図面 (/)

技術 トレーニング分類システム、トレーニング分類方法およびトレーニング分類サーバ

出願人 株式会社日立製作所
発明者 田中毅相原伸平
出願日 2016年1月15日 (3年6ヶ月経過) 出願番号 2016-006020
公開日 2017年7月20日 (2年0ヶ月経過) 公開番号 2017-124086
状態 特許登録済
技術分野 訓練用具
主要キーワード 走行レベル パフォーマンス評価 分類サーバ 入力名称 小型バッテリ 主観情報 平均運動 パフォーマンスデータ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2017年7月20日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (18)

課題

スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごと分類する。

解決手段

トレーニング分類システム1の通信端末30は、センサデバイス10が計測したセンサデータをトレーニング分類サーバ20に転送する。トレーニング分類サーバ20は、取得したセンサデータを解析して運動特徴量を算出し、そのスポーツのインターバルにおける運動特徴量の特徴に合致する区間を、インターバルとして検出して、トレーニング全体の区間を個々のトレーニング区間に分割し、分割されたトレーニング区間の運動特徴量を用いて、そのトレーニング区間のトレーニング項目を分類する。

概要

背景

スポーツ競技力向上や教育において、運動強度(単位時間当たりの運動量)や速度などのデータを記録するシステムにより、アスリートの競技中やトレーニング中動きを記録して評価し、指導コンディショニングサポートすることが行われている。この従来のシステムでは、トレーニングの種類によって評価する観点が異なるため、1日に連続して複数種類のトレーニングを行う場合においては、記録したデータをトレーニング毎に予め分割し、分類した上で評価する必要があった。
例えば、特許文献1には、複数のユーザの身体に装着した検出器を用いて、一連の運動中にそれぞれが静止したポイントを検出する技術が開示されている。

概要

スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごとに分類する。トレーニング分類システム1の通信端末30は、センサデバイス10が計測したセンサデータをトレーニング分類サーバ20に転送する。トレーニング分類サーバ20は、取得したセンサデータを解析して運動特徴量を算出し、そのスポーツのインターバルにおける運動特徴量の特徴に合致する区間を、インターバルとして検出して、トレーニング全体の区間を個々のトレーニング区間に分割し、分割されたトレーニング区間の運動特徴量を用いて、そのトレーニング区間のトレーニング項目を分類する。

目的

本発明がなされたのであり、本発明は、スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごとに分類することができる、トレーニング分類システム、トレーニング分類方法およびトレーニング分類サーバを提供する

効果

実績

技術文献被引用数
1件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

センサによりスポーツトレーニングを行う際の運動計測するセンサデバイスと、1つ以上の前記センサデバイスに通信接続される通信端末と、前記通信端末を介して前記センサが計測したセンサデータを取得するトレーニング分類サーバとを有し、前記通信端末は、前記センサデバイスが計測した前記センサデータを取得し、前記トレーニング分類サーバに転送するセンサデータ転送手段を備え、前記トレーニング分類サーバは、前記センサデータを取得し、取得したセンサデータを解析して運動の特徴を示す運動特徴量を算出し、連続する前記トレーニングの合間の時間であるインターバルにおける当該スポーツの前記運動特徴量の特徴に合致する区間を、前記インターバルとして検出し、トレーニング全体の区間を、前記インターバルで区切ることにより個々のトレーニング区間に分割し、分割された複数のトレーニング区間それぞれの前記運動特徴量を用いて、類似する前記運動特徴量となる複数のトレーニング区間のトレーニング項目を1つのトレーニング項目にまとめるようにして前記トレーニングを分類するトレーニング分類手段を備えることを特徴とするトレーニング分類システム

請求項2

前記トレーニング分類サーバは、前記分類されたトレーニング項目ごとに、当該トレーニング項目のトレーニング区間における運動特徴量を用いて、当該トレーニング区間における運動の状態を示すパフォーマンスデータを生成するパフォーマンス評価手段と、前記生成されたトレーニング項目のパフォーマンスデータと、過去に生成した同一の前記トレーニング項目の過去のパフォーマンスデータを比較するパフォーマンス評価情報を生成し、前記通信端末に送信する可視化手段と、をさらに備え、前記通信端末は、前記パフォーマンス評価情報を受信し表示装置に表示する解析結果表示手段をさらに備えることを特徴とする請求項1に記載のトレーニング分類システム。

請求項3

前記トレーニング分類手段は、前記トレーニング項目のトレーニング名称を含む、前記センサデバイスでは検出できない情報であるトレーニング関連情報を前記通信端末から取得し、前記分類したトレーニング項目に対応付けて記憶し、前記可視化手段は、前記トレーニング関連情報を付したパフォーマンス評価情報を生成し、前記通信端末に送信することを特徴とする請求項2に記載のトレーニング分類システム。

請求項4

前記通信端末の前記センサデータ転送手段は、複数の前記センサデバイスそれぞれから、同一の前記トレーニング全体の区間において計測された前記センサデータを取得して、前記トレーニング分類サーバに転送し、前記トレーニング分類サーバの前記トレーニング分類手段は、取得した複数のセンサデータそれぞれを解析して前記運動特徴量を算出し、算出した複数の運動特徴量の平均値のデータを生成し、前記生成した平均値のデータを用いて、当該スポーツにおける前記インターバルでの運動特徴量の特徴に合致する区間を、前記インターバルとして検出することを特徴とする請求項1乃至請求項3のいずれか1項に記載のトレーニング分類システム。

請求項5

前記運動特徴量は、単位時間当たりの運動量を示す運動強度であり、前記トレーニング分類手段は、前記センサデータから前記運動強度を算出し、当該スポーツにおける前記インターバルでの運動強度の特徴に合致する区間を、前記インターバルとして検出することを特徴とする請求項1乃至請求項4のいずれか1項に記載のトレーニング分類システム。

請求項6

センサデバイスが、センサによりスポーツのトレーニングを行う際の運動を計測するステップを実行し、通信端末が、前記センサデバイスが計測したセンサデータを取得し、トレーニング分類サーバに転送するステップを実行し、前記トレーニング分類サーバが、前記センサデータを取得し、取得したセンサデータを解析して運動の特徴を示す運動特徴量を算出し、連続する前記トレーニングの合間の時間であるインターバルにおける当該スポーツの前記運動特徴量の特徴に合致する区間を、前記インターバルとして検出し、トレーニング全体の区間を、前記インターバルで区切ることにより個々のトレーニング区間に分割し、分割された複数のトレーニング区間それぞれの前記運動特徴量を用いて、類似する前記運動特徴量となる複数のトレーニング区間のトレーニング項目を1つのトレーニング項目にまとめるようにして前記トレーニングを分類するステップを実行することを特徴とするトレーニング分類システムのトレーニング分類方法

請求項7

スポーツのトレーニングを行う際の運動を計測したセンサデータを取得し、取得したセンサデータを解析して運動の特徴を示す運動特徴量を算出し、連続する前記トレーニングの合間の時間であるインターバルにおける当該スポーツの前記運動特徴量の特徴に合致する区間を、前記インターバルとして検出し、トレーニング全体の区間を、前記インターバルで区切ることにより個々のトレーニング区間に分割し、分割された複数のトレーニング区間それぞれの前記運動特徴量を用いて、類似する前記運動特徴量となる複数のトレーニング区間のトレーニング項目を1つのトレーニング項目にまとめるようにして前記トレーニングを分類するトレーニング分類手段を備えることを特徴とするトレーニング分類サーバ。

技術分野

0001

本発明は、人の身体に装着可能なセンサデバイス計測したデータを用いて、人の運動を計測した情報を基に、種別の異なるトレーニングを時間で分割し分類する技術に関する。

背景技術

0002

スポーツ競技力向上や教育において、運動強度(単位時間当たりの運動量)や速度などのデータを記録するシステムにより、アスリートの競技中やトレーニング中動きを記録して評価し、指導コンディショニングサポートすることが行われている。この従来のシステムでは、トレーニングの種類によって評価する観点が異なるため、1日に連続して複数種類のトレーニングを行う場合においては、記録したデータをトレーニング毎に予め分割し、分類した上で評価する必要があった。
例えば、特許文献1には、複数のユーザの身体に装着した検出器を用いて、一連の運動中にそれぞれが静止したポイントを検出する技術が開示されている。

先行技術

0003

特開2012−65943号公報

発明が解決しようとする課題

0004

しかしながら、特許文献1に記載された技術では、複数のユーザそれぞれが完全に停止した時点を検出し、その静止したタイミングを比較するのみであり、多様なスポーツそれぞれにおけるインターバルの特徴を捉えることはできない。つまり、複数種類のトレーニングの間において、アスリート(ユーザ)は完全に停止している状態とは限らず、トレーニング中よりも動きを抑えた状態でインターバル期間を過ごし、次のトレーニングに待機している場合もある。

0005

このような背景を鑑みて本発明がなされたのであり、本発明は、スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごとに分類することができる、トレーニング分類システム、トレーニング分類方法およびトレーニング分類サーバを提供することを課題とする。

課題を解決するための手段

0006

本発明のトレーニング分類システムは、通信端末が、センサデバイスが計測したセンサデータをトレーニング分類サーバに転送するセンサデータ転送手段を備え、トレーニング分類サーバが、取得したセンサデータを解析して運動特徴量を算出し、そのスポーツのインターバルにおける運動特徴量の特徴に合致する区間を、インターバルとして検出して、トレーニング全体の区間を個々のトレーニング区間に分割し、分割されたトレーニング区間の運動特徴量を用いて、そのトレーニング区間のトレーニング項目を分類するトレーニング分類手段を備えるものとした。

発明の効果

0007

本発明によれば、スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごとに分類する、トレーニング分類システム、トレーニング分類方法およびトレーニング分類サーバを提供することができる。

図面の簡単な説明

0008

本実施形態に係るトレーニング分類システムの全体構成を示す図である。
本実施形態に係るトレーニング分類サーバが実行するトレーニング分類処理の流れを示すフローチャートである。
本実施形態に係るセンサデータのデータ構成例を示す図である。
本実施形態に係る運動特徴量データのデータ構成例を示す図である。
本実施形態に係る運動特徴量データに格納される腕の傾きの算出例を説明するための図である。
本実施形態に係るトレーニング分類手段が実行するインターバル検出処理の流れを示すフローチャートである。
同一トレーニングを行った複数ユーザについて、運動強度の時系列データを読み出した例を示す図である。
同一トレーニングを行った複数ユーザの運動強度について、その平均値の時系列データを示す図である。
複数ユーザの運動強度の平均値の時系列データから、インターバルの区間を抽出した例を示す図である。
分割されたトレーニング項目を、クラスタリングする手法を説明するための図である。
図9に示す分割されたトレーニング項目を、運動特徴量でクラスタリングした例を示す図である。
分割されたトレーニング項目を、運動特徴量でクラスタリングした結果(図11)について、連続していない同種類のトレーニング項目を再分類した例を示す図である。
連続していない同種類のトレーニング項目を再分類した結果(図12)について、連続した同種類のトレーニング項目をまとめた例を示す図である。
本実施形態に係るトレーニング分類データのデータ構成例を示す図である。
本実施形態に係るトレーニング分類サーバが実行するパフォーマンス評価処理の流れを示すフローチャートである。
本実施形態に係るパフォーマンスデータのデータ構成例を示す図である。
本実施形態に係る通信端末の解析結果表示手段が、パフォーマンス評価情報を表示部に表示したパフォーマンス評価図の例を示す図である。

実施例

0009

次に、本発明を実施するための形態(以下、「本実施形態」という。)における、トレーニング分類システム1、トレーニング分類方法およびトレーニング分類サーバ20について説明する。

0010

<トレーニング分類システムの全体構成>
まず、本実施形態に係るトレーニング分類システム1の全体構成について説明する。
図1は、本実施形態に係るトレーニング分類システム1の全体構成を示す図である。
図1に示すように、トレーニング分類システム1は、運動を行うユーザが腕等に装着するセンサデバイス10(ウェアラブル端末)、センサデバイス10との間でデータの送受信を行う通信端末30、および、通信端末30との間で不図示のルータネットワーク5を介して通信接続されるトレーニング分類サーバ20を含んで構成される。
このトレーニング分類システム1では、センサデバイス10が、ユーザが行ったトレーニング中の運動をセンサデータとして計測し通信端末30に送信する。通信端末30は、センサデバイス10から受信したセンサデータをトレーニング分類サーバ20に送信する。トレーニング分類サーバ20は、センサデータを解析することによって、ユーザが行った連続した複数のトレーニングを時間で分割し、分割したトレーニングを種類別に分類する。また、トレーニング分類システム1は、同じ種類に分類されたトレーニングの区間のデータのみを抽出し、運動強度などのパフォーマンスを時系列やユーザ毎に比較できることを特徴とする。

0011

なお、このセンサデバイス10は、スポーツの個人競技(上、水泳等)において用いる場合は1つ(1ユーザが継続して1つのセンサデバイス10を使用)でもよいし、チームスポーツ(サッカーラグビー等)において用いる場合は、複数のユーザそれぞれにセンサデバイス10が装着されてもよい。なお、以下においては、主に、チームスポーツにおいて各ユーザに装着された複数のセンサデバイス10からの情報を通信端末30が受信し、トレーニング分類サーバ20において解析する例として説明する。

0012

<センサデバイス>
まず、本実施形態に係るセンサデバイス10の構成について説明する。
センサデバイス10は、図1に示すように、マイコンとして、例えば、MCU(Micro Controller Unit)11と、通信部12と、入力部13と、表示部14と、フラッシュメモリ15と、加速度センサ16とを含んで構成される。

0013

このセンサデバイス10は、ユーザの腕等に装着されセンサデータを計測する機器であり、例えば、1秒間に10〜1000回程度の回数としてMCU11が予めファームウェアで定義されたタイミングで加速度センサ16の計測値(センサデータ)を読み出す。そして、MCU11が、予め定義されたタイミングでその計測値(センサデータ)をフラッシュメモリ15に出力して記憶し、さらに、通信部12により、記憶した計測値(センサデータ)を読み出して通信端末30に送信することを特徴とする。

0014

MCU11は、センサデバイス10全体の制御を司るマイクロプロセッサであり、予め制御内容がファームウェアにより定義される。
加速度センサ16は、動き(加速度)を測るセンサである。本実施形態に係るセンサデバイス10は、加速度センサ16に加えて、角速度(ジャイロ)センサや、地磁気センサ等を備えて運動の状態を計測することによって、より詳細な動きを計測するようにしてもよい。

0015

通信部12は、例えばボタン電池などの小型バッテリでの駆動に適した無線通信機能を有し、MCU11が通信部12に出力するデータ(例えば、センサデータ)を、通信端末30等に送信する。

0016

入力部13は、不図示のプッシュタン等からの入力情報受け取り、任意のタイミングでMCU11に信号を送ることができ、予めMCU11を制御するファームウェアによって定義された処理を起動させることができる。例えば、プッシュボタンを押し下げ時刻を、MCU11を介してフラッシュメモリ15に記録することや、バッテリ残量現在時刻を表示部14に表示させることができる。
表示部14は、例えば、液晶ディスプレイ有機ELディスプレイであり、文字グラフィックを表示する。

0017

フラッシュメモリ15は、不揮発メモリであり、加速度センサ16が検出した加速度データ(センサデータ)を、一時的に記憶する。このフラッシュメモリ15に加速度センサ16が計測したデータ(センサデータ)を記憶する際に、MCU11で保持している時刻情報を付加することによって、後からデータを参照する際に、データを計測した日時が分かるとともに、他のセンサデバイス10などで計測したデータを同期して解析することができる。

0018

<通信端末>
次に、本実施形態に係る通信端末30の構成について説明する。
通信端末30は、無線通信機能やアプリケーションを実行する演算機能、受信したデータをユーザに示すために表示する機能等を有するコンピュータであり、例えば、タブレット端末やPC(Personal Computer)等により構成される。この通信端末30は、センサデバイス10と連携する専用のアプリケーションによって、センサデバイス10が計測したデータ(センサデータ)を受信し、不図示のルータおよびネットワーク5を介してトレーニング分類サーバ20にそのデータを送信する。また、通信端末30は、トレーニング分類サーバ20がデータ(センサデータ)を解析した結果を受信して表示し、ユーザに提示することを特徴とする。
この通信端末30は、図1に示すように、CPU(Central Processing Unit)31と、通信部32と、入力部33と、表示部34と、RAM(Random Access Memory)35と、アプリケーション36とを含んで構成される。

0019

CPU31は、通信端末30全体を制御する中央演算装置であり、このCPU31がアプリケーション36をRAM35に展開することにより、処理を実行する。
通信部32は、通信回線を介して情報の送受信を行う不図示の通信インタフェースを含んで構成される。この通信部32は、センサデバイス10およびトレーニング分類サーバ20との間の情報の送受信を行う。

0020

入力部33は、キーボードタッチパネル等(不図示)との間の入力手段(入力インタフェース)を含んで構成され、ユーザ等からの入力情報を取得する。
表示部34は、例えば、液晶ディスプレイや有機ELディスプレイであり、文字やグラフィックを表示させる。
RAM35は、CPU31が演算処理を行う際にアプリケーション(プログラム)を一時的に読み込む。また、RAM35には、センサデバイス10から取得したセンサデータや、トレーニング分類サーバ20から受信した解析結果(後記する、「パフォーマンス評価情報」等)が記憶される。

0021

アプリケーション36は、通信端末30が実行する処理内容記述するプログラムであり、センサデータ転送手段361と、情報入力手段362と、解析結果表示手段363とを含んで構成される。なお、このアプリケーション36は、不図示の記憶手段(フラッシュメモリやハードディスク等)に格納される。

0022

センサデータ転送手段361は、センサデバイス10から受信したセンサデータを受信し、通信部32を介して、トレーニング分類サーバ20に送信する処理を実行する。
情報入力手段362は、入力部33を介して、キーボードやタッチパネルにより入力された情報を取得する。例えば、情報入力手段362は、後記するトレーニング分類データ252(図14参照)の各トレーニングの名称や、後記する「パフォーマンス評価要求情報」等の入力を受け付ける。
解析結果表示手段363は、トレーニング分類サーバ20から、センサデバイス10から取得したセンサ情報の解析結果(トレーニング分類データ252(図14参照)やパフォーマンス評価情報)を取得し、表示部34に表示する。例えば、解析結果表示手段363は、パフォーマンス評価情報に基づき、後記するパフォーマンス評価図300(図17参照)等の解析結果を表示部34に表示する。

0023

<トレーニング分類サーバ>
次に、本実施形態に係るトレーニング分類サーバ20の構成について説明する。
トレーニング分類サーバ20は、センサデバイス10が計測したセンサデータを取得し、解析することによって、ユーザが行った連続した複数のトレーニングを時間で分割し、分割したトレーニングを種類別に分類する。また、トレーニング分類サーバ20は、同じ種類に分類されたトレーニング区間のデータを抽出し、運動強度などの運動特徴量に基づくパフォーマンスについて、時系列やユーザ毎に比較するための解析結果(パフォーマンス評価情報)を生成し、通信端末30に送信する。
このトレーニング分類サーバ20は、図1に示すように、CPU21と、通信部22と、RAM23と、プログラム24と、データベース(DB)25とを含んで構成される。

0024

CPU21は、トレーニング分類サーバ20全体を制御する中央演算装置であり、このCPU21がプログラム24の各手段をRAM23に展開することにより、処理を実行する。
通信部22は、通信回線を介して情報の送受信を行う不図示の通信インタフェースを含んで構成される。この通信部22は、ネットワーク5を介して通信端末30との間で情報の送受信を行う。
RAM23は、CPU21が演算処理を行う際にプログラム24を読み込む。また、RAM23は、センサデバイス10が計測し、通信端末30から取得したセンサデータ等を一時的に記憶する。

0025

プログラム24には、トレーニング分類サーバ20が実行する処理内容が記述されており、トレーニング分類手段241と、パフォーマンス評価手段242と、可視化手段243とを含んで構成される。なお、このプログラム24は、不図示の記憶手段(ハードディスク等)に格納される。

0026

トレーニング分類手段241は、センサデバイス10が計測したデータ(後記する図3のセンサデータ250)を解析することにより、運動特徴量データ251(後記する図4参照)を生成する。そして、トレーニング分類手段241は、ユーザが行った一連のトレーニングを分割し、分類することにより、トレーニング分類データ252(後記する図14参照)を生成する。なお、トレーニング分類手段241が実行する処理の詳細は、後記する図2等を参照して説明する。

0027

パフォーマンス評価手段242は、分割および分類されたトレーニング毎に、評価対象となるデータ(図4の運動特徴量データ251、図14のトレーニング分類データ252等)を参照し、異なる日時における同種類のトレーニングの比較データ(後記する、図16のパフォーマンスデータ253)を生成する。

0028

可視化手段243は、パフォーマンス評価手段242が生成したトレーニングの比較データ(パフォーマンスデータ253)を用いて、ユーザが理解することに適したグラフ等の表示させるためのデータを生成する。具体的には、可視化手段243は、通信端末30が表示部34に表示する図17に示すパフォーマンス評価図を構成するためのパフォーマンス評価情報を生成し、通信部22を介して、通信端末30に送信する。

0029

データベース(DB)25は、ハードディスク等の記憶手段により構成され、センサデータ250、運動特徴量データ251、トレーニング分類データ252、パフォーマンスデータ253等が格納される。

0030

センサデータ250には、センサデバイス10が計測したデータが格納される。なお、このセンサデータ250の詳細は後記する(図3参照)。
運動特徴量データ251には、センサデータ250に基づき、トレーニング区間において運動の特徴を解析した値(例えば、運動強度、歩行ピッチ、速度、腕の角度等)が格納される。なお、この運動特徴量データ251の詳細は後記する(図4参照)。

0031

トレーニング分類データ252には、運動特徴量データ251に基づき、連続した複数のトレーニングを分割して、同じ種類ごとに分類した結果が格納される。なお、このトレーニング分類データ252の詳細は後記する(図14参照)。
パフォーマンスデータ253には、分割および分類されたトレーニングの評価に適した指標(運動の状態を示す指標として、例えば、平均運動強度、最大運動強度、平均速度、最大速度等)を解析した結果が格納される。なお、パフォーマンスデータ253の詳細は後記する(図16参照)。

0032

≪処理の流れ≫
次に、トレーニング分類システム1が実行する処理について説明する。まず、トレーニング分類サーバ20が実行する処理(トレーニング分類処理)について詳細に説明する。
図2は、本実施形態に係るトレーニング分類サーバ20が実行するトレーニング分類処理の流れを示すフローチャートである。

0033

図2に示すように、トレーニング分類サーバ20のトレーニング分類手段241は、通信端末30から新しいトレーニング区間のセンサデータ250を受信したり、センサデータ250の更新データを受信したりすることにより、センサデータ250を取得し(ステップS10)、データベース(DB)25に記憶して処理を開始する。

0034

図3は、本実施形態に係るセンサデータ250のデータ構成例を示す図である。
図3に示すように、センサデータ250は、各行(1レコード)毎にセンサデバイス10において1回計測した加速度データ(センサデータ)を記憶する。これにより、加速度データ(センサデータ)が時系列に記録される。
このセンサデータ250には、ユーザID2501、日時2502、加速度X[G]2503(後記するX軸方向の加速度)、加速度Y[G]2504(後記するY軸方向の加速度)、加速度Z[G]2505(後記するZ軸方向の加速度)の各データ項目についてのデータが格納される。

0035

ユーザID2501は、センサデバイス10を装着しているユーザを識別するための固有の識別子である。
日時2502は、センサデバイス10が加速度センサ16により加速度の値を計測した日時を示す。
加速度X2503、加速度Y2504および加速度Z2505は、センサデバイス10の加速度センサ16が計測した3軸加速度の値を示す。この加速度は、重力単位である[G]などの単位でそろえて記憶することにより、使用する加速度センサの分解能などの仕様が異なっていても、比較可能形式で記憶することができる。

0036

図2戻り、トレーニング分類手段241は、データベース(DB)25内のセンサデータ250から、解析対象となるトレーニング全体の区間のデータを取得する(ステップS11)。
なお、この解析対象となるトレーニング全体の区間の情報は、例えば、通信端末30において入力部33を介してユーザにより指定された情報(開始日時、終了日時)を、トレーニング分類サーバ20が取得することにより設定してもよいし、予め、解析対象となるトレーニング全体の区間の設定情報(開始日時、終了日時)を、トレーニング分類サーバ20の記憶手段(不図示)に記憶しておき、その情報を用いてもよい。

0037

続いて、トレーニング分類手段241は、取得したトレーニング全体の区間のセンサデータ250を用いて運動特徴量を算出し(ステップS12)、運動特徴量データ251としてデータベース(DB)25に記憶する。運動特徴量は、ユーザの動きを計測したデータから算出され、例えば、消費カロリーに比例する運動強度や、歩行走行ペースを示す歩行ピッチ、速度、腕の傾きなどである。

0038

図4は、本実施形態に係る運動特徴量データ251のデータ構成例を示す図である。
図4に示すように、運動特徴量データ251は、各行(1レコード)毎にセンサデータ250(図3)に基づき算出した単位時間の1つのデータを記憶する。これにより、運動特徴量データが時系列に記録される。なお、センサデバイス10がミリ秒単位で計測したデータは人が認識できる時間単位より細かいため、運動特徴量では人が認識しやすい秒単位などにデータがまとめられる。
この運動特徴量データ251には、ユーザID2511、日時2512、運動強度[METs]2513、歩行ピッチ[歩/秒]2514、速度[m/秒]2515、傾きθ[rad]2516、傾きφ[rad]2517の各データ項目についてデータが格納される。なお、これらの値を単位時間(例えば1秒)で計算する際には、単位時間中の平均値として記憶する。

0039

ユーザID2511は、ユーザを識別するための固有の識別子であり、センサデータ250(図3)のユーザID2501と同一の情報である。
日時2512は、運動特徴量に対応するセンサデータ250が計測された日時を示す。

0040

運動強度[METs]2513は、人の運動の典型的な特徴を示すものであり、消費カロリーに比例する人の動きの強さ(単位時間当たりの運動量)を示す。単位をMETsとした場合には、そのユーザの体重と掛け合わせて計算することによって消費カロリーに変換することができる。この運動強度(消費カロリー)を運動特徴量として用いる場合、ユーザそれぞれの体重をユーザID2511に対応付けて、予め記憶しておく。

0041

歩行ピッチ[歩/秒]2514は、人の走行や歩行のペースを示す値であり、1秒あたり何歩走るか若しくは歩いたかを示している。
速度[m/秒]2515は、人の移動速度を示す値であり、前記した運動強度や歩行ピッチ、ユーザの身長などのデータを用いて推定することができる。この速度を運動特徴量として用いる場合、ユーザそれぞれの身長をユーザID2511に対応付けて、予め記憶しておく。

0042

傾きθ[rad]2516、傾きφ[rad]2517は、ユーザの腕等に装着されたセンサデバイス10の腕の傾きの状態を角度で示した値である。以下、図5を参照して詳細に説明する。

0043

図5は、本実施形態に係る運動特徴量データ251に格納される腕の傾きの算出例を説明するための図である。図5(a)は、センサデバイス10の正面図である。図5(b)は、センサデバイス10の側面図である。図5(c)は、傾きθおよび傾きφを算出する計算式を示す。なお、ここで、センサデバイス10は、一般的な腕時計の装着の仕方と同様に、左腕手首)において手の甲側に装着されるものとする。
図5(a)(b)に示すように、加速度センサ16に対し、3軸加速度を、X軸、Y軸、Z軸の方向に設定した場合に、各軸方向で加速度(x(t),y(t),z(t))が、加速度センサ16により計測される。そして、図5(c)に示すように、加速度センサ16の計測値を用いて、地面に対し腕を上げた角度となる傾きθ(t)が式(1)により計算される。また、腕を回転させた(ひねった)角度となる傾きφ(t)が式(2)により計算される。

0044

図2に戻り、トレーニング分類手段241は、運動特徴量データ251に示される運動特徴量の時系列データを用いて、ユーザが連続して行ったトレーニングの間の休憩や、異なる種類のトレーニングへの移行や準備をしている時間を示すインターバル(連続するトレーニングの合間の時間)の特徴を抽出することにより、インターバルを検出する(インターバル検出処理:ステップS13)。
このインターバルの特徴とは、例えば、サッカーや陸上競技など走行を基本とするトレーニングにおいては、一定期間走行がないことや、歩行や静止状態が続くことなどである。また、主に上半身を使う競技においては、腕の傾きから一定時間腕が下がっていることなどである。トレーニング分類手段241は、対象とするスポーツにおけるインターバルでの運動特徴量の特徴に合致する区間を抽出することによりインターバルを検出する。

0045

ここで、トレーニング分類手段241が実行するインターバル検出処理について詳細に説明する。
図6は、本実施形態に係るトレーニング分類手段241が実行するインターバル検出処理の流れを示すフローチャートである。なお、図6においては、サーカー等のチーム競技のトレーニングを例として説明する。

0046

まず、トレーニング分類手段241は、運動特徴量データ251(図4)を参照し、解析対象となる連続したトレーニング区間の運動強度や歩行ピッチ等の運動特徴量を読み出す(ステップS131)。
図7は、運動特徴量として運動強度の時系列データを読み出した例を示している。ここでは、図7(a)〜(d)において、サッカーの一連のトレーニングをチーム(4人のユーザ)で実行した際の運動強度の時系列データ(U1,U2,U3,U4)を示している。

0047

図6に戻り、続いてトレーニング分類手段241は、対象とするユーザ全員(チーム全員)の数値を合計して平均値のデータを生成する(ステップS132)。チーム競技においては、そのチームに属するユーザのインターバルや動きの特徴が類似しているため、合計することによって特徴を捉えやすくすることができる。
図8は、複数ユーザの運動強度の平均値の時系列データを示している。ここでは、トレーニング分類手段241が、図7(a)〜(d)に示す4人のユーザの運動強度の時系列データ(U1,U2,U3,U4)を合計し平均した結果である、運動強度の平均値の時系列データ(UA)を示している。

0048

図6に戻り、次にトレーニング分類手段241は、例えば1分などのその競技のインターバル時間に近い時間幅移動平均を算出する(ステップS133)。
この移動平均を算出することにより、さらに、運動強度の増減平滑化され、運動強度の特徴を捉えやすくすることができる。

0049

続いて、トレーニング分類手段241は、移動平均により算出した運動強度や同様に算出した歩行ピッチや速度等の情報に基づき、インターバルにおける運動特徴量の特徴に合致する区間、例えば、1分間などの窓幅の間で運動強度のデータが走行状態でないことを示す区間をインターバルとして検出する(ステップS134)。そして、トレーニング分類手段241は、インターバル検出処理を終了する。
図9は、複数ユーザの運動強度の平均値の時系列データにおいて、インターバルの区間を抽出した例を示している。ここでは、図8に示す運動強度の平均値の時系列データから、所定の時間、例えば、サッカーのトレーニングの例においては1分程度の間、走行レベル以下(運動強度が所定値以下)の運動であるいう特徴を捉え、インターバル(I1,I2,I3,I4,I5,I6)を検出した結果を示している。図9に示すように、インターバルによって、各トレーニングの区間を分割し、区切ることができる。

0050

図2に戻り、ステップS14において、トレーニング分類手段241は、ステップS13において検出したインターバルによって、連続したトレーニング全体の区間を、トレーニングを行っている個々の区間、つまり、複数のトレーニング項目のいずれかを対応付ける区間(トレーニング区間)として分割する。

0051

続いて、トレーニング分類手段241は、分割されたトレーニング区間の運動特徴量を運動特徴量データ251(図4参照)から読み出す。そして、トレーニング分類手段241は、複数軸の運動特徴量を用いて分割された複数のトレーニング区間のそれぞれに該当するトレーニング項目を公知のアルゴリズムを用いてクラスタリングし、似た特徴を有するトレーニング項目にまとめるように分類する(ステップS15)。

0052

図10は、本実施形態に係る分割されたトレーニング区間に該当するトレーニング項目を、クラスタリングする手法を説明するための図である。ここでは、図9に示すようにインターバルで区切られ分割されたトレーニング区間に対応するトレーニング項目を、それぞれに対応する運動特徴量データによってクラスタリングする手法を示している。
複数軸(N軸)の運動特徴量(a,b,c:例えば、運動強度,歩行ピッチ,速度)の空間上に各トレーニング項目を該当する位置に配置し、位置が近いトレーニング項目同士を同じトレーニング分類(A,B,C,D)にまとめるように最適化する公知のアルゴリズムを用いる。

0053

図11は、トレーニング分類手段241が、図9の複数ユーザの運動強度の平均値の時系列データUAについて、類似した特徴を有するトレーニング項目を同種類に分類した結果を示している。ここでは、インターバル(I1,I2,I3,I4,I5,I6)によって区切られた各トレーニング区間のトレーニング項目について、図10に例示したクラスタリング手法を適用している。

0054

この結果、図11に例示すように、トレーニング区間t0のトレーニング項目を「A」とし、トレーニング区間t1のトレーニング項目を「B」とし、トレーニング区間t2のトレーニング項目を「C」とし、トレーニング区間t3のトレーニング項目を「C」とし、トレーニング区間t4のトレーニング項目を「B」とし、トレーニング区間t5のトレーニング項目を「B」とし、トレーニング区間t6のトレーニング項目を「D」とする。

0055

図2に戻り、ステップS16において、トレーニング分類手段241は、クラスタリングによって分類されたトレーニング項目のうち、時系列で連続していない同種類のトレーニング項目を、異なる種類のトレーニングとして再分類する。

0056

図12は、トレーニング分類手段241が、図11に示す分類されたトレーニング項目(A,B,C,D)の中で、時系列で連続でない同種類のトレーニング項目を再分類した結果を示している。
図12においては、トレーニング区間t1のトレーニング項目「B」と連続していない、トレーニング区間t14,t15のトレーニング項目「B」をトレーニング項目「E」として再分類している。

0057

図2に戻り、ステップS17において、トレーニング分類手段241は、時系列で連続した複数のトレーニング項目をひとつのトレーニング項目にまとめる。このときまとめられたトレーニング項目には、まとめたトレーニング項目の数だけ同じトレーニングを繰り返して行ったことの情報を、後記するトレーニング分類データ252(図14参照)に記憶する。

0058

図13は、トレーニング分類手段241が、図12に示した再分類されたトレーニング項目(A,B,C,D,E)の中から、連続した同種類のトレーニング項目をひとつにまとめた例を示している。まとめられたトレーニング項目「C」「E」は、同種のトレーニングをそれぞれ2回繰り返して行ったトレーニング項目であることを示している。
なお、ステップS16とステップS17は逆の順番で処理しても同じ結果を得ることができる。

0059

図2に戻り、ステップS18において、トレーニング分類手段241は、同種類ごとに分割されたトレーニング項目の情報を、トレーニング分類データ252に記憶する。

0060

図14は、本実施形態に係るトレーニング分類データ252のデータ構成例を示す図である。
図14に示すように、トレーニング分類データ252は、一行(1レコード)ごとに、分割および分類されたひとつのトレーニング項目が記憶される。このトレーニング分類データ252には、トレーニングID2521、チームID2522、開始日時2523、終了日時2524、セット数2525、実施ユーザID2526、入力名称2527、入力タグ2528の各データ項目についてのデータが格納される。

0061

トレーニングID2521は、各トレーニング項目を識別するための固有な識別子である。
チームID2522は、主に団体競技においてチーム単位でトレーニングを行った際の、そのチーム固有の識別子である。このチームには、同時にトレーニングを行った複数のユーザを含む。複数人ではなく、ひとりでトレーニングを行った場合には、チームと個人とは同一(つまり、一人で構成されるチーム)とすることができる。

0062

開始日時2523および終了日時2524は、各トレーニング項目を行った時間を示しており、インターバルで区切られた時間を示している。
セット数2525は、トレーニング分類手段241が、インターバルで区切られているが連続して行ったトレーニング項目をまとめた場合、まとめた数を繰り返し行ったセット数として記憶する。

0063

実施ユーザID2526は、チームID2522に示すチームに属して同時にトレーニングしたユーザを示す識別子であり、複数人で構成する場合は複数のユーザIDが記憶される。

0064

入力名称2527は、各トレーニング項目をユーザ本人コーチ等が後から認識しやすいように付された名称である(詳細は後記)。

0065

入力タグ2528には、トレーニング項目を行った際に、センサデバイス10では検知できない情報、例えば、ユーザや指導者主観情報や、天候等の環境情報等が、トレーニングの後で格納される(詳細は後記)。
この入力タグ2528は、1つのトレーニング項目に複数入力することができ、文字情報等でもよいし、図14に示すように、タグ情報としてその内容それぞれに固有な数字(識別子)を付すようにしてもよい。

0066

このようにして、トレーニング分類サーバ20のトレーニング分類手段241は、センサデバイス10が計測したセンサデータ250を解析して、ユーザが行った一連のトレーニングを分割し、分類することができる。

0067

次に、トレーニング分類サーバ20のトレーニング分類手段241は、ステップS18においてデータベース(DB)25に記憶したトレーニング分類データ252を通信端末30に送信することにより、入力名称2527、入力タグ2528の情報を取得して、トレーニング分類データ252を更新する(ステップS19)。この入力名称2527や、入力タグ2528の情報は、センサデバイス10では検出できない情報であり、以下において、トレーニング関連情報と称することがある。

0068

具体的には、トレーニング分類手段241は、新たにデータベース(DB)25に記憶されたトレーニング分類データ252を通信端末30に送信する。通信端末30の解析結果表示手段363は、受信したトレーニング分類データ252を表示部34に表示する。そして、ユーザやそのトレーニングを指揮する指導者(コーチ等)が、表示されたトレーニング分類データ252(具体的には、開始日時2523、終了日時2524、セット数2525、実施ユーザID2526等)を参照して、実際に行ったトレーニングを識別し、そのトレーニングの名称として、入力名称2527の情報を通信端末30の入力部33により入力する。同様に、ユーザやコーチ等が、入力タグ2528の情報として、主観情報や環境情報等を通信端末30の入力部33により入力する。この入力された、入力名称2527および入力タグ2528の情報(トレーニング関連情報)は、通信端末30の情報入力手段362が、通信部32を介して、トレーニング分類サーバ20に送信する。トレーニング分類サーバ20のトレーニング分類手段241は、受信した入力名称2527および入力タグ2528の情報(トレーニング関連情報)を用いて、トレーニング分類データ252を更新する。

0069

例えば、図14に示すように、トレーニング分類データ252の入力名称2527の欄には、トレーニングの名称として、サッカーの場合「アップ」「パス基礎練習」「4対2パス練習」等が格納される。入力タグ2528には、図14に示すように、ユーザ等が独自に設定した識別子としての数字(「11」「22」「25」)でもよいし、そのトレーニングの際の天候や気温、トレーニング場所や、そのトレーニングで調子の良い若しくは悪いと判断した選手名等を格納しておいてもよい。

0070

なお、このトレーニング分類手段241による、入力名称2527、入力タグ2528等のトレーニング関連情報の通信端末30からの取得は、通信端末30からの要求を受けてから、トレーニング分類サーバ20がトレーニング分類データ252を送信するようにしてもよい。また、ステップS15のトレーニング項目のクラスタリングの際に、同種類のトレーニングとして分類されたトレーニング項目については、過去に入力された入力名称2527の情報をそのまま格納するようにしてもよい。

0071

このようにすることにより、後記するパフォーマンス評価手段242によるパフォーマンス評価処理の結果を、通信端末30に表示させる際に、そのトレーニングの名称である入力名称2527や入力タグ2528等のトレーニング関連情報を併せて表示することで、ユーザ等が一瞥してトレーニング項目を把握できる。

0072

<パフォーマンス評価処理>
次に、本実施形態に係るトレーニング分類サーバ20のパフォーマンス評価手段242および可視化手段243により実行されるパフォーマンス評価処理について説明する。
図15は、本実施形態に係るトレーニング分類サーバ20が実行するパフォーマンス評価処理の流れを示すフローチャートである。このパフォーマンス評価処理は、トレーニング分類手段241により、前記したトレーニング分類処理(図2参照)が実行され、データベース(DB)25に、運動特徴量データ251およびトレーニング分類データ252が格納された旨の情報を、パフォーマンス評価手段242が取得する等したことを契機に実行される。

0073

まず、トレーニング分類サーバ20のパフォーマンス評価手段242は、データベース(DB)25内の運動特徴量データ251およびトレーニング分類データ252を参照し、運動の状態を示すパフォーマンスデータ253(図16)を生成する(ステップS20)。

0074

図16は、本実施形態に係るパフォーマンスデータ253のデータ構成例を示す図である。
図16に示すように、パフォーマンスデータ253は、一行(1レコード)ごとに、1つのトレーニング項目についての1ユーザのパフォーマンスを示す情報が記憶される。このパフォーマンスデータ253は、ユーザID2531、トレーニングID2532、平均運動強度[METs]2533、最大運動強度[METs]2534、平均速度[m/秒]2535、最大速度[m/秒]2536の各データ項目についてのデータが格納される。

0075

ユーザID2531は、センサデバイス10を装着しているユーザを識別するための固有の識別子である。このユーザID2531は、センサデータ250(図3参照)のユーザID2501と同一の情報である。
トレーニングID2532は、各トレーニング項目を識別するための固有な識別子である。このトレーニングID2532は、トレーニング分類データ252(図14参照)のトレーニングID2521と同一の情報である。

0076

平均運動強度[METs]2533は、トレーニング項目のトレーニング区間中における、ユーザの運動強度の平均値を示している。
最大運動強度[METs]2534は、トレーニング項目のトレーニング区間中における、ユーザの運動強度の最大値を示している。

0077

平均速度[m/秒]2535は、トレーニング項目のトレーニング区間中における、ユーザの移動速度の平均値を示している。
最大速度[m/秒]2536は、トレーニング項目のトレーニング区間中における、ユーザの移動速度の最大値を示している。

0078

パフォーマンス評価手段242は、所定のトレーニングの解析対象となる区間について、上記のようなパフォーマンスを評価する項目についてのデータを生成し、パフォーマンスデータ253としてデータベース(DB)25に格納する。

0079

図15に戻り、次に、トレーニング分類サーバ20の可視化手段243は、トレーニング分類データ252およびパフォーマンスデータ253を参照して、異なる日時における同種類のトレーニングの比較データとなるパフォーマンス評価情報を生成する(ステップS21)。
このパフォーマンス評価情報は、ユーザやその指導者(コーチ等)に対し、トレーニングの解析結果を、通信端末30において理解し易いグラフ等で表示させるための情報である。

0080

可視化手段243は、例えば、通信端末30からパフォーマンス評価の解析結果を要求するパフォーマンス評価要求情報を受け取ることにより、このパフォーマンス評価情報の生成処理を開始したり、予めトレーニング分類サーバ20のパフォーマンス評価情報の生成処理の開始条件として、設定された条件を満たす場合に、このパフォーマンス評価情報の生成処理を開始したりすることができる。
通信端末30から受信するパフォーマンス評価要求情報には、例えば、評価の対象となるトレーニングID、ユーザID、評価項目(例えば、平均運動強度2533)、トレーニング期間の情報が格納される。予め設定されるパフォーマンス評価情報の生成処理の開始条件にも、これらの情報が格納される。

0081

続いて、可視化手段243は、生成したパフォーマンス評価情報を、通信端末30に送信し(ステップS22)、通信端末30の表示部34に表示させる。

0082

図17は、本実施形態に係るトレーニング分類サーバ20の可視化手段243が生成したパフォーマンス評価情報を、通信端末30の解析結果表示手段363が、表示部34に表示したパフォーマンス評価図300の例を示す。
図17に示すように、パフォーマンス評価図300は、トレーニング分類手段241によって分割および分類された同種類のトレーニング項目(ここでは、「4対2パス練習」)について、複数の期間(第1〜第4週目)で評価項目(平均運動強度)のデータを読み出し、推移を可視化する。これによって、ユーザやその指導者(コーチ等)は、ユーザそれぞれのパフォーマンスの変化や成長を正確に把握することができる。

0083

以上、説明したように、本実施形態に係るトレーニング分類システム1、トレーニング分類方法およびトレーニング分類サーバ20によれば、スポーツにおける複数のトレーニングを連続して行った際に、種類の異なるトレーニングの時間を分割するとともに、類似したトレーニングを種別ごとに分類することができる。また、同じ種類に分類されたトレーニング区間のデータのみを抽出し、運動強度などのパフォーマンスを時系列やユーザ毎に比較することができる。

0084

さらに、本実施形態に係るトレーニング分類システム1、トレーニング分類方法およびトレーニング分類サーバ20によれば、次に示すような効果も奏することができる。
センサデバイス10で計測した複数のユーザの運動データ(センサデータ)をトレーニング分類サーバ20にまとめて収集することができ、トレーニングやそのトレーニングの際のユーザのパフォーマンス等についてまとめて記憶、解析、可視化することができる。

0085

また、図2に示したトレーニング分類処理により、様々なスポーツの種目特有の動きの特徴(運動特徴量)をセンサデータから抽出し、その時系列データを用いてインターバルを検出することができる。これにより、連続したトレーニングの全体の区間を、各トレーニング項目を実行するトレーニング区間に分割し、また、同じような動きの特徴(運動特徴量)をもつトレーニング項目をまとめて分類し記憶することができる。

0086

また、図6に示したインターバル検出処理により、特に団体競技(サッカー等)において、複数ユーザの時系列での動きの特徴(運動特徴量)が類似していることを利用し、正確にインターバルを検出することができる。

0087

また、単純な物理量であるセンサデータ250(図3)を、図4の運動特徴量データ251のような、運動を示す複数の身体活動の特徴量(例えば、運動強度、歩行ピッチ、速度、腕の傾き)に変換することによって、トレーニングの類似性やインターバルを判別し易くすることができる。

0088

また、図14に示すようなトレーニング分類データ252のデータ構造とすることにより、センサデータを解析して得られた分割されたトレーニング項目の情報に対し、チームや実施ユーザに加えて、センサデータだけからは判別できない入力情報(トレーニングの名称、主観情報や環境情報等)を一元的に管理することができる。これにより、トレーニングの後からこのトレーニング分類データ252をユーザ等が閲覧した際に、トレーニングの内容を把握し易くすることができる。

0089

また、図16に示すようなパフォーマンスデータ253のデータ構造とすることにより、ユーザのパフォーマンスを示す運動強度や速度の様々な統計量をトレーニング項目ごとに記録しておくことができる。よって、トレーニング項目ごとに最適な統計量(パフォーマンスデータ)読み出して可視化することが可能となる。

0090

また、図17に示すようなパフォーマンス評価図300を作成し、同種類のトレーニングごとに、異なる日時(時系列の日時)、複数のユーザのパフォーマンスデータ253を読み出して表示することができるため、各ユーザのパフォーマンスを公正に比較することが可能となる。

0091

1トレーニング分類システム
5ネットワーク
10センサデバイス
11 MCU
12,22,32通信部
13,33 入力部
14,34 表示部
15フラッシュメモリ
16加速度センサ
20 トレーニング分類サーバ
21,31 CPU
23,35 RAM
24プログラム
25データベース(DB)
30通信端末
36アプリケーション
241 トレーニング分類手段
242パフォーマンス評価手段
243可視化手段
250センサデータ
251運動特徴量データ
252 トレーニング分類データ
253パフォーマンスデータ
300 パフォーマンス評価図
361 センサデータ転送手段
362情報入力手段
363解析結果表示手段

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 株式会社ウスイ電業の「 ゴルフ練習用可変傾斜台」が 公開されました。( 2019/05/30)

    【課題】傾斜の方向と角度を自在に設定可能なゴルフ練習用可変傾斜台を簡素かつ安価に提供する。【解決手段】傾斜の方向と角度(θ)を自在に設定可能なゴルフ練習用可変傾斜台(100)であって、最下層の基台(1... 詳細

  • 株式会社タイトーの「 ダンス装置」が 公開されました。( 2019/05/23)

    【課題】プレイヤがダンスの上達の程度を確認できるダンス装置を提供する。【解決手段】ダンス装置1は、同一区間をループをしてダンスプレイ可能であり、プレイヤPに対向配置され、ダンスプレイする像であるプレイ... 詳細

  • 村山哲夫の「 弓道練習具」が 公開されました。( 2019/05/16)

    【課題】弓力調節機能と、弓返り機能と、口割り機能と、絡み防止機能と、的当て機能と、離れ機能と、引き分け機能と、を備える弓道練習具を提供する。【解決手段】弓に相当する握り柄20と、弦に相当する弾性紐体3... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ