知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-12-19
(45)【発行日】2024-12-27
(54)【発明の名称】活動センサのインテリジェント分析及び自動グループ化
(51)【国際特許分類】
A63B 71/06 20060101AFI20241220BHJP
A61B 5/11 20060101ALI20241220BHJP
【ＦＩ】
A63B71/06 M
A61B5/11 200
【請求項の数】
20
(21)【出願番号】P 2024502630
(86)(22)【出願日】2022-08-26
(65)【公表番号】
(43)【公表日】2024-09-05
(86)【国際出願番号】 IB2022058027
(87)【国際公開番号】W WO2023026256
(87)【国際公開日】2023-03-02
【審査請求日】2024-03-07
(31)【優先権主張番号】17/459,981
(32)【優先日】2021-08-27
(33)【優先権主張国・地域又は機関】US
【早期審査対象出願】
(73)【特許権者】
【識別番号】524021279
【氏名又は名称】ラップソード ピーティーイー リミテッド
【氏名又は名称原語表記】ＲＡＰＳＯＤＯ ＰＴＥ． ＬＴＤ．
(74)【代理人】
【識別番号】110002583
【氏名又は名称】弁理士法人平田国際特許事務所
(72)【発明者】
【氏名】オクール，バトゥハン
(72)【発明者】
【氏名】ゴパラクリシュナン，ロシャン
【審査官】伊藤 昭治
(56)【参考文献】
【文献】国際公開第２０１９／１３０７５５（ＷＯ，Ａ１）
【文献】米国特許出願公開第２０２０／００９３４１９（ＵＳ，Ａ１）
【文献】米国特許出願公開第２０２０／００６９２１０（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６３Ｂ ７１／００ － ７１／１６
Ａ６１Ｂ ５／１１
(57)【特許請求の範囲】
【請求項1】
複数のスポーツユーザを含む定義された環境から、第１のスポーツユーザに結合された１つ以上の第１の活動センサと、第２のスポーツユーザに結合された１つ以上の第２の活動センサと、を特定することであって、前記複数のスポーツユーザは、各スポーツユーザの各領域に結合された１つ以上の第１または第２の活動センサを有し、前記１つ以上の第１または第２の活動センサは、筋活動を示すセンサデータを生成するように構成されることを特徴とし、
第１のスポーツユーザの各領域に結合された前記１つ以上の第１の活動センサから第１のセンサデータを取得することと、
前記第１のスポーツユーザ及び前記第１のスポーツユーザに結合された前記１つ以上の第１の活動センサの第１の画像データを取得することと、
機械学習モデルによって、前記第１のセンサデータ及び前記第１の画像データに基づいて、前記第１のスポーツユーザを第１の特定のスポーツユーザとして特定することと、
前記機械学習モデルによって、前記第１のセンサデータ及び前記第１の画像データに基づいて、前記１つ以上の第１の活動センサが各々結合された各領域に関連する前記第１の特定のスポーツユーザの各筋活動を特定することと、
前記機械学習モデルによって、前記特定された前記第１の特定のスポーツユーザの前記各筋活動に基づいて、前記第１の特定のスポーツユーザによって行われる特定の動きを特定することと、を含む方法。
【請求項2】
前記１つ以上の第１の活動センサからの前記第１のセンサデータは、筋電図データ、生体データ、運動データ、方向データ、回転データ、電気データ、発汗データ、温度データ、又は圧力データのうちの少なくとも１つを含む、請求項１記載の方法。
【請求項3】
前記第１の特定のスポーツユーザによって行われる前記特定の動きに関連する前記第１の特定のスポーツユーザの第１の身体姿勢を決定することと、前記機械学習モデルによって、熟練したスポーツ競技者の動きに基づく訓練用センサデータ及び訓練用画像データを取得することと、
前記訓練用センサデータ及び前記訓練用画像データに基づいて、前記熟練したスポーツ競技者によって行われる特定の動きを特定することと、
前記熟練したスポーツ競技者によって行われる前記特定の動きに関連する第２の身体姿勢を決定することと、
前記第１の身体姿勢と前記第２の身体姿勢とを比較することと、
前記第１の特定のスポーツユーザの前記第１の身体姿勢と前記熟練したスポーツ競技者の前記第２の身体姿勢との間の前記特定の動きの実施における１つ以上の相違を特定することと、を含む、請求項１に記載の方法。
【請求項4】
前記第１の特定のスポーツユーザの１つ以上の運動パターンを決定することにより、前記第１の特定のスポーツユーザの前記特定の動きを分析することをさらに含み、前記第１の特定のスポーツユーザの運動パターンを決定することは、前記機械学習モデルにより、前記特定の動きの実施における前記第１のスポーツユーザの動きに基づいて、訓練用センサデータ及び訓練用画像データを取得することと、
前記特定の動きの実施における前記第１の特定のスポーツユーザの１つ以上の習慣的な動きを特定することと、
前記特定の動きの実施における前記第１の特定のスポーツユーザの動きを前記特定の動きの実施における前記第１の特定のスポーツユーザの習慣的な動きと比較することと、
前記特定の動きの実施における前記第１の特定のスポーツユーザの動きと前記特定の動きの実施における前記第１の特定のスポーツユーザの習慣的な動きの間の１つ以上の相違を特定することと、を更に含む請求項１記載の方法。
【請求項5】
前記第１の特定のスポーツユーザの傷害評価を行うことをさらに含み、前記傷害評価を行うことは、前記第１の特定のスポーツユーザに関わる傷害が発生した時間を決定することと、
前記第１の特定のスポーツユーザに関わる傷害が発生した時間における前記第１の特定のスポーツユーザの動きに関連する前記センサデータ及び前記画像データを分析することと、
前記傷害によって引き起こされた筋損傷の存在、前記傷害によって引き起こされた筋損傷の重症度、又は前記傷害の原因のうちの少なくとも１つを決定することと、を含む請求項１記載の方法。
【請求項6】
前記１つ以上の第１の活動センサの各々が結合された前記各領域に関連する前記各筋活動を特定することが、前記第１の特定のスポーツユーザの三次元身体姿勢モデル又は三次元運動シミュレーションモデルを生成することを含む、請求項１に記載の方法。
【請求項7】
第２の特定のスポーツユーザの動きを特定することを更に含み、前記特定は、前記１つ以上の第２の活動センサから第２のセンサデータを取得し、前記１つ以上の第２の活動センサの各々は前記第２のスポーツユーザの各領域に結合されることと、
前記第２のスポーツユーザ及び前記第２のスポーツユーザに結合された前記１つ以上の第２の活動センサの第２の画像データを取得することと、
前記機械学習モデルによって、前記第２のセンサデータ及び前記第２の画像データに基づいて、前記第２のスポーツユーザを前記第２の特定のスポーツユーザとして特定することと、
前記機械学習モデルによって、前記２のセンサデータ及び前記第２の画像データに基づいて、前記１つ以上の第２の活動センサが結合された前記第２の特定のスポーツユーザの各領域に関連する前記第２の特定のスポーツユーザの各筋活動を特定することと、
前記機械学習モデルによって、特定された前記第２の特定のスポーツユーザの前記各筋活動に基づいて、前記第２の特定のスポーツユーザによって行われる特定の動きを特定することとからなる、請求項１記載の方法。
【請求項8】
センサ活動をグループ化して分析するシステムであって、筋活動を示すセンサデータを生成するように構成された、定義された環境内の複数のスポーツユーザの各スポーツユーザの各領域に結合された１つ以上の活動センサと、
前記定義された環境内の前記ユーザの画像データを収集するように構成された１つ以上のカメラと、
前記１つ以上の活動センサ及び前記１つ以上のカメラに通信可能に結合された演算システムを備え、前記演算システムは、
前記複数のスポーツユーザを含む前記定義された環境から、第１のスポーツユーザに結合された１つ以上の第１の活動センサと、第２のスポーツユーザに結合された１つ以上の第２の活動センサと、を特定することと、
前記第１のスポーツユーザ上に各々位置づけられた、前記第１のスポーツユーザの各領域に結合された前記１つ以上の第１の活動センサから第１のセンサデータを取得することと、
前記第１のスポーツユーザ及び前記第１のスポーツユーザに結合された前記１つ以上の第１の活動センサの第１の画像データを取得することと、
機械学習モデルによって、かつ、前記第１のセンサデータ及び前記第１の画像データに基づいて、前記第１のスポーツユーザを第１の特定のスポーツユーザとして特定することと、
前記機械学習モデルによって、前記第１のセンサデータ及び前記第１の画像データに基づいて、前記１つ以上の第１の活動センサが各々結合された各領域に関連する前記第１の特定のスポーツユーザの各筋活動を特定することと、
前記機械学習モデルによって、前記特定された前記第１の特定のスポーツユーザの筋活動に基づいて、前記第１の特定のスポーツユーザによって行われる特定の動きを特定することを実行するように構成された、センサ活動をグループ化して分析するシステム。
【請求項9】
前記１つ以上の第１の活動センサからの前記第１のセンサデータは、筋電図データ、生体データ、運動データ、方向データ、回転データ、電気データ、発汗データ、温度データ、又は圧力データのうち少なくとも１つを含む請求項８記載のシステム。
【請求項10】
前記演算システムは、前記第１の特定のスポーツユーザにより行われる前記特定の運動に関連する前記第１の特定のスポーツユーザの第１の身体姿勢を決定し、
前記機械学習モデルによって、熟練したスポーツ競技者の動きに基づく訓練用センサデータ及び訓練用画像データを取得し、
前記訓練用センサデータ及び前記訓練用画像データに基づいて前記熟練したスポーツ競技者により行われる特定の動きを特定し、
前記熟練したスポーツ競技者により行われる前記特定の動きに関連する第２の身体姿勢を決定し、
前記第１の身体姿勢と前記第２の身体姿勢とを比較し、
前記第１の特定のスポーツユーザの前記第１の身体姿勢と前記熟練したスポーツ競技者の前記第２の身体姿勢との間の前記特定の動きの実施における１つ以上の相違を特定することと、を更に実行するように構成される、請求項８に記載のシステム。
【請求項11】
前記演算システムは、前記第１の特定のスポーツユーザの１つ以上の運動パターンを決定することにより、前記第１の特定のスポーツユーザの前記特定の動きを分析することをさらに実行するように構成され、前記第１の特定のポーツユーザの前記運動パターンを決定することは、前記機械学習モデルによって、前記特定の動きを行った際の前記第１の特定のスポーツユーザの動きに基づいて、訓練用センサデータ及び訓練用画像データを取得することと、
前記特定の動きを行った際の前記第１の特定のスポーツユーザの１つ以上の習慣的な動きを特定することと、
前記特定の動きを行った際の前記第１の特定のスポーツユーザの前記動きを前記特定の動きを行った際の前記第１の特定のスポーツユーザの習慣的な動きと比較することと、
前記特定の動きを行った際の前記第１の特定のスポーツユーザの前記動きと前記特定の動きを行った際の前記第１の特定のスポーツユーザの前記習慣的な動きの間の１つ以上の相違を特定することと、を含む、請求項８記載のシステム。
【請求項12】
前記演算システムは、前記第１の特定のスポーツユーザの傷害評価を更に実行するように構成され、前記傷害評価を行うことは、前記第１の特定のスポーツユーザに関わる障害が発生した時間を決定することと、
前記第１の特定のスポーツユーザに関わる障害が発生した時間における前記第１の特定のスポーツユーザの動きに関連する前記センサデータ及び前記画像データを分析することと、
前記傷害によって引き起こされた筋損傷の存在、前記傷害によって引き起こされた筋損傷の重症度、又は前記傷害の原因のうち少なくとも１つを決定することと、を含む、請求項８記載のシステム。
【請求項13】
前記１つ以上の第１の活動センサの各々が結合された前記各領域に関連する前記各筋活動を特定することは、前記第１の特定のスポーツユーザの三次元身体姿勢モデル又は三次元運動シミュレーションモデルを生成することを含む、請求項８に記載のシステム。
【請求項14】
前記演算システムは、第２の特定のスポーツユーザを特定することを更に実行するように構成され、前記特定は、各々が前記１つ以上の第２のスポーツユーザの各領域に結合されている、前記１つ以上の第２の活動センサから第２のセンサデータを取得することと、
前記第２のスポーツユーザと、前記第２のスポーツユーザに結合された前記１つ以上の第２の活動センサの第２の画像データを取得することと、
前記機械学習モデルにより、前記第２のセンサデータ及び前記第２の画像データに基づいて、前記第２のスポーツユーザを前記第２の特定のスポーツユーザとして特定することと、
前記機械学習モデルにより、前記第２のセンサデータ及び前記第２の画像データに基づいて、前記１つ以上の第２の活動センサが結合された前記第２の特定のスポーツユーザの各領域に関連する前記第２の特定のスポーツユーザの各筋活動を特定することと、
前記機械学習モデルにより、前記特定された前記第２の特定のスポーツユーザの前記各筋活動に基づいて、前記第２のスポーツユーザにより行われる特定の動きを特定することによって行われる、請求項８記載のシステム。
【請求項15】
実行されることに応答して、システムに動作を実行させる命令を記憶するように構成された、１つ以上の非一時的なコンピュータ読み取り可能な記録媒体であって、前記動作は、複数のスポーツユーザを含む定義された環境から、第１のスポーツユーザに結合された１つ以上の第１の活動センサと、第２のスポーツユーザに結合された１つ以上の第２の活動センサと、を特定することであって、前記複数のスポーツユーザは、各スポーツユーザの各領域に結合された１つ以上の第１または第２の活動センサを有し、前記１つ以上の第１または第２の活動センサは、筋活動を示すセンサデータを生成するように構成されることを特徴とし、
前記第１のスポーツユーザ上に位置づけられた、前記第１のスポーツユーザの各領域に結合された前記１つ以上の第１の活動センサから第１のセンサデータを取得することと、
前記第１のスポーツユーザ及び前記第１のスポーツユーザに結合された前記１つ以上の第１の活動センサの第１の画像データを取得することと、
機械学習モデルによって、前記第１のセンサデータ及び前記第１の画像データに基づいて、前記第１のスポーツユーザを第１の特定のスポーツユーザとして特定することと、
前記機械学習モデルによって、前記第１のセンサデータ及び前記第１の画像データに基づいて、前記１つ以上の第１の活動センサが各々結合された各領域に関連する前記第１の特定のスポーツユーザの各筋活動を特定することと、
前記機械学習モデルによって、前記特定された前記第１の特定のスポーツユーザの筋活動に基づいて、前記第１の特定のスポーツユーザによって行われる特定の動きを特定することと、を含むことを特徴とする１つ以上の非一時的なコンピュータ読み取り可能な記録媒体。
【請求項16】
前記動作は、前記第１の特定のスポーツユーザによって行われる前記特定の動きに関連する前記第1の特定のスポーツユーザの第１の身体姿勢を決定することと、
前記機械学習モデルによって、熟練したスポーツ競技者の動きに基づく訓練用センサデータ及び訓練用画像データを取得することと、
前記訓練用センサデータ及び前記訓練用画像データに基づいて前記熟練したスポーツ競技者により行われる特定の動きを特定することと、
前記熟練したスポーツ競技者により行われる前記特定の動きに関連する第２の身体姿勢を決定することと、
前記第１の身体姿勢を前記第２の身体姿勢と比較することと、
前記第１の特定のスポーツユーザの前記第１の身体姿勢と前記熟練したスポーツ競技者の前記第２の身体姿勢との間の前記特定の動きを行った際の１つ以上の相違を特定することと、を更に含む、請求項１５に記載の１つ以上の非一時的なコンピュータ読み取り可能な記録媒体。
【請求項17】
前記動作は、前記第１の特定のスポーツユーザの１つ以上の運動パターンを決定することにより、前記第１の特定のスポーツユーザの前記特定の動きを分析することをさらに含み、前記第１の特定のスポーツユーザの前記運動パターンを決定することは、
前記機械学習モデルによって、前記特定の動きを行った際の前記第１の特定のスポーツユーザの動きに基づいて、訓練用センサデータ及び訓練用画像データを取得することと、
前記特定の動きを行った際の前記第１の特定のスポーツユーザの１つ以上の習慣的な動きを特定することと、
前記特定の動きを行った際の前記第１の特定のスポーツユーザの前記動きを前記特定の動きを行った際の前記第１のスポーツユーザの習慣的な動きと比較することと、
前記特定の動きを行った際の前記第１の特定のスポーツユーザの前記動きと前記特定の動きを行った際の前記第１の特定のスポーツユーザの前記習慣的な動きの間の１つ以上の相違を特定することと、を含む、請求項１５に記載の１つ以上の非一時的なコンピュータ読み取り可能な記録媒体。
【請求項18】
前記動作は、前記第１の特定のスポーツユーザの傷害評価を行うことをさらに含み、前記傷害評価を行うことは、
前記第１の特定のスポーツユーザに関わる障害が発生した時間を決定することと、
前記第１の特定のスポーツユーザに関わる障害が発生した時間における前記第１のスポーツユーザの前記動きに関連する前記センサデータ及び前記画像データを分析することと、
前記傷害によって引き起こされた筋損傷の存在、前記傷害によって引き起こされた筋損傷の重症度、又は前記傷害の原因のうち少なくとも１つを決定することと、を含む、請求項１５記載の１つ以上の非一時的なコンピュータ読み取り可能な記録媒体。
【請求項19】
前記１つ以上の第１の活動センサの各々が結合された前記各領域に関連する前記各筋活動を特定することは、前記第１の特定のスポーツユーザの三次元身体姿勢モデル又は三次元運動シミュレーションモデルを生成することを含む、請求項１５に記載の１つ以上の非一時的なコンピュータ読み取り可能な記録媒体。
【請求項20】
前記動作は、第２の特定のスポーツユーザを特定することを更に含み、前記特定は、
各々が前記第２のスポーツユーザの各領域に結合されている、前記１つ以上の第２の活動センサから第２のセンサデータを取得することと、
前記第２のスポーツユーザと、前記第２のスポーツユーザに結合された前記１つ以上の第２の活動センサの第２の画像データを取得することと、
前記機械学習モデルによって、前記第２のセンサデータ及び前記第２の画像データに基づいて、前記第２のスポーツユーザを前記第２の特定のスポーツユーザとして特定することと、
前記機械学習モデルによって、前記第２のセンサデータ及び前記第２の画像データに基づいて、前記１つ以上の第２の活動センサが結合された前記第２の特定のスポーツユーザの各領域に関連する前記第２の特定のスポーツユーザの各筋活動を特定することと、
前記機械学習モデルによって、前記特定された前記第２の特定のスポーツユーザの前記各筋活動に基づいて、前記第２のスポーツユーザによって行われる特定の動きを特定するによって行われる、請求項１５に記載の１つ以上の非一時的なコンピュータ読み取り可能な記録媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、概して、活動センサのインテリジェント分析及び自動グループ化に関するものである。
【背景技術】
【0002】
あるスポーツにおける競技者（player：プレイヤー、選手）のパフォーマンスは、その競技者がどのようにスポーツ特有の動作を行うか、及び／又は、どのように身体を動かすか、に依存する場合がある。競技者の筋肉の動き及び状態は、競技者がスポーツ特有の動作を行う、及び／又は、身体を動かす、その方法に関係する場合がある。筋肉の動き及び状態を評価することは、スポーツ競技の理解及び分析を向上させる可能性がある。
【0003】
本開示で請求される主題は、あらゆる欠点を解決する実施形態に限定されるものではなく、また、上述のような環境でのみ動作するものでもない。むしろ、この背景技術は、本開示に記載されるいくつかの実施形態が実施されうる一例の技術分野を説明するために提供されるに過ぎない。
【発明の概要】
【課題を解決するための手段】
【0004】
実施形態の一態様によれば、本方法は、各々がスポーツユーザの各領域に結合される１つ以上の活動センサからセンサデータを取得することを含んでもよい。本方法は、前記スポーツユーザ及び前記スポーツユーザに結合された前記活動センサの各々の画像データを取得することを含んでもよい。本方法は、機械学習モデルによって、かつ、前記センサデータ及び前記画像データに基づいて、前記活動センサが結合された各領域に関連する各筋肉を特定することを含んでもよい。本方法は、前記活動センサからの前記センサデータ及び特定された身体部位に基づいて、前記スポーツユーザの動きを特定することを含んでもよい。本方法は、前記スポーツユーザの身体姿勢を評価することを含む、前記スポーツユーザの特定された動きを分析することと、前記スポーツユーザの１つ以上の運動パターンを特定することと、及び／又は前記スポーツユーザの傷害評価を実行することとを含んでもよい。
【0005】
実施形態の目的及び利点は、少なくとも、特許請求の範囲において特に指摘される要素、特徴、及び組み合わせによって実現及び達成される。前述の一般的な説明及び以下の詳細な説明は、いずれも説明的なものであり、特許請求の範囲に記載された本発明を制限するものではないことを理解されたい。
【図面の簡単な説明】
【0006】
例示的な実施形態を、添付の図面を通して、さらに具体的かつ詳細に説明する。
【0007】
【発明を実施するための形態】
【0008】
１つ以上の活動センサをスポーツユーザ（sports user）の各領域に結合することにより、筋肉の動き及び状態の追跡及び分析を容易にすることができる。活動センサが結合されるスポーツユーザの領域は、活動センサが、発汗活動レベル及び／又は筋電図（ＥＭＧ）測定値などの測定基準に基づいて筋活動を評価することができるように、スポーツユーザの１つ以上の筋肉に対応してもよい。しかしながら、筋肉内ＥＭＧ及び／又は表面ＥＭＧのような既存の活動センサ及びセンサデータを収集する方法は、非効率的であり、様々な欠点を含んでもよい。特に、筋肉内ＥＭＧと表面ＥＭＧはともに、センサデータの正確な収集を保証するために、面倒で時間のかかる準備を含む。一例として、筋肉内ＥＭＧは、センサデータの収集を容易にするために、筋肉の正確な選択と針の位置決めを必要とする準備を含む。別の例として、表面ＥＭＧの使用は、筋肉内ＥＭＧの使用よりも準備が比較的容易かもしれないが、表面ＥＭＧを実施するには、活動センサが取り付けられる予定の皮膚の表面をアルコールで擦るなどの準備も必要である。さらに、複数の活動センサとスポーツユーザとのペアリングは、活動センサごとに手作業で行う必要があるため、活動センサの数及び／又はスポーツユーザの数が増えるにつれて、１人以上のスポーツユーザに結合された各活動センサの特定及びペアリングがますます複雑になる。このように、活動センサの各々を特定し、特定のスポーツユーザにペアリングすることは、活動センサの自動構成なしでは、ますます面倒になる可能性がある。
【0009】
本開示で説明する実施形態は、活動センサのインテリジェント分析（intelligent analysis）及びグループ化（grouping：グルーピング）を介して、１人又は複数のスポーツユーザに対する活動センサの自動特定及び／又はペアリング（pairing：対にする）を容易にし、スポーツユーザの各々に関連するセンサデータの利用可能性を向上させることができる。いくつかの実施形態では、１つ以上の活動センサは、準備を実行することなく、多数のスポーツユーザの領域に結合することができる。シングルカメラ及び／又はマルチカメラシステムは、各スポーツユーザに対応する三次元身体姿勢を推定するために、スポーツユーザに関する位置情報及び各スポーツユーザに関連するあらゆる動きを含む画像データを収集することができる。活動センサ及びカメラシステムは、それぞれセンサデータ及び画像データを受信機に連続的に送信し、センサデータと画像データとを組み合わせて、ユーザとセンサとのペアリングを特定することができる。センサデータ及び画像データは、スポーツユーザの筋肉の動きに関するフィードバックを提供するために分析されてもよい。
【0010】
本開示の実施形態を、添付図を参照して説明する。
【0011】
図１は、本開示によるセンサ配置検出のための例示的なシステム１００を示す。システム１００は、１つ以上の活動センサ１１０ａ～１１０ｆ（「活動センサ１１０」）と、１つ以上のカメラ１３０ａ及び１３０ｂ（「カメラ１３０」）と、を含んでもよい。活動センサ１１０ａ～１１０ｆの各々は、スポーツユーザの各領域１２０ａ～１２０ｆ（「領域１２０」）に結合され得る。例えば、第１の活動センサ１１０ａはスポーツユーザの第１の領域１２０ａに結合され、第２の活動センサ１１０ｂはスポーツユーザの第２の領域１２０ｂに結合されてもよい。カメラによって撮像された（captured）画像データ及び活動センサ１１０によって記録された（captured）センサデータは、機械学習モデル１４０によって取得されてもよい。
【0012】
活動センサ１１０は、活動センサ１１０が結合されたスポーツユーザの筋肉活動を詳述する（describe：示す）センサデータを取得してもよい。いくつかの実施形態では、筋肉活動を詳述するセンサデータは、スポーツユーザの筋肉によって生成される電気活動を示すＥＭＧ測定値を含んでもよい。このような電気活動は、活動センサ１１０が配置されたスポーツユーザの領域１２０に対応する筋肉の電位に基づいて測定されてもよい。ＥＭＧ測定値は、対応する筋肉の活性化レベル及び／又は動員順序（recruitment order）などの、対応する筋肉に関する情報を提供することができる。さらに、又は代替的に、活動センサ１１０は、スポーツユーザの領域１２０に対応する筋肉の収縮及び／又は伸長を測定するように構成された圧力センサを含んでもよい。追加的又は代替的に、活動センサ１１０は、スポーツユーザの汗中のバイオマーカーの存在を測定するように構成された汗センサ、及び／又はスポーツユーザの筋肉中の乳酸蓄積を測定するように構成された化学電位センサを含んでもよい。さらに、又は代替的に、活動センサ１１０は、温度、電位、及び／又は他の種類の生体データを含む他の種類のデータを測定するように構成されてもよい。さらに、又は代替的に、活動センサ１１０は、向き、回転角度及び／又は方向、速度、及び／又はスポーツユーザの動きに関連する他の物理的パラメータに基づいて、スポーツユーザの三次元データを測定するように構成されてもよい。
【0013】
活動センサ１１０は、スポーツユーザの皮膚表面の対応する領域１２０に配置することができる。このように、活動センサ１１０は、スポーツユーザの筋肉に関連するセンサデータを得るために、スポーツユーザの１つ以上の筋肉と直接接触する必要のない外部センサを含んでもよい。スポーツユーザの領域１２０はスポーツユーザの筋肉に対応するため、センサデータの分析に関心のある１つ以上の筋肉に近接したスポーツユーザの領域１２０に活動センサ１１０を配置することで、センサデータのより正確な収集を容易にすることができる。これらの実施形態及び他の実施形態では、活動センサ１１０の各表面積は、活動センサ１１０の配置が正確である必要がないように、スポーツユーザの筋肉に対応する領域１２０の各表面積よりも小さくてもよい。例えば、特定の活動センサをスポーツユーザの上腕に配置して、スポーツユーザの上腕二頭筋に関するセンサデータを取得することができる。この例では、スポーツユーザの上腕上の特定の活動センサは、上腕二頭筋に関するセンサデータを取得するために、スポーツユーザの上腕上の１つ以上の領域に配置することができるため、正確な位置決めを必要としない場合がある。追加的又は代替的に、活動センサ１１０の配置は、ターゲットとなる筋肉が小さい、及び／又は、複数の筋肉がスポーツユーザの同一の領域１２０に対応する場合には、より高感度であってもよい。
【0014】
カメラ１３０は、スポーツユーザの領域１２０に結合された活動センサ１１０の位置決め及び／又は動きを示す１つ以上の画像を撮像するように構成されてもよい。いくつかの実施形態では、カメラ１３０は、スポーツユーザの全体及び／又はスポーツユーザの領域１２０に結合された活動センサ１１０のすべてを含む画像を撮像するように位置決めされてもよい。追加的に又は代替的に、カメラ１３０の各々は、スポーツユーザの一部及び／又はスポーツユーザの領域１２０に結合された活動センサ１１０の一部を含む画像を撮像するように配置されてもよい。例えば、第１のカメラは、スポーツユーザの下半身に位置する領域１２０に配置された活動センサ１１０の画像を含む、１人以上のスポーツユーザの下半身に関連する画像を撮像するために、地面付近に配置されてもよく、第２のカメラは、スポーツユーザの上半身に関連する画像を撮像するために配置されてもよい。
【0015】
これらの実施形態及び他の実施形態では、２つ以上のカメラ１３０が、同一のスポーツユーザ及び／又は同一の活動センサ１１０に関連する画像を異なる角度から撮像することができる。同一のスポーツユーザ及び／又は同一の活動センサ１１０の複数の角度を含む画像を撮像することにより、スポーツユーザ及び／又は活動センサ１１０の動き（例えば、カメラの視野外への移動、及び／又は第２のスポーツユーザによる第１のスポーツユーザに対する視線の妨害）によって生じる死角の数を減らすことができる。追加的に又は代替的に、同一のスポーツユーザ及び／又は同一の活動センサ１１０に関連する画像を異なる角度から撮影することにより、以下にさらに詳細に説明するように、活動センサ１１０のより正確な特定及び／又はペアリングを容易にすることができる。
【0016】
カメラ１３０は、画像を撮像するように構成された任意のデバイス、システム、コンポーネント、又はコンポーネントの集合体を含んでもよい。図１を参照してシステム１００に関連して２つのカメラ１３０が図示されているが、任意の数のカメラを想定することができる。カメラ１３０は、例えば、レンズ、フィルタ、ホログラム、スプリッタなどの光学素子と、画像が記録され得る画像センサとを含んでもよい。このようなイメージセンサは、入射光によって表される画像を電子信号に変換する任意のデバイスを含んでよい。イメージセンサは、画素アレイ（例えば、画素素子のグリッド）に配列され得る複数の画素素子を含んでもよい。例えば、イメージセンサは、電荷結合素子（ＣＣＤ）又は相補型金属酸化膜半導体（ＣＭＯＳ）イメージセンサから構成され得る。画素アレイは、例えば、１：１、４：３、５：４、３：２、１６：９、１０：７、６：５、９：４、１７：６、又は他の比率のアスペクト比を有する２次元アレイを含んでもよい。イメージセンサは、光を画素アレイ上に集束させる様々な光学素子、例えばレンズに対して光学的に整列させることができる。例えば、８００万画素、１５００万画素、２０００万画素、５０００万画素、１００万画素、２００万画素、６００万画素、１０００万画素など、任意の数の画素が含まれてもよい。
【0017】
カメラ１３０は、特定のフレームレートで動作してもよいし、所定の時間内に特定の数の画像を撮像できるようにしてもよい。カメラ１３０は、毎秒約３０フレーム以上のフレームレートで動作してもよい。具体例では、カメラ１３０は、毎秒約１００フレームから約３００フレームのフレームレートで動作することができる。幾つかの実施形態では、カメラ１３０がより高いフレームレートで動作することを可能にするために、画素アレイ内の利用可能なピクセルのより少ないサブセットが使用されてもよい。例えば、移動物体（例えば、スポーツユーザ、スポーツユーザに対応する領域１２０、及び／又は領域１２０に結合された活動センサ１１０）が画素アレイの特定の象限、領域、又は空間に位置することが知られているか、又は推定されている場合、画像を撮像する際にその象限、領域、又は空間のみが使用されて、別の画像を撮像するためのより速いリフレッシュレートを可能にすることができる。画素アレイ全体よりも少ない使用量で、より高い実効フレームレートを享受しながら、より安価なカメラの使用を可能にすることができる。
【0018】
カメラ１３０には、他の様々な構成要素も含まれることがある。このような構成要素には、フラッシュ又は他の光源、光拡散器、又は対象物を照明するための他の構成要素などの１つ以上の照明機能を含めることができる。一部の実施形態では、照明機能は、例えば、移動する物体が画像センサに近接しているときに、移動する物体を照明するように構成されてもよい。例えば、移動体が画像センサから３メートル以内にある場合などである。
【0019】
カメラ１３０に移動体の１つ以上の画像を撮像させるために、任意の数の様々なトリガを使用することができる。非限定的な例として、カメラ１３０は、移動物体がカメラ１３０の視野内にあることが既知であるとき又は推定されたとき、移動物体が最初にその動きを開始又は変更したとき（例えば、スポーツユーザが走り始めたとき、スポーツユーザがジャンプしたとき、スポーツユーザの手足がカメラの視野内に伸びたとき等）、移動物体が画素アレイ内の画素の先頭行で検出されたときなどに、トリガされてもよい。トリガの別の例としては、反射マイクロ波のスペクトルにおける持続的なピークを挙げることができる。例えば、予想される移動物体の周波数であることが知られている所定の周波数に、所定の時間にわたって一貫してピークが存在する場合、これがトリガイベントとして機能することがある。
【0020】
いくつかの実施形態では、カメラ１３０は、画像が撮像できる視野を有してもよい。視野は、画素アレイに対応してもよい。いくつかの実施形態では、視野は、移動物体が視野内で限られた時間しか過ごさないように制限されてもよい。そのような実施形態では、カメラ１３０は、移動体が視野内にある間に画像を撮像するようにトリガされてもよい。移動体がカメラ１３０の視野内にある時間は、最適撮影時間枠と呼ばれることがある。幾つかの実施形態では、最適撮影時間枠は、移動体全体のみが視野内にあるときを含んでもよいし、移動体の一部のみが視野内にあるときを含んでもよい。画像センサと移動物体との間の距離、照明機能によって提供され得る照明の量など、他の要因も最適な撮影時間枠に寄与し得る。例えば、最適な撮影時間枠は、移動体がカメラ１３０から３メートルから１メートルの距離を移動しているときに発生する可能性があり、これは、カメラ１３０のフラッシュが移動体の照明を提供しうる範囲だからである。
【0021】
活動センサ１１０によって記録されたセンサデータ及びカメラ１３０によって記録された画像データは、図５の演算システム５００のような演算システムによって取得されてもよい。活動センサ１１０によって記録されたセンサデータ及びカメラ１３０によって記録された画像データは、各データがいつ記録されたかを示すタイムスタンプを含んでもよい。いくつかの実施形態では、活動センサ１１０、カメラ１３０、及び／又はセンサデータ及び画像データが送信される演算システムは、データが記録された及び／又は取得された時刻を示す内部クロックを含んでもよい。追加的に又は代替的に、データには、第１の画像データ及び／又は第１のセンサデータが取得された時刻に対してデータがいつ撮像されたかを示す相対タイムスタンプが付与されてもよい（例えば、第１の画像データ及び／又は第１のセンサデータには「ｔ０」のタイムスタンプが付与される）。
【0022】
センサデータ及び画像データは、機械学習モデル１４０を訓練して、所定の活動センサがどのスポーツユーザに、どの筋肉に結合されているかを認識するために使用することができる。いくつかの実施形態では、機械学習モデル１４０は、得られた画像データ及びセンサデータに基づいて、スポーツユーザの筋肉を特定する、及び／又は、筋肉活動を評価するように訓練されてもよい。いくつかの実施形態では、機械学習モデル１４０は、活動センサ１１０が結合された領域１２０に関連する筋肉を特定するように訓練されてもよい。スポーツユーザに対する活動センサ１１０の初期配置は任意であってもよく、そのような活動センサ１１０は較正されていない可能性があるため、機械学習モデル１４０は、取得されたセンサデータを画像データにおいて特定された対応する活動センサとペアリングように訓練され、構成されてもよい。追加的に又は代替的に、機械学習モデル１４０は、カメラ１３０によって得られた画像データ及び活動センサ１１０によって得られたセンサデータに基づいて、スポーツユーザの筋肉活動のパターンを認識するように訓練されてもよい。例えば、機械学習モデル１４０は、画像データにおいて屈曲した筋肉を特定することに応答する筋肉活動の増加、マラソンを走った後に休息しているスポーツユーザを特定することに応答する乳酸レベルの増加などのパターンを認識するように訓練されてもよい。
【0023】
いくつかの実施形態において、機械学習モデル１４０は、機械学習アルゴリズムを採用してもよく、機械学習モデル１４０の訓練用は、教師あり、教師なし、又はそれらのいくつかの組み合わせであってもよい。例えば、機械学習モデル１４０は、決定木、ナイーブベイズ分類器、Ｋ近傍法、サポートベクターマシン、線形回帰、ロジスティック回帰、次元削減、及び／又は人工ニューラルネットワークを用いて訓練されてもよい。機械学習モデル１４０は、機械学習モデルが学習し、より正確な予測又は決定を行うために定期的に再学習されるにつれて、時間の経過とともに有効性及び精度が増加する動作を実行するために、本明細書の方法のいずれかに採用され得る。例えば、機械学習モデル１４０が学習するにつれて、時間の経過とともに有効性及び精度を高めながらこれらの動作を実行するために、本明細書に開示される方法における動作のいずれか、又は任意の他の動作が、機械学習モデル１４０によって実行されてもよい。
【0024】
活動センサのそれぞれをスポーツユーザの各領域に特定する及び／又はペアリングするための機械学習モデル１４０の訓練は、訓練センサデータ及び訓練画像データを使用することによって容易にすることができる。いくつかの実施形態では、機械学習モデル１４０の訓練は、訓練センサデータと訓練画像データとの相関に基づくことができる。いくつかの実施形態において、訓練用センサデータを取得するように構成された活動センサは、訓練用センサデータ及び訓練用画像データが正確なセンサ領域のペアリングを含むように、訓練用スポーツユーザの各領域に既に特定及び／又はペアリングされてもよい。
【0025】
訓練された機械学習モデル１４０は、新たに取り込まれたセンサデータ及び画像データに基づいて、環境及び／又はスポーツユーザに関する情報を出力するように構成されてもよい。いくつかの実施形態において、訓練された機械学習モデル１４０は、所定の環境に含まれる活動センサの数を特定することができる。例えば、訓練された機械学習モデル１４０は、所定の環境の新たに撮像された画像データに基づいて活動センサの数をカウントしてもよく、及び／又は、新たに撮像されたセンサデータに基づいて活動データソースの数を決定してもよい。いくつかの実施形態において、環境は、複数のスポーツユーザを含むことができ、学習済み機械学習モデル１４０は、新たに撮像された画像データをデータ収集のタイミング及び／又は新たに撮像されたセンサデータと照合することによって、活動センサのそれぞれがどのスポーツユーザに結合されているかを特定するように構成され得る。このように、学習済み機械学習モデル１４０は、追加的又は代替的に、活動センサがセンサデータを記録する筋肉を特定することができる。追加的又は代替的に、機械学習モデル１４０は、スポーツユーザの三次元体位モデル及び／又はスポーツユーザの動きの三次元運動シミュレーションモデルを生成するように構成されてもよい。
【0026】
一例において、所定の環境は、第１のテニス競技者がテニスコートの第１の側に配置され、第２のテニス競技者が第１の側とは反対側のテニスコートの第２の側に配置されたテニスコートを含んでもよい。テニス競技者の各々は、所定の環境に４つの活動センサが含まれるように、テニス競技者の上腕に結合された第１の活動センサと、テニス競技者の前腕に結合された第２の活動センサとを有することができる。所定の環境、テニス競技者、及び／又は活動センサの画像データは、いずれかのテニス競技者の背後の高い位置から、審判椅子から、テニスネットの両端からなど、所定の環境の周囲に配置された１つ以上のカメラによって撮像されてもよい。画像データに基づいて、機械学習モデル１４０は、所定の環境に含まれるスポーツユーザの数が２人であり、２つの活動センサがスポーツユーザのそれぞれに結合されていると判断することができる。第１のテニス競技者がテニスラケットをスイングするとき、第１のテニス競技者に結合された活動センサは、所定の時点における筋肉活動を示すセンサデータを記録することができる。同一の所定の時点において、第２のテニス競技者に結合された活動センサは、筋肉活動ではなく筋肉の緊張を示すセンサデータを記録することができる。
【0027】
第１のテニス競技者に結合された活動センサと第２のテニス競技者に結合された活動センサとの間のセンサデータの相違（differences：差、差異、異なる点）に基づいて、機械学習モデル１４０は、記録されたセンサデータを活動センサのそれぞれにペアリングしてもよい。活動センサをペアリングした後、機械学習モデル１４０は、センサデータに基づいてテニス競技者の動きを分析するように構成されてもよい。例えば、機械学習モデル１４０は、第１のテニス競技者に結合された第１の活動センサ及び第２の活動センサから取得されたセンサデータの相違に基づいて、第１のテニス競技者がスライスとは対照的にスマッシュを実行していると判定することができる。
【0028】
図２は、本開示による活動センサ２００を示す図である。いくつかの実施形態において、活動センサ２００は、ＥＭＧセンサ２１０と、加速度センサ２４０と、及び／又は筋肉活動に関する情報を得るように構成された任意の他のセンサと、を含んでもよい。いくつかの実施形態において、活動センサ２００は、活動センサ２００のスポーツユーザへの取り付けを容易にするために、１つ以上の出力リード２６０を含んでもよい。いくつかの実施形態では、活動センサ２００は、プロセッサ２２０と、無線モジュール２３０と、及び／又は記録されたセンサデータのオンボード処理を容易にするための任意の他の構成要素と、を含んでもよい。プロセッサ２２０及び無線モジュール２３０を含む活動センサ２００のデータ処理要素は、図５に関連して以下にさらに詳細に説明する演算システム５００と同様であってもよいし、同一であってもよい。いくつかの実施形態において、活動センサ２００は、センサ（例えば、ＥＭＧセンサ２１０及び／又は加速度センサ２４０）及び／又はプロセッサ２２０と、及び／又は無線モジュール２３０にエネルギーを供給するように構成された電力システム（電源システム）２５０と、を含んでもよい。
【0029】
いくつかの実施形態において、活動センサ２００は、スポーツユーザに結合されたときの活動センサ２００の物理的状態及び／又は配置に関する情報を収集するように構成された１つ以上のセンサを含んでもよい。例えば、活動センサ２００は、スポーツユーザの動きを判定するように構成された加速度センサ２４０と、活動センサ２００及び／又はスポーツユーザの向きを判定するように構成されたジャイロスコープと、及び／又は他の任意のそのようなセンサと、を含んでもよい。いくつかの実施形態では、このようなセンサによって得られる身体情報は、筋肉特定、活動センサのペアリングなどを容易にする別の情報源として機械学習モデルによって得られてもよい。
【0030】
電力システム２５０は、動作中に活動センサ２００にエネルギーを供給するように構成されてもよい。いくつかの実施形態では、電力システム２５０は、リチウムイオン電池などの充電式電池を含んでもよい。追加的に又は代替的に、電力システム２５０は、ボタン電池のような単回使用電池を含んでもよく、活動センサ２００は使用後に廃棄されてもよい。再充電可能な電力システム２５０を含む実施形態では、活動センサ２００は使用の間に充電されてもよい。例えば、１つ以上の活動センサ２００を使用前及び／又は使用後に回収し、無線充電エリア（例えば、ドッキングコンテナ）に置くことができる。さらに、又は代替的に、２つ以上の活動センサ２００を有線接続などで互いに結合して、活動センサのシステムを形成してもよい。活動センサのシステムに関連する電力システム２５０は、無線又は有線の充電ポートを使用して充電することができる。例えば、多数の活動センサ２００をスポーツジャージなどの衣服に取り付け、衣服に取り付けられた活動センサ２００の各々を接続可能に結合してもよい。衣服は、充電ポートがエネルギー源に接続されたときに活動センサ２００にエネルギーを供給するように構成された充電ポートを含んでもよい。
【0031】
本開示の範囲から逸脱することなく、図２に記載されるような活動センサ２００に対して修正、追加、又は省略がなされてもよく、例えば、活動センサ２００は、本開示に図示及び記載される要素よりも多い又は少ない要素を含んでもよい。
【0032】
図３は、本開示による１人以上のスポーツユーザの筋肉の動きに関するフィードバックを提供する例示的な方法３００のフローチャートである。方法３００は、任意の適切なシステム、装置、又はデバイスによって実行されてもよい。例えば、活動センサ２００は、方法３００に関連する１つ以上の動作を実行することができる。離散的なブロックで図示されているが、方法３００の１つ以上のブロックに関連すること及び動作は、特定の実施態様に応じて、追加のブロックに分割されてもよく、より少ないブロックに組み合わされてもよく、又は排除されてもよい。
【0033】
本方法は、ブロック３１０から開始することができ、このブロックでは、第１のスポーツユーザに結合された１つ以上の第１の活動センサからのセンサデータを取得することができる。第１のスポーツユーザに結合された第１の活動センサは、他のスポーツユーザに結合された活動センサと同一の又は類似のタイプの情報を含むセンサデータを取得することができる。例えば、全ての活動センサは、活動センサが結合されたスポーツユーザに関するＥＭＧデータ、発汗データ、及び／又は他の生体データを取得することができる。そのため、複数のスポーツユーザを含む環境において、第１のスポーツユーザに結合された第１の活動センサを特定することは、センサデータのみに基づいて実行不可能な場合がある。いくつかの実施形態では、センサデータは、特定の活動センサから発信されたセンサデータのすべてが同一の特定シグネチャを含むように、特定シグネチャを含んでもよい。追加的に又は代替的に、活動センサは、図２に関連して上述したように、活動センサに含まれる加速度センサ、ジャイロスコープ等から得られるセンサデータに基づいて、スポーツユーザの向き及び／又は動きに対応する向き及び／又は動き情報を取得してもよい。
【0034】
ブロック３２０では、第１のスポーツユーザ及び第１のスポーツユーザに結合された第１のセンサの画像データが取得されてもよい。画像データは、１人又は複数のスポーツユーザ及びスポーツユーザのそれぞれに結合された活動センサを含むスポーツ環境の周囲に配置された１つ以上のカメラによって撮像されてもよい。いくつかの実施形態では、画像データは、所定のスポーツ環境に含まれるスポーツユーザの数及び／又はスポーツユーザの各々に結合された活動センサの数を決定することを容易にし得る。これら及び他の実施形態において、画像データは、所定のスポーツ環境に含まれる複数のスポーツユーザのうちの第１のスポーツユーザの特定を容易にすることができる。
【0035】
第１のスポーツユーザのような特定のスポーツユーザを特定するための１つ以上の基準は、所定のスポーツ環境の特徴に基づいて決定することができる。例えば、特定のスポーツ環境はサッカー場を含む場合があり、第１のスポーツユーザは、第１のスポーツユーザが着用するジャージの色及び／又はジャージの背中に含まれる番号に基づいて特定されてもよい。別の例として、特定のスポーツ環境はテニスコートを含む場合があり、第１のスポーツユーザは、第１のスポーツユーザがテニスの試合の間滞在するテニスコートのセクションに基づいて特定されてもよい。
【0036】
ブロック３３０において、第１の活動センサのそれぞれが結合される第１のスポーツユーザの各領域が特定されてもよい。いくつかの実施形態では、第１のスポーツユーザに結合されていると特定された第１の活動センサはそれぞれ、活動センサが対応するセンサデータを特定するために順次分析される。いくつかの実施形態では、所定の活動センサをその対応するセンサデータにペアリングすることは、所定の活動センサに関連する動き及び／又はセンサデータを時系列的に分析することを含んでもよい。
【0037】
例えば、画像データは、所定の活動センサが特定の時間枠において特定の方向に動く、向きを変える、特定のセンサデータ値を検出するはずである等を示してもよい。特定の時間枠において活動センサによって得られたセンサデータ測定値の１つ以上は、画像データに基づいて行われた仮定に対応しなくてもよく、そのようなセンサデータ測定値は無視されてもよい。第２の特定の時間フレームにおける所定の活動センサの画像データに基づいて追加の仮定がなされ、１つ以上の追加のセンサデータ読み取り値が無視されてもよい。このプロセスは、センサデータ読み取り値のうちの１つだけが所定の活動センサの画像データに対応するまで繰り返されてもよい。
【0038】
ブロック３４０では、第１の活動センサからのセンサデータ及び第１の画像データに基づいて、第１のスポーツユーザの動きが分析されてもよい。いくつかの実施形態において、第１のスポーツユーザの動きは、図１に関連して上述したように、身体の姿勢を評価し、１つ以上の動作パターンを特定し、及び／又は第１のスポーツユーザの傷害評価を実行するために分析されてもよい。
【0039】
ブロック３５０では、第２のスポーツユーザに結合された１つ以上の第２の活動センサからのセンサデータを取得することができる。第２の活動センサに関連するセンサデータは、ブロック３１０のことに関連して上述したように、第１の活動センサに関連するセンサデータを取得するのと同一の又は同様のプロセスによって取得することができる。
【0040】
ブロック３６０では、第２のスポーツユーザ及び第２のスポーツユーザに結合された第２の活動センサの画像データを取得することができる。第２のスポーツユーザ及び／又は第２の活動センサに関連する画像データは、ブロック３２０でのことに関連して上述したように、第１のスポーツユーザ及び／又は第１の活動センサに関連する画像データを取得するのと同一の又は同様のプロセスによって取得することができる。
【0041】
ブロック３７０では、第２の活動センサのそれぞれが結合されている第２のスポーツユーザの各領域が特定されてもよい。いくつかの実施形態では、第２のスポーツユーザに結合されていると特定された第２の活動センサはそれぞれ、活動センサが対応するセンサデータを特定するために順次分析されてもよい。これらの実施形態及び他の実施形態では、第１の活動センサに関連すると特定されたセンサデータは、第２の活動センサとセンサデータのペアリング分析から除外されてもよい。
【0042】
ブロック３８０では、第２の活動センサからのセンサデータ及び第２の画像データに基づいて、第２のスポーツユーザの動きを分析することができる。いくつかの実施形態では、第２のスポーツユーザの動きは、図１に関連して上述したように、身体の姿勢を評価し、１つ以上の動作パターンを特定し、及び／又は第２のスポーツユーザの傷害評価を実行するために分析されてもよい。
【0043】
本開示の範囲から逸脱することなく、方法３００に修正、追加、又は省略を加えてもよい。例えば、記載された態様における異なる要素の指定は、本明細書に記載された概念の説明を助けるためのものであり、限定するものではない。さらに、方法３００は、任意の数の他の要素を含んでもよいか、又は記載されたもの以外のシステム又はコンテキスト内で実施され得る。
【0044】
図４は、本開示による活動センサデータに基づいてスポーツユーザの動きを分析する方法の一例のフローチャートである。方法４００は、任意の適切なシステム、装置、又はデバイスによって実行することができる。例えば、活動センサ２００は、方法４００に関連する動作の１つ以上を実行してもよい。離散的なブロックで図示されているが、方法４００の１つ以上のブロックに関連すること及び動作は、特定の実施態様に応じて、追加のブロックに分割されてもよく、より少ないブロックに組み合わされてもよく、又は排除されてもよい。
【0045】
方法４００は、熟練したスポーツ競技者に関連する画像データ及びセンサデータに基づいて機械学習モデルを訓練するブロック４１０から開始することができる。スポーツユーザの身体姿勢を認識し批評するために機械学習モデルを訓練することは、熟練したスポーツ競技者（例えば、プロの運動競技者）の１つ以上の動きに関連する画像データ及びセンサデータを提供することを含んでもよい。いくつかの実施形態では、機械学習モデルが、各動作に関連する学習データのパターンを決定し、データ上の統計的ノイズの影響を低減することができるような追加の画像データ及びセンサデータを提供するために、熟練したスポーツ競技者は、動作を繰り返してもよい。
【0046】
ブロック４２０において、スポーツ競技者の動きは、スポーツ競技者に関連する画像データ及びセンサデータに基づいて特定され得る。いくつかの実施形態では、画像データ及びセンサデータをスポーツ競技者にペアリングすること、及び／又はスポーツ競技者の動きを特定することは、方法３００に関連して上述したことに従って実行されてもよい。
【0047】
ブロック４３０において、スポーツ競技者の１つ以上の身体姿勢が分析されてもよい。いくつかの実施形態では、身体姿勢分析は、熟練スポーツ競技者の動きとスポーツ競技者の動きとの比較に基づいてもよい。いくつかの実施形態において、訓練された機械学習モデルは、スポーツ競技者に関連する画像データ及びセンサデータに基づいて、スポーツ競技者の身体姿勢を評価してもよい。例えば、訓練された機械学習モデルは、スポーツ競技者に関連付けられた画像データ及び／又はセンサデータを、熟練したスポーツ競技者に関連付けられた訓練データと比較し、スポーツ競技者の身体姿勢と熟練したスポーツ競技者の身体姿勢との間の類似の程度を決定してもよい。さらに、又は代替的に、訓練された機械学習モデルは、スポーツ競技者と熟練スポーツ競技者の身体姿勢の間の特定の相違を強調することができる。例えば、スポーツ競技者は、熟練したスポーツ競技者よりも、より猫背であり、両肩が張っておらず、スタンスが広く、腕が張っており、体重配分が悪い等の場合がある。
【0048】
ブロック４３２では、スポーツ競技者の１つ以上の動作パターンが特定されてもよい。いくつかの実施形態では、特定のスポーツ競技者に関連する画像データ及びセンサデータが、訓練用データとして一定期間にわたって収集されてもよく、特定のスポーツ競技者の動作におけるパターンが、訓練用データ及び／又は新たに取得された画像データ及びセンサデータに基づいて特定されてもよい。例えば、機械学習モデルは、バスケットボールのシュートを決める直前の腕を突き上げる動作など、特定のスポーツ競技者の習慣的な動作を特定することができる。別の例として、機械学習モデルは、特定のスポーツ競技者の習慣的な動きとは異なる画像データ及び／又はセンサデータに基づいて、特定のスポーツ競技者の動作の相違を特定することができ、そのような動作の相違は「誤った」動きとしてペアリングされてもよい。
【0049】
ブロック４３４では、スポーツ競技者に対して傷害評価を行うことができる。いくつかの実施形態では、傷害の発生の直前及び／又は直後に撮像された画像データ及びセンサデータが、機械学習モデルによって分析され、及び／又は検査のためにレビューユーザに提供されてもよい。状況によっては、画像データは、１人又は複数のスポーツ競技者間の可能性のある接触点、負傷したスポーツ競技者の姿勢における明らかな不均衡などに関する情報を提供する場合がある。これらの状況及び他の状況において、センサデータは、傷害によって引き起こされた筋損傷の存在及び／又は重症度、傷害のタイミング（例えば、スポーツユーザが転倒する前の筋断裂）、及び／又は傷害の原因に関して、より詳細な視点を提供することができる。
【0050】
本開示の範囲から逸脱することなく、方法３００に修正、追加、又は省略を加えることができる。例えば、記載された態様における異なる要素の指定は、本明細書に記載された概念の説明を助けるためのものであり、限定するものではない。さらに、方法３００は、任意の数の他の要素を含んでもよく、記載されたもの以外のシステム又はコンテキスト内で実施されてもよい。
【0051】
図５は、本開示において説明される少なくとも１つの実施形態による、例示的な演算システム５００を示す。演算システム５００は、プロセッサ５１０と、メモリ５２０と、データ記憶装置５３０と、及び／又は通信ユニット５４０と、を含むことができ、これら全てが通信可能に結合されていてもよい。図２の活動センサ２００のいずれか又は全ては、ＥＭＧセンサ２１０と、プロセッサ２２０と、無線モジュール２３０と、加速度センサ２４０と、及び／又は電力システム２５０と、を含む、演算システム５００と一致する演算システムとして実装されてもよい。
【0052】
一般に、プロセッサ５１０は、様々なコンピュータハードウェア又はソフトウェアモジュールを含む任意の適切な専用又は汎用コンピュータ、演算エンティティ、又は処理デバイスを含んでよく、任意の適用可能なコンピュータ可読記録媒体に記憶された命令を実行するように構成されてよい。例えば、プロセッサ５１０は、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又はプログラム命令を解釈及び／もしくは実行し、及び／もしくはデータを処理するように構成された任意の他のデジタル回路もしくはアナログ回路を含んでもよい。
【0053】
図５では単一のプロセッサとして図示されているが、プロセッサ５１０は、本開示において説明される任意の数の動作を個々に又は集合的に実行するように構成される、任意の数のネットワーク又は物理的位置に分散された任意の数のプロセッサを含んでもよいことが理解される。いくつかの実施形態において、プロセッサ５１０は、メモリ５２０、データ記憶装置５３０、又はメモリ５２０及びデータ記憶装置５３０に記憶されたプログラム命令を解釈及び／又は実行し、及び／又はデータを処理し得る。いくつかの実施形態では、プロセッサ５１０は、データ記憶装置５３０からプログラム命令をフェッチし、プログラム命令をメモリ５２０にロードしてもよい。
【0054】
プログラム命令がメモリ５２０にロードされた後、プロセッサ５１０は、図３及び／又は図４の方法３００及び／又は４００をそれぞれ実行する命令などのプログラム命令を実行してもよい。例えば、プロセッサ５１０は、スポーツユーザに関連するセンサデータを取得し、スポーツユーザに関連する画像データを取得し、各活動センサに関連する身体部位を特定し、及び／又はセンサデータ及び関連する身体部位に基づいてスポーツユーザの動きを特定することができる。
【0055】
メモリ５２０及びデータ記憶装置５３０は、コンピュータ読み取り可能な記録媒体、又はその上に記憶された計算実行可能な命令もしくはデータ構造を担持もしくは有するための１つ以上のコンピュータ読み取り可能な記録媒体を含んでもよい。そのようなコンピュータ可読記録媒体は、プロセッサ５１０のような汎用又は特殊用途コンピュータによってアクセスされ得る任意の利用可能な媒体であってよい。例えば、メモリ５２０及び／又はデータ記憶装置５３０は、取得されたセンサデータを記憶してもよい。いくつかの実施形態において、演算システム５００は、メモリ５２０及びデータ記憶装置５３０のいずれかを含んでも含まなくてもよい。
【0056】
非限定な例として、そのようなコンピュータ可読記録媒体は、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、電気的消去可能プログラマブル読み出し専用メモリ（ＥＥＰＲＯＭ）、コンパクトディスク読み出し専用メモリ（ＣＤ－ＲＯＭ）もしくは他の光ディスク記憶装置、磁気ディスク記憶装置もしくは他の磁気記憶装置、フラッシュメモリデバイス（例えば、ソリッドステートメモリデバイス）、又はコンピュータ実行可能命令又はデータ構造の形態で所望のプログラムコードを伝送又は格納するために使用され、汎用又は特殊用途コンピュータによってアクセスされ得る他の任意の記録媒体を含んでもよい。上記の組み合わせも、コンピュータ読み取り可能な記録媒体の範囲に含まれ得る。計算実行可能命令は、例えば、プロセッサ５１０に特定の動作又は動作群を実行させるように構成された命令及びデータを含んでもよい。
【0057】
通信ユニット５４０は、ネットワークを介して情報を送受信するように構成された任意のコンポーネント、デバイス、システム、又はそれらの組み合わせを含んでもよい。いくつかの実施形態では、通信ユニット５４０は、他の場所、同一の場所、又は同一のシステム内の他の構成要素にある他のデバイスと通信してもよい。例えば、通信ユニット５４０は、モデム、ネットワークカード（無線又は有線）、光通信デバイス、赤外線通信デバイス、無線通信デバイス（アンテナなど）、及び／又はチップセット（Ｂｌｕｅｔｏｏｔｈ（登録商標）デバイス、８０２．６デバイス（例えば、メトロポリタンエリアネットワーク（ＭＡＮ））、ＷｉＦｉ（登録商標）デバイス、ＷｉＭａｘ（登録商標）デバイス、セルラー通信設備など）、及び／又はこれらを含んでもよい。通信ユニット５４０は、ネットワーク及び／又は本開示において説明される任意の他のデバイスもしくはシステムとデータを交換することを可能にしてもよい。例えば、通信ユニット５４０は、システム５００が、演算デバイス及び／又は他のネットワークなどの他のシステムと通信することを可能にしてもよい。
【0058】
当業者は、本開示を検討した後、本開示の範囲から逸脱することなく、システム５００に修正、追加、又は省略がなされ得ることを認識し得る。例えば、システム５００は、明示的に図示及び説明された構成要素よりも多い又は少ない構成要素を含んでもよい。
【0059】
また、本開示で説明する実施形態は、様々なコンピュータハードウェア又はソフトウェアモジュールを含む特殊用途又は汎用コンピュータの使用を含んでよい。さらに、本開示において説明される実施形態は、コンピュータ実行可能な命令又はデータ構造を担持するか、又はその上に記憶されたコンピュータ実行可能な命令又はデータ構造を有するためのコンピュータ可読媒体を使用して実施されてもよい。
【0060】
本開示及び特に添付の特許請求の範囲（例えば、添付の特許請求の範囲の本体）において使用される用語は、一般に「開放用語」として意図される（例えば、「含む」という用語は、「含むが、これに限定されない」と解釈されるべきである）。
【0061】
さらに、導入された請求項の特定の数の記述が意図される場合、そのような意図は請求項に明示的に記述され、そのような記述がない場合、そのような意図は存在しない。例えば、理解の一助として、以下の添付の特許請求の範囲には、特許請求の範囲の記述を導入する際に「少なくとも１つ」及び「１つ以上」という導入句の用法が含まれる場合がある。しかしながら、たとえ同一の請求項が、導入語句「１つ以上」又は「少なくとも１つ」と、「ａ」又は「ａｎ」などの不定冠詞（例えば、「ａ」及び／又は「ａｎ」は、「ａｔ ｌｅａｓｔ ｏｎｅ」（少なくとも１つ）又は「ｏｎｅ ｏｒ ｍｏｒｅ」（１つ以上、１又は複数））を含むときであっても、このような語句の使用は、不定冠詞「ａ」又は「ａｎ」による請求項の記述の導入が、そのような導入された請求項の記述を含む特定の請求項を、そのような記述を１つだけ含む実施形態に限定することを意味すると解釈されるべきではなく、請求項の記述を導入するために定冠詞を使用する場合も同様である。
【0062】
さらに、導入された請求項の記述で特定の数が明示的に記述されている場合であっても、当業者であれば、そのような記述は、少なくとも記述された数を意味すると解釈されるべきであることを認識するであろう（例えば、他の修飾語を伴わない「２つの記述」という単なる記述は、少なくとも２つの記述、又は２つ以上の記述を意味する）。さらに、「Ａ、Ｂ、及びＣなどのうちの少なくとも１つ」又は「Ａ、Ｂ、及びＣなどのうちの１つ以上」に類似する慣用句が使用される場合、一般的に、このような構文は、Ａ単独、Ｂ単独、Ｃ単独、Ａ及びＢをともに、Ａ及びＣをともに、Ｂ及びＣをともに、又はＡ、Ｂ、及びＣをともに、などを含むことを意図している。
【0063】
さらに、本明細書、特許請求の範囲、又は図面のいずれにおいても、２つ以上の代替的な用語に先行する任意の接続詞又は語句は、用語の一方、用語のいずれか一方、又は用語の両方を含む可能性を想定していると理解されるべきである。例えば、「Ａ又はＢ」という表現は、「Ａ」又は「Ｂ」、あるいは「Ａ及びＢ」の可能性を含むと理解すべきである。
【0064】
本開示において援用されるすべての例及び条件文は、読者が本開示及び本技術をさらに発展させるために本発明者によって貢献された概念を理解するのを助けるための教育的目的のために意図され、そのような具体的に援用された例及び条件に限定されないものと解釈される。本開示の実施形態を詳細に説明したが、本開示の精神及び範囲から逸脱することなく、様々な変更、置換、及び改変を行うことができる。
【図1】
【図2】
【図3】
【図4】
【図5】