより行われる情報処理方法であって、
前記制御部が、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、前記学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、前記飛行状態及び前記軌道情報を含む複数の学習データを生成する工程と、
前記制御部が、複数の前記学習データを用いた学習により、前記軌道情報から前記飛行状態を推定する推定モデルを生成する工程と、
を含むことを特徴とする。

【発明の効果】

【0021】

本発明のプログラム、コンピュータ、情報処理システム及び情報処理方法によれば、飛行状態の推定精度を向上させる技術を提供することができる。

【図面の簡単な説明】

【0022】

【図1】情報処理システムの全体構成図である。

【図2】学習ユニット及び推定ユニットにおけるデータの流れを説明するための図である。

【図3】球検出の処理の説明図である。

【図4】方向ベクトルを算出する処理の説明図である。

【図5】学習処理を示すフローチャートである。

【図6】軌道情報生成処理の説明図である。

【図7】推定処理を示すフローチャートである。

【図8】飛行状態推定処理の説明図である。

【発明を実施するための形態】

【0023】

以下、図面を参照して本発明の実施形態について説明する。図１乃至図８は、本実施形態に係るプログラム、情報処理システム、コンピュータ及び情報処理方法等を示す図である。

【0024】

図１は、本実施形態に係る情報処理システム１の全体構成図である。情報処理システム１は、カメラ２１０において撮影された、予め設定された大きさの球の飛行中の動画において、球の実空間における３次元座標を推定し、さらに、３次元座標から、飛行状態を推定するものである。

【0025】

ここで、飛行状態は、飛ばされた球の状態、すなわち飛行中の球の状態を示す情報である。本実施形態においては、飛行状態は、球が飛ばされた初期の速度、回転数、及び回転軸の向きを含むものとする。ここで、回転軸の向きは、実空間において、例えば、鉛直方向など所定の方向を基準とした場合の当該基準の方向からの傾きである。本実施形態の情報処理システム１においては、位置が固定された特別なカメラ等を準備することなく、球の飛行状態を推定することができる。

【0026】

本実施形態においては、推定対象の球は、野球の投手により投げられた野球の球であるものとする。なお、推定対象の球は、飛行する球であればよく、その球の種類は、実施形態に限定されるものではない。他の例としては、球は、テニスのラケットにより飛ばされたテニスボール、ゴルフクラブにより飛ばされたゴルフボール、ピッチングマシンのような装置から放出されるボール等であってもよい。

【0027】

情報処理システム１は、サーバ装置１０と、携帯端末２０と、を備えている。サーバ装置１０は、コンピュータ等により構成され、制御部１００と、通信部１４０と、記憶部１５０と、表示部１６０と、操作部１７０と、を備えている。

【0028】

制御部１００は、ＣＰＵ（中央演算装置）やＧＰＵ（画像処理装置）等を含み、サーバ装置１０の動作を制御する。通信部１４０は、無線または通信により、外部装置との間で通信を行う通信インターフェースを含む。制御部１００は、通信部１４０を介して携帯端末２０との間でデータの送受信を行う。

【0029】

記憶部１５０は、例えばＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）およびＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などを含む。また、記憶部１５０は、サーバ装置１０に内蔵されるものに限定されることはなく、サーバ装置１０に着脱自在に装着可能な記憶媒体（例えば、ＵＳＢメモリ）等であってもよい。本実施形態では、記憶部１５０は、制御部１００により実行されるプログラムや、推定モデルを記憶する。

【0030】

表示部１６０は、例えばモニタ等であり、制御部１００から表示指令を受け取ることにより、様々な画面を表示するようになっている。操作部１７０は、例えばキーボード等であり、制御部１００に対して様々な指令を与えることができる。

【0031】

携帯端末２０は、通信部２００と、カメラ２１０と、表示部２２０と、を備えている。通信部２００は、無線または有線により外部装置との間で通信を行う通信インターフェースを含む。カメラ２１０は、動画を撮影する。本実施形態においては、カメラ２１０は、飛行中の球の動画（以下、飛行動画と称する）を撮影する。カメラ２１０により撮影された、飛行動画は、通信部２００を介してサーバ装置１０に送信される。表示部２２０は、例えばモニタ等であり、様々な画面を表示する。表示部２２０は、例えば、飛行動画を表示する。

【0032】

このような携帯端末２０として、例えばスマートフォン、ＰＣタブレット等を用いることができる。また、携帯端末２０として、外部装置との通信が可能なビデオカメラ等が用いられてもよい。

【0033】

本実施の形態では、携帯端末２０に撮影用アプリケーションをインストール可能となっている。携帯端末２０においてインストールされた撮像用アプリケーションが起動されると、この撮影用アプリケーションによってカメラ２１０による飛行動画の撮影が可能となる。また、飛行動画のサーバ装置１０への送信時には、飛行動画と共に、飛行動画の撮影時の画角または焦点距離の情報が送信される。

【0034】

また、携帯端末２０の表示部２２０に表示されるブラウザにおいてカメラ２１０による撮影時の画角または焦点距離の情報が入力可能となっていてもよい。そして、飛行動画が撮影された場合には、ブラウザで入力されたカメラ２１０の画角または焦点距離の情報が携帯端末２０からサーバ装置１０に送信される。

【0035】

続いて、サーバ装置１０の制御部１００の構成について説明する。制御部１００は、後述する記憶部１５０に記憶されているプログラムを実行することにより、学習ユニット１１０及び推定ユニット１２０及び通信処理部１３０として機能する。

【0036】

学習ユニット１１０は、飛行中の球の位置変化から飛行状態を特定するために利用される推定モデルを学習する機能部である。推定ユニット１２０は、携帯端末２０から飛行動画を取得し、飛行動画において球の位置変化を推定し、球の位置変化から球の飛行状態を推定する機能部である。飛行状態の推定においては、学習ユニット１１０において生成された推定モデルが利用される。

【0037】

学習ユニット１１０は、学習データ生成部１１１と、モデル生成部１１２とを有している。推定ユニット１２０は、画像取得部１２１と、球検出部１２２と、軌道情報取得部１２３と、推定部１２４と、を有している。なお、以下において、学習データ生成部１１１、モデル生成部１１２、画像取得部１２１、球検出部１２２、軌道情報取得部１２３、推定部１２４及び通信処理部１３０が行うこととして記載する処理は、制御部１００がプログラムを実行することにより行う処理である。

【0038】

図２は、学習ユニット１１０及び推定ユニット１２０におけるデータの流れを説明するための図である。学習ユニット１１０の学習データ生成部１１１は、推定モデルを生成するために利用される学習データを生成する。モデル生成部１１２は、学習データ生成部１１１により生成された学習データを用いて、機械学習により推定モデル１５１を生成する。このような機械学習としては、深層学習等の既知の様々なものを用いることができる。推定モデル１５１は、記憶部１５０に格納される。

【0039】

一方で、推定ユニット１２０においては、画像取得部１２１は、携帯端末２０から送信された飛行動画を、通信部１４０を介して取得する。球検出部１２２は、飛行動画に含まれる各フレーム画像から、球の画像を検出し、さらに球の実空間における位置を推定する。

【0040】

以下、球検出部１２２による処理について、図３及び図４を参照しつつ説明する。図３（ａ）は、飛行状態の推定対象の球の球画像３１０を含むフレーム画像３００を示す図である。球検出部１２２は、画像特徴量に基づいて、フレーム画像３００から、図３（ｂ）に示すような、球画像３１０を囲うバウンディングボックスとしての長方形３２０を生成する。このような長方形３２０の、フレーム画像３００における上辺および底辺のｙ座標は、それぞれ、球画像３１０の色の全ピクセルのうち最もｙ座標が小さいピクセルのｙ座標（ｙ１）および最もｙ座標が大きいピクセルのｙ座標（ｙ２）となる。また、長方形３２０のフレーム画像３００における左辺および右辺のｘ座標は、球画像３１０の色の全ピクセルのうち最もｘ座標が小さいピクセルのｘ座標（ｘ１）および最もｘ座標が大きいピクセルのｘ座標（ｘ２）となる。長方形３２０の四隅の座標は、（ｘ１、ｙ１）、（ｘ１、ｙ２）、（ｘ２、ｙ２）、（ｘ２、ｙ１）で表される。

【0041】

なお、他の例としては、球検出部１２２は、画像から球画像の長方形３２０の四隅の座標を推定する推定モデルを用いて、球画像３１０を囲う長方形３２０の四隅の座標を演算してもよい。このような推定モデルは、例えば、フレーム画像と、球画像と、球画像を囲う長方形の四隅の座標を含む教師データを用いることで、深層学習等の既知の様々な機械学習により生成される。

【0042】

球検出部１２２は、球画像３１０を囲う長方形３２０の四隅の座標と、カメラ２１０の画角（図４において参照符号４３０で示す）とから、カメラ２１０のレンズの焦点から球に向かう方向ベクトル（具体的には、推定対象の球の球画像３１０を囲った四隅の座標へ向かう方向ベクトル）を算出する。

【0043】

図４は、方向ベクトルを算出する処理の説明図である。図４は、図３に示すフレーム画像３００を真上から見た図である。図４に示すフレーム画像３００を上方から見たときの線分を図４では参照符号３００’で示す。また、図４では、説明のため、球画像３１０に対応する実際の球の、実空間における３次元座標を、カメラ２１０のレンズの焦点を原点として、右方向をｘ座標の正、紙面の奥行き方向をｙ座標の正、上方向をｚ座標の正、とする。また、方向ベクトルをｚ＝１ｍとなるようスケーリングする。すなわち、方向ベクトルの３次元座標上のｚ座標を１（単位：ｍ）とする。図３に示す長方形３２０の左辺全てのｘ座標がｘ１、右辺全てのｘ座標がｘ２となるため、図３に示す長方形３２０は、図３において座標ｘ１と座標ｘ２の間に存在する。図３に示す長方形３２０を上方から見たときの線分を図４では参照符号３２０’で示す。

【0044】

方向ベクトルをｚ＝１ｍとなるようスケーリングした場合、すなわち、方向ベクトルの３次元座標上のｚ座標を１（単位：ｍ）とした場合、画像の横幅（ピクセル数）をｗとすると、長方形３２０の右辺に向かう方向ベクトルの３次元座標上のｘ座標は、（（ｘ２／ｗ－０．５）×２×ｔａｎ（水平画角／２））（単位：ｍ）となる。同様に、長方形３２０の左辺に向かう方向ベクトルの３次元座標上のｘ座標は、（（ｘ１／ｗ－０．５）×２×ｔａｎ（水平画角／２））（単位：ｍ）となる。なぜならば、カメラ２１０のレンズの焦点から１ｍの距離においたフレーム画像３００の左右端のｘ座標は（±ｔａｎ（画角／２））（単位：ｍ）となるからである。なお、水平画角とは、カメラ２１０の水平方向における画角のことをいう。

【0045】

また、同様にして、カメラ２１０の視野を真横から見ることにより、長方形３２０の上辺に向かう方向ベクトルの３次元座標上のｙ座標および長方形３２０の下辺に向かう方向ベクトルの３次元座標上のｙ座標も算出することができる。具体的には、方向ベクトルの３次元座標上のｚ座標を１（単位：ｍ）とした場合、画像の高さ（ピクセル数）をｈとすると、長方形３２０の上辺に向かう方向ベクトルの３次元座標上のｙ座標は、（（ｙ１／ｈ－０．５）×２×ｔａｎ（垂直画角／２））（単位：ｍ）となる。同様に、長方形３２０の下辺に向かう方向ベクトルの３次元座標上のｘ座標は、（（ｙ２／ｈ－０．５）×２×ｔａｎ（垂直画角／２））（単位：ｍ）となる。なお、垂直画角とは、カメラ２１０の垂直方向における画角のことをいう。

【0046】

長方形３２０の四隅への方向ベクトルは、ｘ方向、ｙ方向、ｚ方向の３成分×４つ（四隅の座標）＝１２個であるが、ｚ＝１（単位：ｍ）にスケールされており、左上・左下ベクトルのｘ成分、右上・右下ベクトルのｘ成分、左上・右上ベクトルのｙ成分および左下・右下ベクトルのｙ成分は共通している。このため、カメラ２１０のレンズの焦点から球に向かう方向ベクトルの要素としては、以下の４つのデータで十分となる。
（ａ） （ｘ１／ｗ－０．５）×２×ｔａｎ（水平画角／２）
（ｂ） （ｘ２／ｗ－０．５）×２×ｔａｎ（水平画角／２）
（ｃ） （ｙ１／ｈ－０．５）×２×ｔａｎ（垂直画角／２）
（ｄ） （ｙ２／ｈ－０．５）×２×ｔａｎ（垂直画角／２）

【0047】

また、既知の方法により、カメラ２１０の画角ではなくカメラ２１０の焦点距離と、球画像３１０を囲う長方形３２０の四隅の座標とから、カメラ２１０のレンズの焦点から球に向かう方向ベクトルを演算してもよい。ここで、カメラ２１０の焦点距離とは、レンズの中心点からイメージセンサ（フイルム面）までの距離のことをいう。

【0048】

球検出部１２２は、さらに、方向ベクトルに基づいて、球画像に対応する球の実空間における３次元座標を推定する。例えば、球検出部１２２は、機械学習により得られた座標推定モデルを用いることで、方向ベクトルに基づいて、球の中心の３次元座標を推定する。より詳しくは、球検出部１２２は、球を撮影したカメラ２１０のレンズの焦点から球に向かう方向ベクトルと、球の実空間における３次元座標と、を含む教師データを用いた機械学習を行う。これにより、カメラ２１０のレンズの焦点から球に向かう方向ベクトルと、カメラ２１０の画角又は焦点距離とから球の実空間における３次元座標を推定する座標推定モデルを生成する。球検出部１２２は、このようにして得られた座標推定モデルを利用することにより、方向ベクトルに基づいて、球の３実空間における次元座標を推定する。

【0049】

図２に示すように、軌道情報取得部１２３は、動画に含まれる各フレーム画像において、球検出部１２２により得られた、球の３次元座標と、当該３次元座標が得られたフレーム画像の時刻とを対応付けた一連のデータを、球の軌道情報として取得する。ここで、軌道情報は、飛行中の球の、時間変化に応じた位置変化を示す情報である。具体的には、軌道情報は、各時間における球の実空間における３次元座標を示す情報である。

【0050】

推定部１２４は、学習ユニット１１０により生成され、記憶部１５０に格納されている、推定モデル１５１を用いて、飛行動画から得られた軌道情報から飛行状態を推定する。飛行状態は、通信部１４０を介して携帯端末２０に送信される。

【0051】

次に、学習ユニット１１０による処理について詳述する。図５は、学習ユニット１１０による学習処理を示すフローチャートである。図６は、軌道情報生成処理の説明図である。学習処理においては、まず、学習データ生成部１１１は、飛行状態を生成する（ステップＳ１００）。本実施形態においては、野球の投手により投げられた野球の球を処理対象としているため、図６に示すように、飛行状態としては、野球の投手が投げ得る球の初速度、回転数、回転軸が与えられるものとする。このように、学習データ生成部１１１により、学習用に与えられた球の状態である、飛行状態が生成される。さらに、推定モデルを作成するために、初速度、回転数、回転軸の少なくとも１つの条件が異なる複数の飛行状態が生成される。

【0052】

次に、学習データ生成部１１１は、ステップＳ１００において生成された飛行状態を入力とし、物理シミュレータを用いた物理シミュレーションにより、飛行中における球の時間変化に応じた位置変化を示す軌道情報を生成する（ステップＳ１０２）。物理シミュレータは、飛ばされた球の初期値としての球の速度、回転数及び回転軸の傾きが入力されることにより、この条件で飛行する球の軌跡を予測するものである。これにより、図６に示すように、各時間における実空間における３次元座標が得られる。

【0053】

次に、学習データ生成部１１１は、このように、入力として与えた飛行状態と、当該飛行状態に対する出力として得られた軌道情報とを１つの学習データとして得る（ステップＳ１０４）。学習データ生成部１１１は、同様にして、複数の学習データを得る。次に、モデル生成部１１２は、ステップＳ１０４において得られた複数の学習データを用いることで、機械学習により、軌道情報から飛行状態を推定する推定モデルを生成する（ステップＳ１０６）。

【0054】

実際に飛行する球が撮影された飛行動画においては、飛行状態の特定が困難である。これに対し、本実施形態の飛行状態は、このように物理シミュレーションを用いることで、実際に飛行する球に即した学習データを複数生成することができる。

【0055】

次に、推定ユニット１２０による処理について詳述する。図７は、推定ユニット１２０による推定処理を示すフローチャートである。図８は、飛行状態推定処理の説明図である。推定処理においては、まず画像取得部１２１は、通信部１４０を介して携帯端末２０からカメラ２１０により撮影された、推定対象の球の飛行動画を取得する（ステップＳ２００）。次に、球検出部１２２は、飛行動画に含まれる各フレーム画像から、球画像３１０を囲う長方形３２０の座標を算出する（ステップＳ２０２）。次に、球検出部１２２は、球画像３１０を囲う長方形３２０の座標に基づいて、カメラ２１０のレンズの焦点から球に向かう方向ベクトルを算出し、方向ベクトルに基づいて、球の実空間における３次元座標を推定する（ステップＳ２０４）。

【0056】

次に、軌道情報取得部１２３は、飛行動画に含まれる、各フレーム画像の時間と、各フレーム画像から推定された球の３次元座標と、を含む軌道情報を生成する（ステップＳ２０６）。次に、推定部１２４は、図８に示すように、記憶部１５０に格納されている推定モデル１５１を用いることで、軌道情報から飛行状態を推定する（ステップＳ２０８）。次に、通信処理部１３０は、飛行状態を、通信部１４０を介して携帯端末２０に送信する（ステップＳ２１０）。携帯端末２０においては、飛行状態を受信すると、表示部２２０は、飛行状態を表示する。これにより、利用者は、飛行状態としての、球の初期の速度、回転数及び回転軸の傾きを把握することができる。

【0057】

以上のように、本実施形態の情報処理システム１によれば、飛行状態の推定精度を向上させることができる。さらに、本実施形態の情報処理システム１においては、実際に飛行する球に即した学習データを多数生成し、生成した学習データを用いることで飛行状態を推定するための推定モデルを生成することができる。また、学習データの生成には、物理シミュレーションが用いられる。したがって、効率的に学習データを収集することができる。

【0058】

以上の実施形態は、本発明のプログラム、コンピュータ、情報処理システム及び情報処理方法等は、上述したような態様に限定されることはなく、様々な変更を加えることができる。

【0059】

そうした第１の変形例としては、飛行状態は、球の初期の速度、初期の回転数及び初期の回転軸の傾きのうち少なくとも１つを含んでいればよい。また、飛行状態は、変化球の変化量を含んでもよい。ここで、変化球の変化量は、回転数がゼロの場合の飛行位置からの変化量である。

【0060】

また、第２の変形例としては、飛行状態は、球が飛ばされた初期における状態に限定されるものではない。飛行状態は、例えば、飛ばされたタイミングから一定期間後のタイミングにおける状態であってもよい。なお、この場合には、学習データ生成部１１１は、物理シミュレータを用いた物理シミュレーションにより、初期における速度、回転数及び回転軸の傾きだけでなく、その後の各時間における速度、回転数及び回転軸の傾きを求める。そして、これらを学習データとすることで、軌道情報から、初期に限らず、任意の時間における、球の速度、回転数及び回転軸の傾きを求める推定モデルを生成するものとする。

【0061】

また、第３の変形例としては、サーバ装置１０は、飛行動画から得られた軌道情報に基づいて飛行状態を推定すればよく、そのための具体的な処理は実施形態に限定されるものではない。例えば、サーバ装置１０は、軌道情報に示される時間変化と位置変化とを、係数とする関数を用いることにより、飛行状態としての、球の初期の速度、回転数、回転軸の向きを推定してもよい。

【0062】

第４の変形例について説明する。実際にカメラにより撮影された飛行動画のフレーム画像から球画像を囲う長方形を抽出する処理においては、検出位置の誤差が生じ得る。この検出位置の誤差は、所定の形状の分布を示すことが多い。このような場合には、学習データ生成部１１１は、このような検出位置の誤差分布に応じた軌道情報を生成することとしてもよい。具体的には、学習データ生成部１１１は、物理シミュレータにより生成された軌道情報に対して、誤差分布が再現されるように、その位置情報を修正することとする。これにより、球画像に対応した長方形の検出位置に誤差が生じるようなケースにおいても、精度よく、飛行状態の推定を行うことができる。

【0063】

第５の変形例について説明する。実際にカメラにより撮影された飛行動画において、推定対象の球以外に、他の球が含まれている場合がある。このような場合には、球検出部１２２が飛行動画中の一部のフレーム画像において、他の球を推定対象の球と誤認識する場合がある。そこで、学習データにおいても、このように他の球に対応した軌道情報を含ませてもよい。具体的には、学習データ生成部１１１は、軌道情報として、学習用の球以外に、偽球の飛行中の軌跡に対応する軌道情報を含ませるものとする。これにより、推定対象以外の他の球が、推定対象の球として誤認識されるケースにおいても、推定対象の球の飛行状態を精度良く推定することができる。

【0064】

第６の変形例としては、サーバ装置１０が行うものとして説明した処理の少なくとも一部を携帯端末２０または他の装置が備えることとしてもよい。例えば推定ユニット１２０は、携帯端末２０が備えることとしてもよい。この場合には、サーバ装置１０において推定モデルの生成を行い、生成された推定モデルは携帯端末２０に送信される。そして、携帯端末２０は、推定モデルを用いることで、飛行動画から、飛行状態を推定する。

【0065】

また、他の例としては、画像取得部１２１、球検出部１２２は、携帯端末２０が備えることとし、携帯端末２０が飛行動画から、軌道情報を生成し、携帯端末２０は、飛行動画に変えて軌道情報をサーバ装置１０に送信することとしてもよい。

【0066】

また、他の例としては、飛行動画から軌道情報を生成する処理は、サーバ装置１０及び携帯端末２０以外の他の装置が行うこととしてもよい。この場合には、携帯端末２０から他の装置に飛行動画が送信され、他の装置において、飛行動画から軌道情報が生成され、他の装置からサーバ装置１０に軌道情報が送信されればよい。

【0067】

また、他の例としては、学習ユニット１１０と、推定ユニット１２０は、別の装置において実現されてもよい。この場合、学習ユニット１１０を備える第１の装置から推定ユニット１２０を備える第２の装置に対して、学習ユニット１１０により生成された推定モデルが送信され、第２の装置においては、第１の装置で生成された推定モデルを用いて、飛行状態の推定が行われるものとする。

【0068】

第７の変形例としては、軌道情報取得部１２３が取得する軌道情報は、飛行動画から得られた軌道情報に限定されるものではない。例えば、軌道情報は、レーダーによる検知結果から得られた情報であってもよい。

【0069】

以上のような構成からなる本実施形態のプログラム、コンピュータ、情報処理システム及び情報処理方法によれば、プログラムは、コンピュータ（サーバ装置１０）を、学習データ生成部１１１、モデル生成部１１２、軌道情報取得部１２３及び推定部１２４として機能させる。そして、学習データ生成部１１１は、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、モデル生成部１１２は、複数の学習データを用いた学習により、軌道情報から飛行状態を推定する推定モデルを生成し、軌道情報取得部１２３は、推定対象の球の軌道情報を取得し、推定部１２４は、推定モデルを用いて、軌道情報取得部１２３により取得された軌道情報に基づいて、推定対象の球の飛行状態を推定する。これにより、推定対象の球の軌道情報から、推定対象の球の状態であって、飛行中の状態である飛行状態を推定することができる。

【0070】

また、本実施形態のプログラム、コンピュータ、情報処理システム及び情報処理方法においては、プログラムは、コンピュータ（サーバ装置１０）を、画像取得部１２１及び球検出部１２２としてさらに機能させ、画像取得部１２１は、推定対象の球の飛行中の動画を取得し、球検出部１２２は、動画に含まれる推定対象の球を検出し、軌道情報取得部１２３は、検出された推定対象の球の軌道情報を取得してもよい。ここで、飛行状態は、球の速度、回転数及び回転軸の向きの少なくとも１つを含んでもよい。この場合には、推定対象の球の飛行中の動画に基づいて、推定対象の球の飛行状態を推定することができる。

【0071】

また、本実施形態のプログラム、コンピュータ、情報処理システム及び情報処理方法においては、学習データ生成部１１１は、飛行状態に基づいて、軌道情報を生成する物理シミュレータを用いて、動画において検出され得る推定対象の球の検出位置の誤差分布に応じた軌道情報を生成してもよい。また、学習データ生成部１１１は、飛行状態に基づいて、軌道情報を生成する物理シミュレータを用いて、球検出部１２２により誤検出され得る疑球の軌跡に対応する軌道情報を含む複数の軌道情報を生成してもよい。

【0072】

また、本実施形態のプログラム、コンピュータ、情報処理システム及び情報処理方法によれば、プログラムは、コンピュータ（サーバ装置１０）を、軌道情報取得部１２３及び推定部１２４として機能させ、軌道情報取得部１２３は、推定対象の球の、飛行中の時間変化に応じた位置変化を示す軌道情報を取得し、推定部１２４は、軌道情報に基づいて、推定対象の球の状態であって、飛行中の状態である飛行状態を推定する。これにより、推定対象の球の軌道情報から、飛行状態を推定することができる。

【0073】

また、本実施形態のプログラム、コンピュータ、情報処理システム及び情報処理方法においては、推定部１２４は、軌道情報から飛行状態を推定する推定モデルを用いて、軌道情報取得部１２３により取得された軌道情報に基づいて、推定対象の球の飛行状態を推定し、推定モデルは、学習用の球の飛行状態と、当該飛行状態から得られた軌道情報と、を含む学習データを用いた学習により生成されてもよい。この場合には、高精度に飛行状態を推定することができる。

【0074】

また、本実施形態のプログラム、コンピュータ、情報処理システム及び情報処理方法によれば、プログラムは、コンピュータ（サーバ装置１０）を、学習データ生成部１１１及びモデル生成部１１２として機能させ、学習データ生成部１１１は、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する飛行状態及び前記軌道情報を含む複数の学習データを生成し、モデル生成部１１２は、学習データを用いた学習により、軌道情報から飛行状態を推定する推定モデルを生成する。これにより、推定対象の球の軌道情報から、推定対象の球の状態であって、飛行中の状態である飛行状態を推定するために利用される推定モデルを提供することができる。

【符号の説明】

【0075】

１ 情報処理システム
１０ サーバ装置
２０ 携帯端末
１００ 制御部
１１０ 学習ユニット
１１１ 学習データ生成部
１１２ モデル生成部
１２０ 推定ユニット
１２１ 画像取得部
１２２ 球検出部
１２３ 軌道情報取得部
１２４ 推定部
１３０ 通信処理部
１４０ 通信部
１５０ 記憶部
１６０ 表示部
１７０ 操作部
２００ 通信部
２１０ カメラ
２２０ 表示部

【要約】

【課題】簡単な構成により、推定対象の球の軌道情報から、推定対象の球の状態であって、飛行中の状態である飛行状態を推定するために利用される技術を提供することができるプログラム、コンピュータ、情報処理システム及び情報処理方法を提供する。
【解決手段】コンピュータを、学習データ生成部１１１及びモデル生成部１１２として機能させるプログラムであって、学習データ生成部１１１は、学習用の球の状態であって、飛行中の状態である異なる複数の飛行状態それぞれに基づいて、学習用の球の飛行中における時間変化に応じた位置変化を示す複数の軌道情報を生成し、さらに、対応する飛行状態及び軌道情報を含む複数の学習データを生成し、モデル生成部１１２は、複数の前記学習データを用いた学習により、軌道情報から飛行状態を推定する推定モデルを生成する。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】