立ち幅跳びのためのコンピュータ基盤のスマート単眼視覚計測システム

跳躍距離が重要な理由

立ち幅跳びは、世界中の学校で生徒の体力を測るもっとも単純な方法の一つです：ラインに立ち、できるだけ遠くに跳び、その距離を測る。しかし、混雑した校庭ではこの一見単純なテストが煩雑になりがちです。教師が巻尺をかがんで当てる必要があり、測定に異議が出ることもあり、何千回もの記録を取るのは遅く疲れる作業です。本研究は、普通のビデオから跳躍距離を自動かつ高精度に測定できるカメラベースのシステムを提案します。高価な専用機器を使わずに、より迅速で客観的なテストが可能になります。

巻尺からスマートカメラへ

現在の自動化された走り幅跳び／立ち幅跳び計測ツールは、超音波センサや圧力マット、砂場に張られた光ビームなどに依存することが多いです。これらは有効ですが、設置にコストがかかり、天候に左右されやすく、大規模な学校利用では保守が難しくなります。本稿の著者らは代わりにこの課題を視覚問題として扱います：単一のカメラが選手の足と計測マットの両方を捉えられれば、ソフトウェアで選手が移動した距離を算出できるはずだ、という考えです。彼らは生のビデオをリアルタイムで最終的な距離値に変換する完全なパイプラインを設計しました。これは最新のコンピュータビジョンと入念な幾何学的推論を組み合わせたものです。

システムはどうやって跳躍を認識するか

プロセスは、跳躍マットの横数メートルに設置した高速カメラが、240フレーム／秒の鮮明な映像を撮影することから始まります。ソフトウェアはまず映像を個々のフレームに分解し、市販の検出器で選手がシーンに現れ、去るタイミングを素早く検出します。その範囲内で、画像上でかかとが最も高く見える瞬間（跳躍のピーク）を探し、続いてかかとの位置が変化しなくなる後のフレーム、すなわち安定した着地を示すフレームを検出します。この自動キーフレーム選択により、システムはすべてのフレームを分析して時間を無駄にせず、選手が画面の一部しか映っていないときの部分的な視界で混乱することを避けられます。

マット、かかと、実距離の検出

着地フレームが特定されると、カスタムのビジョンモデル「FastNetSeg」が処理を引き継ぎます。この軽量ネットワークは二つの考え方を組み合わせています：シーンの全体的な配置を捉えるTransformer系の枝と、局所的な詳細に注目する小型の畳み込み系の枝です。これにより、選手に属するピクセルと跳躍マットに属するピクセルをそれぞれ塗り分けます。マットのマスクからはアルゴリズムが外周をたどり、小さな不整合を平滑化してから信頼できる四隅の点に要約します。選手のマスクからは別のアルゴリズムが下左側の身体領域の輪郭を調べ、無関係な領域を除外したうえで曲率を用いてかかとを特定します。要するに、足の後方が地面に接する鋭い曲がりを見つけるわけです。これら少数のキーポイントが計測の原材料になります。

画素をセンチメートルに変換する

カメラが斜めからマットを見ているため、画像上の距離は実際のセンチメートルと直接対応しません：マットの遠い端に近いピクセルは、カメラに近いピクセルよりも実物の距離を多く表すことがあります。これを克服するために、システムは画像座標からマットの平面への「写像」を学習します。標準的な幾何学ツールである射影変換を用い、マットの実際の長さと幅を既知として、画像上の任意の点、特にかかとが地面の俯瞰地図上でどこに置かれるかを計算します。さらに、視野の端近くに残る小さな系統誤差を低減するため、校正ジャンプからフィッティングした単純な多項式補正を追加で適用します。

実世界での性能はどれほどか

研究者らは現実的な条件でシステムを評価するために専用のデータセットを構築しました：異なる時刻や天候で屋外撮影した200人の大学生による1,200回の跳躍映像です。人間のアノテーターが選手とマットのピクセル単位の輪郭を描き、モデルの訓練と評価に用いました。入手しやすい現代のGPUハードウェア上で、システム全体は約23フレーム毎秒で処理でき、学校のテストでのライブ使用に十分な速度です。重要なことに、その距離推定を注意深い巻尺測定と比較すると、平均誤差は約0.71センチメートルに過ぎません—指幅より小さい程度です。不完全な選手フィルタや単一視点の写像、精密なかかと検出など主要なモジュールを取り除くと精度が急落し、フルデザインの重要性が強調されます。

より明瞭で公正な跳躍テスト

端的に言えば、本研究は単一のスマートカメラが立ち幅跳びのための手作業の巻尺や高価なセンサ設置に代わり得ることを示しています。精度を犠牲にすることなく、迅速なビデオ解析、跳躍者とマットの正確な輪郭抽出、画像から地面への慎重な幾何学的変換、そして最終的な誤差平滑化を組み合わせることで、システムはリアルタイムでセンチメートル単位の信頼性を提供します。コードと校正ツールを共有すれば、学校やスポーツプログラムはこの手法を広く導入でき、フィットネステストをより速く、公正に、人間の判断に依存しないものにできるでしょう。

引用: Kuang, G., Li, S., Liu, Y. et al. A smart monocular vision metrology system based on computer for standing long jump. Sci Rep 16, 14611 (2026). https://doi.org/10.1038/s41598-026-44523-3

キーワード: 立ち幅跳び, コンピュータビジョン, スポーツ計測, 深層学習, フィットネステスト