吉川文人1)
1)筑波大学サイバニクス研究コア
運動評価が行われている多くの場面では、注目する動作映像とともにその分析結果を、適時、評価者や被評価者に提供できる実用的な画像計測・認識システムが求められている。運動の定量分析では、関節中心などの注目点を検出・追跡する方式が広く用いられている。その方式は、特別なハードウェアやマーカーを用いて頑健に注目点の軌跡を獲得できる課題に対しては実用的であっても、実験室を離れた実環境下など、隠れにより注目点の消失が容易に想定される状況や問題に対しては不向きである。一方、パターン認識の分野では、動画像中に出現する動物体の「動き」に着目した様々な動き特徴抽出法が提案され、実例からの学習により不完全な情報を総合的に処理し、適応的に種々の目的に利用する試みがなされてきている。ここでは、（独）産総研の小林＆大津によって提案され、動作認識課題に対して高い認識性能と汎用性が示されてきている立体高次局所自己相関特徴（CHLAC）と、彼らとともに独自に提案した方向群化CHLACを多変量解析と組み合わせて、動作の定量評価とその処理の効率化（オペレータの負担軽減）を試みた取り組みについて紹介する。