ラヴェルの二戦におけるパドック歩様の変化をAIを用いて解析する
0. はじめに
今回はタイトルにあるように、AIを用いた「動体部位検出」を実施するこで、ラヴェルの新馬戦⇨アルテミスSでパドックでの歩様がどのように変化したかの解析結果を記していきます。
注1)今回示す結果はファイナリティを持つものではないと個人的に思っていて、また統計的や数学的に正確性を欠く飛躍的な部分もあると思うので、指摘や改善点等ありましたら教えていただけるとありがたいです。
1. ポーズトラッキングとは
最近では、機械学習を生命科学に積極的に用いようとする動きがあり、コンピュータビジョンなどの手法を含む生物学の論文数ら2020年には2万件を超える論文の発表が見込まれているらしいです。
そのようなムーヴメントの中で、動物の関節等の体の部位の追跡(ポーズトラッキング)のニーズもそこそこに高いとのこと。
なので、まあざっくり言うと、これを競走馬のウォーキング動画にも応用してみようというのが今回の話です。これを実現するためのソフトウェアとしては色々あります。なので興味のある人は調べてみてください。(Deeplabcut, SLEAP, Dannce, DPKなどなど、おそらく一長一短です。)
2. やったこと
で、今回実装した結果のGIFが以下のようになります。しっかりと各部位検出が追従できていることがわかると思います。
トラッキングされている各部位の座標は数値としてレコードされていて、それを用いることで定量的にも評価できるようになっています。
2-1. 歩様の確認ポイント
今回は、さきほど取得したパドック動画において、1完歩した時の各パーツ座標データを使用します。
今回はわかりやすいように、4部位(ここではゼッケン右端座標を⓪原点とした、①付け根、②飛節、③球節、④蹄)の新馬戦・アルテミスSでのトラッキングデータを比較することとします。
3. 解析結果と考察
トラッキングデータを見ると、以下のように②飛節から下の各部位がx方向によく動くようになっています。
これは実際の歩様のどの場面かというと、下の画像の場面。ちょうど飛節が一番伸びきって、胴体から離れるモーメントの時。つまりアルテミスSの時の方が、飛節がゼッケン原点から離れている=飛節の可動域が広がっているといえると思います。(ざっくり計算で10cm程度x方向に伸びるようになっている。)
4. まとめ
ラヴェルはデビュー戦⇨アルテミスSで、飛節の可動域が10cm程度広がるようになった。
可動域が広がったらフットワークが良くなるんだと思います。(急にざっくりとした推測ですみません。)
このように、パドックでの歩様のAIを用いた解析はまだまだ見つかっていないデータの発掘等に役立ちそうだなと感じました。引き続き色々といじってみようと思います。
この記事が気に入ったらサポートをしてみませんか?