JP7678540B2 - 動画編集方法、動画編集装置、及び、表示システム - Google Patents

Description

本発明は、動画編集方法、動画編集装置、及び、表示システムに関する。

従来、介護施設などの施設では、高齢者などの利用者が自立して生活できるように訓練（いわゆる、リハビリテーション）を行うサービスがある。理学療法士などの専門家がいる施設では、専門家によるヒアリング及び検診により利用者の身体能力を検査することで、利用者にあわせた最適な機能訓練を提供できる。一方で、専門家がいない施設又は利用者の自宅などで利用者が訓練するような場合には、専門家の指導を受けることが難しい。

そこで、例えば、特許文献１には、ユーザが行うトレーニングのお手本映像を、ユーザのトレーニング映像と共にユーザ端末のディスプレイに表示させるトレーニング評価装置が開示されている。

これにより、ユーザは、ユーザが所望するトレーニングのお手本映像とユーザの実際のトレーニング映像とをディスプレイ上で簡単に見比べることができるため、トレーニングの適切な姿勢などを簡単に把握できる。

特開２０２０－１９５５７３号公報

ここで、例えば、トレーニング又はリハビリテーションなどのユーザの過去の動作が撮影された動画像と、現在の動作が撮影された動画像とをそれぞれ同時に再生してディスプレイに表示させるとする。このような場合に、例えば、２つの動画像における、当該動画像を生成するために被写体を撮影した撮影時間、つまり、動画像の動画再生時間、及び／又は、撮影が開始されてからユーザが動作を開始したタイミングなどが異なると、２つの動画像における動作を見比べて比較することが難しい。

本発明は、複数の動画像のそれぞれに含まれるユーザの動作を視覚的に比較しやすくすることができる動画編集方法、動画編集装置、及び、表示システムを提供する。

本発明の一態様に係る動画編集方法は、コンピュータが実行する動画編集方法であって、第１期間に特定の動作を実行した対象者を被写体として含む第１動画像と、前記第１期間とは異なる第２期間に前記特定の動作を実行した前記対象者を被写体として含む第２動画像とを取得する取得ステップと、前記第１動画像及び前記第２動画像のそれぞれにおける前記対象者の骨格モデルを推定する推定ステップと、前記第１動画像における前記対象者の骨格モデルに基づいて、前記第１動画像において前記対象者が前記特定の動作におけるキー動作を実行している第１画像を特定し、且つ、前記第２動画像における前記対象者の骨格モデルに基づいて、前記第２動画像において前記対象者が前記キー動作を実行している第２画像を特定する特定ステップと、前記第１画像及び前記第２画像に基づいて、前記第１動画像及び前記第２動画像の少なくとも一方を編集することで、前記第１動画像に基づく第３動画像と、前記第２動画像に基づく第４動画像とを、それぞれの動画再生時間が揃うように生成する編集ステップと、前記第３動画像と、前記第４動画像とを出力する出力ステップと、を含み、前記編集ステップでは、（ｉ）前記第３動画像に前記第１画像が含まれるように、且つ、前記第４動画像に前記第２画像が含まれるように、且つ、（ｉｉ）前記少なくとも一方に含まれる画像を減らすように、又は、前記少なくとも一方に含まれる画像を増やすように、前記少なくとも一方を編集する。

また、本発明の一態様に係る動画編集装置は、第１期間に特定の動作を実行した対象者を被写体として含む第１動画像と、前記第１期間とは異なる第２期間に前記特定の動作を実行した前記対象者を被写体として含む第２動画像とを取得する取得部と、前記第１動画像及び前記第２動画像のそれぞれにおける前記対象者の骨格モデルを推定する推定部と、前記第１動画像における前記対象者の骨格モデルに基づいて、前記第１動画像において前記対象者が前記特定の動作におけるキー動作を実行している第１画像を特定し、且つ、前記第２動画像における前記対象者の骨格モデルに基づいて、前記第２動画像において前記対象者が前記キー動作を実行している第２画像を特定する特定部と、前記第１画像及び前記第２画像に基づいて、前記第１動画像及び前記第２動画像の少なくとも一方を編集することで、前記第１動画像に基づく第３動画像と、前記第２動画像に基づく第４動画像とを、それぞれの動画再生時間が揃うように生成する編集部と、前記第３動画像と、前記第４動画像とを出力する出力部と、を備え、前記編集部は、（ｉ）前記第３動画像に前記第１画像が含まれるように、且つ、前記第４動画像に前記第２画像が含まれるように、且つ、（ｉｉ）前記少なくとも一方に含まれる画像を減らすように、又は、前記少なくとも一方に含まれる画像を増やすように、前記少なくとも一方を編集する。

また、本発明の一態様に係る表示システムは、上記記載の動画編集装置と、情報端末と、を備え、前記動画編集装置は、さらに、前記情報端末と通信を行う第１通信部を備え、前記情報端末は、前記動画編集装置と通信を行う第２通信部と、前記対象者に前記特定の動作を行うように指示する指示部と、前記特定の動作を実行している前記対象者を撮影することで前記第１動画像及び前記第２動画像を生成するカメラと、前記第２通信部を介して前記動画編集装置に前記第１動画像及び前記第２動画像を出力し、且つ、前記第２通信部を介して前記動画編集装置から前記第３動画像及び前記第４動画像を取得する制御部と、前記第３動画像及び前記第４動画像を表示する表示部と、を備える。

本発明によれば、複数の動画像のそれぞれに含まれるユーザの動作を視覚的に比較しやすくすることができる動画編集方法、動画編集装置、及び、表示システムが実現される。

図１は、実施の形態に係る表示システムの機能構成を示すブロック図である。 図２は、実施の形態に係る推定部が推定する対象者の骨格モデルを説明するための図である。 図３は、実施の形態に係るユーザの動作の時間変化の一例を説明するための図である。 図４は、実施の形態に係る特定の動作とキー動作との関係の具体例を示す図である。 図５Ａは、実施の形態に係る特定の動作に応じた骨格点の位置と、当該特定の動作を実行したユーザを被写体として含む動画像における画像との関係の第１例を示す図である。 図５Ｂは、実施の形態に係る特定の動作に応じた骨格点の位置と、当該特定の動作を実行したユーザを被写体として含む動画像における画像との関係の第２例を示す図である。 図５Ｃは、実施の形態に係る特定の動作に応じた骨格点の位置と、当該特定の動作を実行したユーザを被写体として含む動画像における画像との関係の第３例を示す図である。 図５Ｄは、実施の形態に係る特定の動作に応じた骨格点の位置と、当該特定の動作を実行したユーザを被写体として含む動画像における画像との関係の第４例を示す図である。 図５Ｅは、実施の形態に係る特定の動作に応じた骨格点の位置と、当該特定の動作を実行したユーザを被写体として含む動画像における画像との関係の第５例を示す図である。 図５Ｆは、実施の形態に係る特定の動作に応じた骨格点の位置と、当該特定の動作を実行したユーザを被写体として含む動画像における画像との関係の第６例を示す図である。 図６は、実施の形態に係る編集部が実行する動画像の編集処理の一例を説明するための図である。 図７は、実施の形態に係る表示部が表示する２つの動画像の具体例を示す図である。 図８は、実施の形態に係る動画編集装置の処理手順を示すフローチャートである。 図９は、実施の形態に係る表示システムの処理手順を示すシーケンス図である。

以下、実施の形態について、図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

なお、各図は模式図であり、必ずしも厳密に図示されたものではない。また、各図において、実質的に同一の構成に対しては同一の符号を付し、重複する説明は省略又は簡略化される場合がある。

（実施の形態）
［構成］
まず、実施の形態に係る表示システムの構成について説明する。

図１は、実施の形態に係る表示システム１０の機能構成を示すブロック図である。

表示システム１０は、特定の動作を行う対象者を被写体として含む動画像（つまり、対象者が映る動画像）に基づいて、対象者が実行可能な日常生活動作（ＡＤＬ：Ａｃｔｉｖｉｔｉｅｓ ｏｆ Ｄａｉｌｙ Ｌｉｖｉｎｇ）の程度を判定するシステムである。

表示システム１０は、情報端末３０と、動画編集装置４０と、を備える。

ユーザは、例えば、情報端末３０を操作することで、互いに異なる期間に対象者を撮影する。これにより生成された複数の動画像は、動画編集装置４０に送信される。動画編集装置４０では、受信された複数の動画像を編集し、編集した複数の動画像を情報端末３０に送信する。情報端末３０は、受信した複数の編集された動画像を表示する。

ここで、対象者とは、実行可能な日常生活動作の程度が判定される人であって、例えば、疾患、外傷、高齢化、又は、障害により身体を動かすための能力である身体機能が低下した人である。

また、ユーザとは、例えば、理学療法士、作業療法士、看護師、又は、リハビリ専門職員である。

また、日常生活動作とは、日常生活を送るために最低限必要な日常的な動作である。日常生活動作とは、例えば、起居動作、移乗、移動、食事、靴の着脱及び着衣などの更衣、排泄、洗髪などの入浴、又は、整容などの動作である。

また、特定の動作とは、日常生活動作と関連する動作である。例えば、特定の動作とは、日常生活動作に含まれる動作の少なくとも一部と共通する又は類似する動作である。特定の動作の具体例については、後述する。

情報端末３０は、対象者に特定の動作を行うように指示し、カメラ２０によって対象者が撮影されることで生成される、対象者を被写体として含む動画像（動画像データ）を取得し、取得された動画像を動画編集装置４０に送信するコンピュータである。具体的には、情報端末３０は、対象者を撮影することで複数の画像から構成される動画像を生成し、生成された動画像を動画編集装置４０に送信する。

情報端末３０は、例えば、ユーザによって使用されるスマートフォン又はタブレット端末などの携帯型のコンピュータ装置である。情報端末３０は、パーソナルコンピュータなどの据え置き型のコンピュータ装置であってもよい。

情報端末３０は、カメラ２０と、通信部３１と、制御部３２と、記憶部３３と、受付部３４と、表示部３５と、指示部３６と、を備える。

カメラ２０は、特定の動作を行う対象者を撮影することで、特定の動作を行う対象者を被写体として含む動画像を生成するカメラである。本実施の形態では、カメラ２０は、特定の動作を行う対象者を撮影することで第１動画像及び第２動画像などの複数の動画像を生成する。

複数の動画像は、例えば、互いに異なる期間に特定の動作を行った対象者を被写体として含む動画像である。例えば、第１動画像は、第１期間に特定の動作を行った対象者を被写体として含む動画像であり、第２動画像は、第１期間とは異なる第２期間に特定の動作を行った対象者を被写体として含む動画像である。第１期間と第２期間とは、異なる期間であればよい。

カメラ２０は、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサを用いたカメラであってもよいし、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）イメージセンサを用いたカメラであってもよい。

なお、カメラ２０は、情報端末３０に取り付けられる外付けのカメラであってもよい。この場合、情報端末３０は、カメラ２０を備えなくてもよく、カメラ２０と通信可能に接続するための通信インターフェースを備えていればよい。

通信部３１は、動画編集装置４０と通信を行う通信インターフェースである。具体的には、通信部３１は、情報端末３０がインターネットなどのネットワーク５を介して動画編集装置４０と通信を行う。通信部３１は、第２通信部の一例である。通信部３１は、例えば、動画編集装置４０と無線通信を行うための無線通信回路により実現される。

なお、通信部３１が行う通信の通信規格は、特に限定されない。

また、通信部３１は、動画編集装置４０と無線通信可能に接続されていてもよいし、動画編集装置４０と有線通信可能に接続されていてもよい。例えば、通信部３１は、動画編集装置４０と有線通信可能に接続される場合、通信線などと接続されるコネクタなどにより実現される。

制御部３２は、情報端末３０における各種情報処理を行う処理部である。制御部３２は、例えば、通信部３１を介して動画編集装置４０に、カメラ２０が生成した動画像を出力する。

具体的には、制御部３２は、通信部３１を介して動画編集装置４０に第１動画像及び第２動画像を出力し、且つ、通信部３１を介して動画編集装置４０から第３動画像及び第４動画像を取得する。

第３動画像は、上記した第１動画像が動画編集装置４０によって編集された動画像である。第４動画像は、上記した第２動画像が動画編集装置４０によって編集された動画像である。

なお、動画編集装置４０は、第１動画像及び第２動画像の少なくとも一方を編集すればよい。つまり、第１動画像と第３動画像とは、同じ動画像であってもよい。また、第２動画像と第４動画像とは、同じ動画像であってもよい。

例えば、制御部３２は、動画像を出力する場合、動画像を構成する複数の画像とともに各画像が生成された時間情報を紐付けて出力する。また、例えば、制御部３２は、通信部３１を介して動画編集装置４０から、動画編集装置４０（より具体的には、編集部４２ｄ）によって編集された複数の動画像を取得する。例えば、制御部３２は、取得した複数の動画像を表示部３５に同時に表示させる。また、例えば、制御部３２は、通信部３１を介して動画編集装置４０から、動画編集装置４０（より具体的には、評価部４２ｅ）による評価結果（評価結果情報）を取得する。例えば、制御部３２は、取得した評価結果を示す情報を複数の動画像とともに表示部３５に表示させる。また、制御部３２は、例えば、受付部３４によって受け付けられた操作入力に基づいて、各種処理を行う。制御部３２は、例えば、マイクロコンピュータによって実現される。或いは、制御部３２は、プロセッサによって実現されてもよい。制御部３２の機能は、例えば、制御部３２を構成するマイクロコンピュータ又はプロセッサなどが記憶部３３に記憶された専用のアプリケーションプログラムを実行することによって実現される。

記憶部３３は、制御部３２が実行するための専用のアプリケーションプログラムなどが記憶される記憶装置である。記憶部３３は、例えば、半導体メモリ又はＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などによって実現される。

受付部３４は、情報端末３０のユーザ（例えば、対象者又はリハビリ専門職員など）による操作入力を受け付ける入力インターフェースである。例えば、受付部３４は、動画像の撮影指示又は動画像の動画編集装置４０への送信指示などのユーザの入力操作を受け付ける。受付部３４は、例えば、タッチパネルディスプレイなどによって実現される。例えば、受付部３４がタッチパネルディスプレイによって実現される場合には、タッチパネルディスプレイが表示部３５及び受付部３４として機能する。

なお、受付部３４は、タッチパネルディスプレイに限らず、例えば、キーボード、タッチペン若しくはマウスなどのポインティングデバイス、又は、ハードウェアボタンなどであってもよい。また、受付部３４は、音声による入力を受け付ける場合、マイクロフォンであってもよい。また、受付部３４は、ジェスチャによる入力を受け付ける場合、カメラであってもよい。この場合、受付部３４は、カメラ２０によって実現されてもよいし、カメラ２０とは異なるカメラにより実現されてもよい。

表示部３５は、動画編集装置４０により編集された動画像及び動画編集装置４０による評価結果などを表示する表示装置である。表示部３５は、例えば、上記第３動画像及び上記した第４動画像を表示する。本実施の形態では、表示部３５は、動画像が再生されるタイミングが同じになるように、上記第３動画像及び上記した第４動画像を同時に表示する。

表示部３５は、例えば、液晶パネル又は有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）パネルなどの表示パネルにより実現されてもよいし、スピーカ又はイヤフォンなどの音響装置により実現されてもよいし、表示パネル及び音響装置により実現されてもよい。

指示部３６は、対象者に特定の動作を行うように指示する指示装置である。指示部３６は、例えば、映像及び音声などにより対象者に特定の動作を行うように指示する。つまり、指示部３６は、映像によってユーザに指示してもよいし、音声によってユーザに指示してもよい。

指示部３６は、例えば、「バンザイ（両手を下した状態から上げる動作）をしてください」、「背中をタッチしてその姿勢を維持して下さい」、「頭の後ろをタッチしてその姿勢を維持してください」、「つま先をタッチしてその姿勢を維持してください」などの指示を映像及び／又は音声で行う。指示部３６は、例えば、液晶パネル又は有機ＥＬパネルなどの表示パネルにより実現されてもよいし、スピーカ又はイヤフォンなどの音響装置により実現されてもよいし、表示パネル及び音響装置により実現されてもよい。

なお、指示部３６と表示部３５とは、同じ表示パネル及び／又は音響装置などの装置によって実現されてもよい。

また、指示部３６が対象者に特定の動作を実行させる指示をするための映像情報及び／又は音声情報は、記憶部３３に予め記憶されていてもよい。

動画編集装置４０は、情報端末３０から送信された複数の動画像を取得し、取得された動画像の少なくとも１つを編集するコンピュータである。

動画編集装置４０は、通信部４１と、情報処理部４２と、記憶部４３と、を備える。

通信部４１は、情報端末３０と通信を行う通信インターフェースである。具体的には、通信部４１は、動画編集装置４０がインターネットなどのネットワーク５を介して情報端末３０と通信を行う。通信部４１は、第１通信部の一例である。通信部４１は、例えば、情報端末３０と無線通信を行うための無線通信回路により実現される。

なお、通信部４１が行う通信の通信規格は、特に限定されない。

また、通信部４１は、情報端末３０と無線通信可能に接続されていてもよいし、情報端末３０と有線通信可能に接続されていてもよい。例えば、通信部４１は、情報端末３０と有線通信可能に接続される場合、通信線などと接続されるコネクタなどにより実現される。

情報処理部４２は、動画編集装置４０における各種情報処理を行う処理部である。情報処理部４２は、例えば、マイクロコンピュータによって実現される。或いは、情報処理部４２は、プロセッサによって実現されてもよい。情報処理部４２の機能は、例えば、情報処理部４２を構成するマイクロコンピュータ又はプロセッサなどが記憶部４３に記憶されたコンピュータプログラムを実行することによって実現される。

情報処理部４２は、取得部４２ａと、推定部４２ｂと、特定部４２ｃと、編集部４２ｄと、評価部４２ｅと、出力部４２ｆとを備える。

取得部４２ａは、通信部４１を介して情報端末３０から動画像を取得する処理部である。具体的には、取得部４２ａは、情報端末３０から出力（送信）された動画像を、通信部４１を介して取得する。本実施の形態では、第１期間に特定の動作を行った対象者を被写体として含む第１動画像と、第１期間とは異なる第２期間に特定の動作を行った対象者を被写体として含む第２動画像とを取得する。

推定部４２ｂは、特定の動作を行う対象者を被写体として含む動画像に基づいて、当該動画像における対象者の骨格モデルを推定（算出）する処理部である。具体的には、推定部４２ｂは、取得部４２ａにより取得された動画像に基づいて、当該動画像における対象者の骨格モデルを推定する。より具体的には、推定部４２ｂは、動画像に基づいて、動画像を構成する複数の画像のそれぞれにおける骨格モデルを推定する。

図２は、実施の形態に係る推定部４２ｂが推定する対象者１の骨格モデルを説明するための図である。具体的には、図２は、推定部４２ｂが推定した対象者１の骨格モデルを対象者１に重畳して示す、対象者１を被写体として含む画像を模式的に示す図である。

骨格モデルとは、画像における対象者１の関節などの特定の位置である複数の骨格点をリンク（線）で結ぶことで生成されるモデルである。具体的には、骨格モデルとは、複数の骨格点などの座標データである。例えば、推定部４２ｂは、画像解析などを実行することにより、画像における対象者１の複数の骨格点であって、首の骨格点、肘の骨格点、及び、手首の骨格点などを含む、予め定められた複数の骨格点の位置（より具体的には、座標）を推定する。さらに、推定部４２ｂは、例えば、推定した複数の骨格点のうち、肘の骨格点及び手首の骨格点などの、予め定められた骨格点同士を線で結ぶ。これにより、推定部４２ｂは、対象者１の骨格モデルを推定する。

なお、骨格モデルの推定には、例えば、既存の姿勢及び骨格の推定アルゴリズムが用いられればよく、任意の方法で推定されてよい。

また、推定部４２ｂは、対象者の二次元骨格モデルを推定してもよいし、対象者の三次元骨格モデルを推定してもよい。つまり、推定部４２ｂは、画像における対象者の骨格点の二次元座標を推定してもよいし、当該対象者の骨格点の三次元座標を推定してもよい。例えば、推定部４２ｂは、取得部４２ａが取得した動画像に基づいて、対象者の二次元骨格モデル（つまり、二次元直交座標系における各骨格点の座標）を推定し、推定された二次元骨格モデルに基づいて、学習済みの機械学習モデルである学習済みモデルを用いて対象者の三次元骨格モデル（つまり、三次元直交座標系における各骨格点の座標）を推定する。

学習済みモデルは、各関節の三次元座標データが既知である二次元骨格モデルを学習データとし、当該三次元座標データを教師データとする機械学習によって予め構築された識別器である。学習済みモデルは、二次元骨格モデルを入力として、当該二次元骨格モデルに応じた三次元座標データ、つまり、三次元骨格モデルを出力する。学習済みモデルは、例えば、記憶部４３に予め記憶されている。

このように、推定部４２ｂは、取得部４２ａが取得した動画像における対象者の三次元骨格モデルを推定してもよい。

本実施の形態では、推定部４２ｂは、第１動画像及び第２動画像のそれぞれにおける対象者の骨格モデルを推定する。具体的には、推定部４２ｂは、第１動画像に基づいて、第１動画像における対象者の骨格モデルを推定する。また、推定部４２ｂは、第２動画像に基づいて、第２動画像における対象者の骨格モデルを推定する。

特定部４２ｃは、推定部４２ｂが推定した動画像における対象者の骨格モデルに基づいて、動画像において対象者が特定の動作におけるキー動作を実行している画像（キー画像ともいう）を特定する処理部である。

キー動作とは、特定の動作に含まれる動作又は姿勢であって、特定の動作を実行する対象者を評価するにあたって特に重要視される動作又は姿勢である。キー動作は、例えば、特定の動作毎に予め任意に１以上定められている。

図３は、実施の形態に係るユーザの動作の時間変化の一例を説明するための図である。具体的には、図３は、対象者が特定の動作として「バンザイ」を実行した際の経過時間に対する対象者の手首の高さの位置を示すグラフである。

図３に示す例では、対象者は、まず、手を下した状態から特定の動作である「バンザイ」を実行することで手を上げ、その後手を下す動作を実行している。この特定の動作である「バンザイ」において、手が最も上がった位置（時刻Ｂ）における動作（姿勢）がキー動作である。特定部４２ｃは、特定の動作に応じて、動画像に含まれる複数の画像の中からキー動作を実行している画像を特定する。具体的には、特定部４２ｃは、第１動画像における対象者の骨格モデルに基づいて、第１動画像において対象者が特定の動作におけるキー動作を実行している第１画像を特定する。また、特定部４２ｃは、第２動画像における対象者の骨格モデルに基づいて、第２動画像において対象者がキー動作を実行している第２画像を特定する。第１動画像及び第２動画像は、それぞれ、キー画像の一例である。

特定部４２ｃは、例えば、特定の動作が「バンザイ」の場合、骨格モデルにおける手首の骨格点の位置が最も高い画像を、キー動作を実行している画像として特定する。或いは、特定部４２ｃは、例えば、特定の動作が「バンザイ」の場合、動作が開始されてから骨格モデルにおける手首の骨格点の位置の変化量が最も小さい、又は、当該位置が上がる変化から下がる変化に変化する変化点を含む画像をキー画像として特定してもよい。このように、例えば、特定部４２ｃは、キー動作に対応する、対象者の骨格モデルにおける複数の関節のうちのいずれかの位置、及び、当該位置の変化量の少なくともいずれかに基づいて、キー画像を特定する。

キー画像を特定するための骨格点の位置及び／又は変化量などを示す情報は、例えば、予め任意に設定されて記憶部４３に記憶される。

なお、例えば、特定部４２ｃは、推定部４２ｂにより推定された骨格モデルにおける複数の骨格点の位置に基づいて、骨格モデルの周囲に複数の三次元領域を設定（算出）し、さらに、特定部４２ｃは、特定部４２ｃにより設定された複数の三次元領域のうち、特定の動作において（つまり、特定の動作を実行中に）対象者の手首の骨格点が位置する三次元領域（対象三次元領域）に基づいて、キー画像を特定してもよい。

例えば、特定部４２ｃは、画像における対象者の三次元座標データ（つまり、三次元骨格モデル）に基づいて、対象者の手首の骨格点の座標が複数の三次元領域のうちのいずれの領域に位置するか（言い換えると、含まれるか）を特定する。また、例えば、特定部４２ｃは、特定の動作を実行した対象者を被写体として含む動画像における対象者の三次元骨格モデル（つまり、三次元座標データ）に基づいて、特定の動作を実行中に、複数の三次元領域のうち、対象者の手首の骨格点が位置した１以上の三次元領域を特定する。特定部４２ｃは、特定した当該１以上の三次元領域に基づいて、キー画像を特定してもよい。

また、例えば、特定部４２ｃは、対象者の骨格モデルに基づいて、動画像における、対象者が特定の動作を開始する動作（姿勢）である開始動作を実行している開始画像と、特定の動作を終了する動作（姿勢）である終了動作を実行している終了画像とを特定してもよい。

図３に示す例では、特定の動作である「バンザイ」において、下ろしている手を上げ始めた動作（開始動作）を含む画像（時刻Ａにおける画像）が開始画像である。また、キー動作を経由して上げていた手を完全に下した動作（終了動作）を含む画像（時刻Ｃにおける画像）が終了画像である。開始動作及び終了動作は、例えば、特定の動作毎に予め任意に定められている。

例えば、特定部４２ｃは、開始動作及び終了動作に対応する、対象者の骨格モデルにおける複数の関節のうちのいずれかの位置、及び、当該位置の変化量の少なくともいずれかに基づいて、開始画像及び終了画像を特定する。

開始画像及び終了画像を特定するための骨格点の位置及び／又は変化量などを示す情報は、例えば、予め任意に設定されて記憶部４３に記憶される。

図４は、実施の形態に係る特定の動作とキー動作との関係の具体例を示す図である。

例えば、特定の動作が「立ち上がり」である場合、判定対象動作（開始動作、キー動作、及び、終了動作の少なくともいずれかを含む動作）として、座位（例えば、椅子に座った状態）と、立位（椅子から立ち上がった状態）との２つの動作が設定される。例えば、座位及び立位は、腰の位置と膝の位置とに基づいて決定される。具体的には、骨格モデルにおける腰の骨格点の位置と膝の骨格点の位置とが高さ方向において最も近い位置の動作が座位であって、開始動作及び終了動作として設定される。特定部４２ｃは、動画像の中で対象者の動作が座位となっている画像を開始画像又は終了画像として特定する。例えば、特定部４２ｃは、対象者の動作が座位となっている２つの画像が特定された場合、動画像において先に再生される画像を開始画像と特定し、動画像において後に再生される画像を終了画像と特定する。また、例えば、骨格モデルにおける腰の骨格点の位置と膝の骨格点の位置とが高さ方向において最も離れた位置の動作が立位であって、キー動作として設定される。特定部４２ｃは、動画像の中で対象者の動作が立位となっている画像をキー画像として特定する。

また、例えば、特定の動作が「足踏み」である場合、判定対象動作として、足首の位置が最も低い動作と、足首の位置が最も高い動作との２つの動作が設定される。具体的には、骨格モデルにおける足首の骨格点の位置が最も低い動作が、開始動作及び終了動作として設定される。特定部４２ｃは、動画像の中で、骨格モデルにおける足首の骨格点の位置が最も低い動作を含む画像を開始画像または終了画像として特定する。例えば、特定部４２ｃは、当該動作を含む画像が２つ特定された場合、動画像において先に再生される画像を開始画像と特定し、動画像において後に再生される画像を終了画像と特定する。また、例えば、骨格モデルにおける足首の骨格点の位置が最も高い動作が、キー動作として設定される。特定部４２ｃは、動画像の中で、骨格モデルにおける足首の骨格点の位置が最も高い動作を含む画像をキー画像として特定する。

また、例えば、特定の動作が「背中タッチ」である場合、キー動作として、手首の位置が最も高い動作が設定される。具体的には、骨格モデルにおける手首の骨格点の位置が最も高い動作が、キー動作として設定される。特定部４２ｃは、動画像の中で、骨格モデルにおける手首の骨格点の位置が最も高い動作を含む画像をキー画像として特定する。或いは、例えば、特定の動作が「背中タッチ」である場合、キー動作として、肘角が最も屈曲している動作が設定される。例えば、この動作は、骨格モデルにおける肘の骨格点の位置と、肩の骨格点の位置と、手首の骨格点の位置との位置関係に基づいて決定される。具体的には、骨格モデルにおける、手首の骨格点と肘の骨格点とを結ぶ線と、肘の骨格点と肩の骨格点とを結ぶ線とのなす角が最も小さい動作が、キー動作として設定される。特定部４２ｃは、動画像の中で、手首の骨格点と肘の骨格点とを結ぶ線と、肘の骨格点と肩の骨格点とを結ぶ線とのなす角が最も小さい動作を含む画像をキー画像として特定する。

また、例えば、特定の動作が「つま先タッチ」である場合、キー動作として、手首の位置が最も低い動作が設定される。具体的には、骨格モデルにおける手首の骨格点の位置が最も低い動作が、キー動作として設定される。特定部４２ｃは、動画像の中で、骨格モデルにおける手首の骨格点の位置が最も低い動作を含む画像をキー画像として特定する。

また、例えば、特定の動作が「バンザイ」である場合、キー動作として、手首の位置が最も高い動作が設定される。具体的には、骨格モデルにおける手首の骨格点の位置が最も高い動作が、キー動作として設定される。特定部４２ｃは、動画像の中で、骨格モデルにおける手首の骨格点の位置が最も高い動作を含む画像をキー画像として特定する。

また、例えば、特定の動作が「頭後ろタッチ」である場合、キー動作として、手首の位置が最も高い動作が設定される。具体的には、骨格モデルにおける手首の骨格点の位置が最も高い動作が、キー動作として設定される。特定部４２ｃは、動画像の中で、骨格モデルにおける手首の骨格点の位置が最も高い動作を含む画像をキー画像として特定する。

なお、上記した判定対象動作を特定するために用いられる骨格点の位置及び位置関係などは、任意に定められてよく、上記に限定されない。例えば、特定の動作が「つま先タッチ」である場合、キー動作として、手首の位置と足首の位置が最も近い動作が設定されてもよい。

図５Ａ～図５Ｆは、実施の形態に係る特定の動作に応じた骨格点の位置と、当該特定の動作を実行したユーザを被写体として含む動画像における画像との関係の例を示す図である。図５Ａ～図５Ｆに示すグラフの横軸は、動画像に含まれる複数の画像のうち、先に再生される画像から、１から順に自然数が画像毎に固有に定められる画像番号を示し、縦軸は、対応する画像番号の画像に含まれる対象者の骨格点の位置又は複数の骨格点の距離などの位置関係を示す。つまり、図５Ａ～図５Ｆに示すグラフは、動画再生時間に対する、対象者の骨格点の位置又は複数の骨格点の距離などの特徴量の時間変化を示すグラフである。

図５Ａに示す第１例は、特定の動作が「立ち上がり」である場合の腰の骨格点と膝の骨格点との高さ方向における距離の時間変化を示すグラフである。

特定部４２ｃは、例えば、動画像におけるキー画像より前の画像であって、当該距離が離れる方向に大きく変化する動作を含む画像番号Ａ１の画像を開始画像と特定し、当該距離が最も大きくなる画像番号Ｂ１の画像をキー画像と特定し、動画像におけるキー画像より後の画像であって、当該距離が小さくなり変化があまり見られなくなる動作を含む画像番号Ｃ１の画像を終了画像と特定する。

なお、図５Ａに示す２つのピークのように、動画像の中に例えばキー画像が複数存在する場合には、例えば特定部４２ｃは、一方のキー画像を任意に特定し、当該一方に対応する開始画像と終了画像とを特定する。

図５Ｂに示す第２例は、特定の動作が「足踏み」である場合の足首の骨格点の高さの時間変化を示すグラフである。

特定部４２ｃは、例えば、足首の骨格点の高さが最も高い動作を含む画像番号Ｂ２の画像をキー画像と特定する。

図５Ｃに示す第３例は、特定の動作が「背中タッチ」である場合の肘の骨格点の高さの時間変化を示すグラフである。

特定部４２ｃは、例えば、動画像におけるキー画像より前の画像であって、当該高さが大きく変化する動作を含む画像番号Ａ３の画像を開始画像と特定し、当該高さが最も高い画像番号Ｂ３の画像をキー画像と特定し、動画像におけるキー画像より後の画像であって、当該高さが低くなり変化があまり見られなくなる動作を含む画像番号Ｃ３の画像を終了画像と特定する。

図５Ｄに示す第４例は、特定の動作が「つま先タッチ」である場合の足首の骨格点と手首の骨格点との距離の時間変化を示すグラフである。

特定部４２ｃは、例えば、動画像におけるキー画像より前の画像であって、当該距離が近づく方向に大きく変化する動作を含む画像番号Ａ４の画像を開始画像と特定し、当該距離が小さくなり変化があまり見られなくなる動作を含む画像番号Ｂ４１の画像をキー画像（第１キー画像）と特定し、当該第１キー画像の後に当該距離が離れる方向に大きく変化する動作を含む画像番号Ｂ４２の画像をキー画像（第２キー画像）と特定し、動画像におけるキー画像より後の画像であって、当該距離が大きくなり変化があまり見られなくなる動作を含む画像番号Ｃ４の画像を終了画像と特定する。

このように、キー画像は２以上特定されてもよい。

図５Ｅに示す第５例は、特定の動作が「バンザイ」である場合の手首の骨格点の高さの時間変化を示すグラフである。

特定部４２ｃは、例えば、動画像におけるキー画像より前の画像であって、当該高さが最も低い動作を含む画像番号Ａ５の画像を開始画像と特定し、当該高さが最も高い画像番号Ｂ５の画像をキー画像と特定する。

図５Ｆに示す第６例は、特定の動作が「頭後ろタッチ」である場合の手首の骨格点の高さの時間変化を示すグラフである。

特定部４２ｃは、例えば、当該高さが最も高い動作を含む画像番号Ｂ６の画像をキー画像と特定し、キー画像の後であって、当該高さが最も低い画像番号Ｃ６の画像を終了画像と特定する。

なお、特定部４２ｃが開始画像、キー画像、及び、終了画像を特定するために用いる特徴量の変化量などの閾値は、任意に定められてよく、特に限定されない。

特定部４２ｃは、例えば、特定の動作が「立ち上がり」の場合、動画像においてキー画像より前に再生される画像であって、腰の骨格点と膝の骨格点との高さ方向における距離について、所定の画像における当該距離から、当該所定の画像の次に再生される画像における当該距離に、当該距離が離れる方向に所定の変化量以上変化するか否かを判定する。特定部４２ｃは、例えば、所定の変化量以上変化すると判定した場合、所定の画像を開始画像と特定する。特定部４２ｃは、複数の開始画像が特定された場合、任意の１つの画像を開始画像と特定してもよいし、予め任意に定められる方法に基づいて１つの画像を開始画像と特定してもよい。キー画像及び終了画像を特定する処理についても、上記した開始画像を特定するための処理と同様である。

このような閾値情報は、例えば、記憶部４３に予め記憶される。

編集部４２ｄは、動画像を編集する処理部である。具体的には、編集部４２ｄは、複数の動画像の動画再生時間が揃うように、複数の動画像のうちの１以上の動画像を編集する。編集部４２ｄは、例えば、第１画像及び第２画像に基づいて、第１動画像及び第２動画像の少なくとも一方を編集することで、第１動画像に基づく第３動画像と、第２動画像に基づく第４動画像とを、それぞれの動画再生時間（開始から終了までの総動画再生時間）が揃うように生成する。また、編集部４２ｄは、（ｉ）第３動画像に第１画像が含まれるように、且つ、第４動画像に第２画像が含まれるように、第１動画像及び第２動画像の少なくとも一方を編集する。また、編集部４２ｄは、（ｉｉ）第１動画像及び第２動画像の少なくとも一方に含まれる画像を減らすように、又は、第１動画像及び第２動画像の少なくとも一方に含まれる画像を増やすように、第１動画像及び第２動画像の少なくとも一方を編集する。例えば、編集部４２ｄは、第１動画像及び第２動画像のそれぞれに含まれる画像の枚数が同じになるように第１動画像及び第２動画像の少なくとも一方を編集することで、第３動画像と第４動画像との動画再生時間が揃うようにそれぞれを生成する。

なお、動画像の画像を増やす場合には、画像を追加する位置の前後の画像のいずれかと同じ画像を追加してもよい、前後の画像から推定される画像を生成して追加してもよい。

また、動画再生時間を揃えるとは、完全に動画再生時間が一致するだけでなく、実質的に一致する、例えば、動画再生時間が数秒程度異なる、又は、動画像に含まれる画像の枚数が数枚程度異なることも意味する。

図６は、実施の形態に係る編集部４２ｄが実行する動画像の編集処理の一例を説明するための図である。具体的には、図６の（ａ）は、第１動画像を模式的に示す図である。図６の（ｂ）は、第１動画像が編集された第３動画像を模式的に示す図である。図６の（ｃ）は、第２動画像を模式的に示す図である。図６の（ｄ）は、第２動画像が編集された第４動画像を模式的に示す図である。図６に示す第１動画像～第４動画像のそれぞれの横幅は、各動画像の動画再生時間を模式的に示している。図６に示す例では、第１動画像と第２動画像とは、動画再生時間が異なる。そこで、編集部４２ｄは、第１動画像及び第２動画像のそれぞれを編集することで、動画再生時間が互いに同じである、第１動画像に基づく第３動画像と、第２動画像に基づく第４動画像とを生成する。

例えば、特定部４２ｃは、第１動画像及び第２動画像のそれぞれの、開始画像と、キー画像と、終了画像とを特定する。

編集部４２ｄは、例えば、第１動画像及び第２動画像のそれぞれの開始画像に基づいて、第１動画像及び第２動画像のそれぞれの、当該開始画像より前の画像を削除する。次に、編集部４２ｄは、例えば、第１動画像及び第２動画像のそれぞれの終了画像に基づいて、第１動画像及び第２動画像のそれぞれの、当該終了画像より後の画像を削除する。次に、編集部４２ｄは、例えば、第１動画像及び第２動画像のそれぞれの開始画像、キー画像、及び、終了画像に基づいて、開始画像、キー画像、及び、終了画像を残すように、且つ、開始画像、キー画像、及び、終了画像が再生されるタイミングが揃うように、第１動画像及び第２動画像のそれぞれの、開始画像と終了画像との間の１以上の画像を、所定の枚数毎に削除する。これにより、動画再生時間が揃った（つまり、動画再生時間が同じ）第３動画像と第４動画像とが生成される。

このように、例えば、編集部４２ｄは、開始画像と終了画像とに基づいて、第１動画像及び第２動画像の少なくとも一方を編集する。また、例えば、編集部４２ｄは、第１動画像における第１画像より後の動画像、及び、第２動画像における第２画像より後の動画像の少なくとも一方を削除することで、第１動画像及び第２動画像の少なくとも一方を編集する。また、例えば、編集部４２ｄは、第１動画像及び第２動画像の少なくとも一方に含まれる複数の画像を所定の枚数毎に削除することで、第１動画像及び第２動画像の少なくとも一方を編集する。

なお、所定の枚数は、予め任意に定められてよく、特に限定されない。所定の枚数を示す情報は、例えば、記憶部４３に予め記憶される。

また、第３動画像におけるキー画像の動画再生タイミングと第４動画像におけるキー画像の動画再生タイミングとは、異なっていてもよいが、揃っているとよい。これによれば、後述するように、第３動画像と第４動画像とが同時に再生された際に、キー動作を視覚的に比較しやすくできる。

開始画像と終了画像とは、それぞれ、編集後動画像（例えば、第３動画像及び第４動画像）のそれぞれに含まれてもよいし、含まれなくてもよい。

評価部４２ｅは、動画像に含まれる対象者が実行している特定の動作に基づいて、当該動作を評価する処理部である。例えば、評価部４２ｅは、キー動作に対応する、（ｉｉｉ）対象者の骨格モデルにおける複数の骨格点のうちのいずれかの位置、（ｉｖ）複数の骨格点のうちの２以上の骨格点の位置関係、及び、（ｖ）複数の骨格点のうちのいずれかの骨格点の移動速度の少なくともいずれかである評価点について、第１動画像における評価点と第２動画像における評価点との差分を示す差分情報を生成する。

例えば、評価部４２ｅは、特定の動作が「バンザイ」である場合、手首の骨格点の高さを評価点として、第１動画像に含まれるキー画像（第１画像）における手首の骨格点の高さと、第２動画像に含まれるキー画像（第２画像）における手首の骨格点の高さとの差分を算出し、算出結果を示す差分情報を生成する。

なお、特定の動作に対応する評価点は、予め任意に定められてよく、特に限定されない。

また、評価部４２ｅは、上記した評価点に基づいて、対象者が実行可能な、特定の動作に応じた日常生活動作の程度を判定（算出）してもよい。例えば、評価部４２ｅは、対象者が実行可能な日常生活動作の程度を判定してもよい。この判定結果は、評価情報に含まれてもよい。また、例えば、評価部４２ｅは、算出した差分に基づいて、特定の動作についての対象者に対する評価を示す評価情報を生成してもよい。

例えば、特定の動作が「バンザイ」の場合、評価点である手首の骨格点の高さは、高い程適切に特定の動作が実行できていると考えられる。そこで、例えば、評価部４２ｅは、第１動画像と第２動画像のうち、後に生成された動画像における評価点から、先に生成された動画像における評価点を引き、正であれば対象者における特定の動作がよくなっていると判定し、負であれば対象者における特定の動作が悪くなっていると判定する。

また、例えば、評価部４２ｅは、動画像における評価点に基づいて、当該動画像における特定の動作についての対象者に対する評価を示す個別評価情報を生成してもよい。

評価部４２ｅは、例えば、記憶部４３に記憶されたデータベースに基づいて、特定の動作についての対象者に対する評価を実行する。

データベースは、例えば、特定の動作と、手首の高さなどの特定の動作における評価点と、当該評価点に応じた評価方法と、差分に対応する評価方法と、特定の動作に応じた日常生活動作（ＡＤＬ）と、が紐づけられて格納されたデータである。データベースには、例えば、特定の動作が「バンザイ」の場合、評価点が手首の骨格点の高さであり、高い程適切に特定の動作が実行できていると判定するように評価点に応じた評価方法が定められ、後に生成された動画像における評価点の方が当該高さが高い場合よくなっていると判定するように差分に対応する評価方法が定められ、ＡＤＬが「食事」であると定められる。

出力部４２ｆは、通信部４１を介して情報端末３０に編集部４２ｄが編集した複数の画像を出力する処理部である。具体的には、出力部４２ｆは、第３動画像と第４動画像とを出力する。制御部３２は、出力された複数の動画像を取得し、当該複数の動画像を表示部３５に表示させる。また、例えば、出力部４２ｆは、通信部４１を介して評価部４２ｅによる差分情報及び評価結果を動画像とともに出力する。制御部３２は、出力された差分情報及び評価結果を取得し、当該差分情報及び評価結果を動画像とともに表示部３５に表示させる。

図７は、実施の形態に係る表示部３５が表示する２つの動画像の具体例を示す図である。

制御部３２は、例えば、互いに異なる期間に生成された動画像に基づく２つの動画像５０、５１を表示部３５に表示させる。例えば、動画像５０は、表示部３５に動画像５０、５１が表示された日の一週間前などの対象者が過去に撮影されることで生成された動画像であり、動画像５１は、表示部３５に動画像５０、５１が表示された日の当日などの動画像５０より後であって対象者が最近撮影されることで生成された動画像である。制御部３２は、例えば、動画像５０と動画像５１とが並んで同時に再生されるように、表示部３５を制御する。

また、例えば、制御部３２は、「前回よりよくなっています。」などの評価情報を表示部３５に表示させる。

また、例えば、制御部３２は、「改善度合い：＋□□ｍｍ」などの差分情報を表示部３５に表示させる。

その他、制御部３２は、動画像５０、５１とともに、「動作：バンザイ」などの特定の動作を示す情報、「評価ポイント：手首の高さ」などの差分情報を生成するための評価点を示す情報、及び、「前回：〇〇ｍｍ」、「今回：△△ｍｍ」などの、差分情報を生成するための動画像５０、５１それぞれの評価点を示す情報などを表示部３５に表示させてもよい。

これにより、情報端末３０を用いる対象者又は当該対象者を介護する介護者などのユーザは、特定の動作を実行する対象者の変化を簡単に把握できる。

なお、出力部４２ｆは、動画像５０、動画像５１、差分情報、及び、評価情報などの情報を通信部４１を介して情報端末３０に、同じタイミングで出力してもよいし、異なるタイミングで出力してもよい。

また、出力部４２ｆは、特定の動作に紐づくＡＤＬを示す情報を出力してもよい。制御部３２は、当該ＡＤＬを示す情報を動画像５０、５１とともに表示部３５に表示させてもよい。

また、表示部３５に表示される動画像５０、５１には、対象者の骨格モデルが含まれていてもよいし、含まれていなくてもよい。例えば、出力部４２ｆは、通信部４１を介して情報端末３０に出力する動画像に含まれる対象者に対応する骨格モデルを示す情報を、通信部４１を介して情報端末３０に出力してもよいし、出力しなくてもよい。

記憶部４３は、取得部４２ａによって取得された動画像（動画像データ）、情報処理部４２が実行する制御プログラム、上記した学習済みモデル、上記したデータベース、及び、上記した各種閾値などの情報を記憶する記憶装置である。記憶部４３は、例えば、半導体メモリ又はＨＤＤなどによって実現される。

［処理手順］
続いて、表示システム１０の処理手順について説明する。

図８は、実施の形態に係る動画編集装置４０の処理手順を示すフローチャートである。なお、以下の説明では、動画編集装置４０が、第１期間に特定の動作を実行した対象者を被写体として含む第１動画像と、第１期間とは異なる第２期間に特定の動作を実行した対象者を被写体として含む第２動画像との少なくとも一方を編集することで、第１動画像に基づく第３動画像と、第２動画像に基づく第４動画像とを生成する場合を例に説明する。

まず、取得部４２ａは、第１動画像と第２動画像とを取得する（Ｓ１００）。例えば、取得部４２ａは、通信部４１を介して情報端末３０から第１動画像と第２動画像とを取得する。第１動画像と第２動画像とが記憶部４３に記憶されている場合、取得部４２ａは、記憶部４３から第１動画像と第２動画像とを取得する。

次に、推定部４２ｂは、第１動画像及び第２動画像のそれぞれにおける対象者の骨格モデルを推定する（Ｓ１０１）。具体的には、推定部４２ｂは、第１動画像に基づいて、第１動画像における対象者の骨格モデル（第１骨格モデルともいう）を推定し、且つ、第２動画像に基づいて、第２動画像における対象者の骨格モデル（第２骨格モデルともいう）を推定する。

次に、特定部４２ｃは、第１動画像及び第２動画像のそれぞれにおいて、推定された対象者の骨格モデルに基づいてキー動作を実行している画像（キー画像）を特定する（Ｓ１０２）。具体的には、特定部４２ｃは、第１骨格モデルに基づいて、第１動画像におけるキー画像である第１画像を特定し、且つ、第２骨格モデルに基づいて、第２動画像におけるキー画像である第２画像を特定する。

次に、編集部４２ｄは、第１画像及び第２画像に基づいて、第１動画像及び第２動画像の少なくとも一方を編集することで、第１動画像に基づく第３動画像と、第２動画像に基づく第４動画像とを、それぞれの動画再生時間が揃うように生成する（Ｓ１０３）。また、編集部４２ｄは、（ｉ）第３動画像に第１画像が含まれるように、且つ、第４動画像に第２画像が含まれるように、且つ、（ｉｉ）第１動画像及び第２動画像の少なくとも一方に含まれる画像を減らすように、又は、第１動画像及び第２動画像の少なくとも一方に含まれる画像を増やすように、第１動画像及び第２動画像の少なくとも一方を編集する。

次に、評価部４２ｅは、第１動画像及び第２動画像に基づいて、特定の動作についての対象者の評価を実行する（Ｓ１０４）。例えば、評価部４２ｅは、第１動画像及び第２動画像に基づいて、上記した差分情報及び評価情報を含む評価結果を生成する。

なお、評価部４２ｅは、第３動画像及び第４動画像に基づいて、特定の動作についての対象者の評価を実行してもよい。

次に、出力部４２ｆは、第３動画像及び第４動画像と、評価結果とを出力する（Ｓ１０５）。

図９は、実施の形態に係る表示システム１０の処理手順を示すシーケンス図である。

まず、指示部３６は、対象者に特定の動作を行うように指示する（Ｓ２０１）。指示部３６は、例えば、対象者が実行可能な日常生活動作の程度の判定処理を行う指示（つまり、特定の動作を対象者に開始させる指示）をユーザから受付部３４が受け付けた場合、「バンザイしてください」などの指示を行う。

なお、制御部３２は、受付部３４が指示を受け付けた場合、カメラ２０により撮影された動画像を取得し、取得した動画像における対象者を識別してもよい。動画像における対象者の識別には、例えば、パターンマッチングなどの公知の画像解析技術が用いられる。

次に、カメラ２０は、特定の動作を行う対象者を被写体として撮影することで、特定の動作を行う対象者を被写体として含む動画像を生成する（Ｓ２０２）。

次に、制御部３２は、カメラ２０が生成した動画像を、通信部３１を介して動画編集装置４０に出力する（Ｓ２０３）。このとき、制御部３２は、画像を秘匿化して動画編集装置４０に送信してもよい。これにより、対象者のプライバシーデータが保護される。

情報端末３０は、互いに異なる期間にステップＳ２０１～Ｓ２０３を実行することで、互いに異なる期間に撮影されることで生成された第１動画像と第２動画像とを動画編集装置４０に送信する。

なお、第１動画像と第２動画像とは、例えば記憶部３３に一度記憶され、同じタイミングで動画編集装置４０に送信されてもよい。

上記した情報端末３０の処理により、取得部４２ａは、第１動画像と第２動画像とを取得する（Ｓ１００）。

次に、推定部４２ｂは、第１動画像及び第２動画像のそれぞれにおける対象者の骨格モデルを推定する（Ｓ１０１）。

次に、特定部４２ｃは、第１動画像及び第２動画像のそれぞれにおいて、推定された対象者の骨格モデルに基づいてキー画像を特定する（Ｓ１０２）。

次に、編集部４２ｄは、第１画像及び第２画像に基づいて、第１動画像及び第２動画像の少なくとも一方を編集することで、第１動画像に基づく第３動画像と、第２動画像に基づく第４動画像とを、それぞれの動画再生時間が揃うように生成する（Ｓ１０３）。また、編集部４２ｄは、（ｉ）第３動画像に第１画像が含まれるように、且つ、第４動画像に第２画像が含まれるように、且つ、（ｉｉ）第１動画像及び第２動画像の少なくとも一方に含まれる画像を減らすように、又は、第１動画像及び第２動画像の少なくとも一方に含まれる画像を増やすように、第１動画像及び第２動画像の少なくとも一方を編集する。

次に、評価部４２ｅは、第１動画像及び第２動画像に基づいて、特定の動作についての対象者の評価を実行する（Ｓ１０４）。

次に、出力部４２ｆは、第３動画像及び第４動画像と、評価結果とを出力する（Ｓ１０５）。例えば、出力部４２ｆは、通信部４１を介して、情報端末３０に、第３動画像及び第４動画像と、評価結果とを出力する。

次に、制御部３２は、出力部４２ｆが通信部４１を介して出力した、第３動画像及び第４動画像と、評価結果とを通信部３１を介して取得する（Ｓ２０４）。

次に、表示部３５は、制御部３２が取得した、第３動画像及び第４動画像と、評価結果とを表示する（Ｓ２０５）。具体的には、制御部３２は、取得した第３動画像と第４動画像とを表示部３５に同時に再生させる。

なお、情報端末３０は、ステップＳ２０１～ステップＳ２０３の処理を１ループ処理として、対象者が複数の特定の動作のそれぞれを行う度に実行してもよいし、ステップＳ２０１及びステップＳ２０２の処理を複数の特定の動作のそれぞれについて実行し、対象者が全ての特定の動作を終了してから、ステップＳ２０３を実行してもよい。

また、対象者が複数の特定の動作を行った場合、それらの特定の動作のそれぞれに紐づけられた動画像及び評価結果が表示されてよいし、評価結果が悪かったもののみ表示されてもよい。これらの判定結果は、結果が劣る順に表示されてもよい。

また、情報端末３０は、特定の動作の指示を行う前に、対象者の身体機能に応じて対象者に行わせる特定の動作を選定してもよい。例えば、ステップＳ２０１の前に、座位の姿勢から立ち上がる動作を行うように対象者に指示をしてもよい。このとき、情報端末３０は、カメラ２０により撮影された対象者の画像に基づいて対象者が立ち上がる動作をできるか否かを判定してもよい。或いは、対象者に行わせる特定の動作は、受付部３４で受け付けたユーザの指示に基づいて選定されてもよい。

これによれば、対象者の身体機能に応じて特定の動作を選定することができるため、対象者の日常生活動作の状態を効率よく、かつ、正確に判定することができる。

［効果など］
以上説明したように、実施の形態に係る動画編集方法は、コンピュータが実行する動画編集方法であって、第１期間に特定の動作を実行した対象者を被写体として含む第１動画像と、第１期間とは異なる第２期間に特定の動作を実行した対象者を被写体として含む第２動画像とを取得する取得ステップ（Ｓ１００）と、第１動画像及び第２動画像のそれぞれにおける対象者の骨格モデルを推定する推定ステップ（Ｓ１０１）と、第１動画像における対象者の骨格モデルに基づいて、第１動画像において対象者が特定の動作におけるキー動作を実行している第１画像を特定し、且つ、第２動画像における対象者の骨格モデルに基づいて、第２動画像において対象者がキー動作を実行している第２画像を特定する特定ステップ（Ｓ１０２）と、第１画像及び第２画像に基づいて、第１動画像及び第２動画像の少なくとも一方を編集することで、第１動画像に基づく第３動画像と、第２動画像に基づく第４動画像とを、それぞれの動画再生時間が揃うように生成する編集ステップ（Ｓ１０３）と、第３動画像と、第４動画像とを出力する出力ステップ（Ｓ１０５）と、を含む。編集ステップでは、（ｉ）第３動画像に第１画像が含まれるように、且つ、第４動画像に第２画像が含まれるように、且つ、（ｉｉ）当該少なくとも一方に含まれる画像を減らすように、又は、当該少なくとも一方に含まれる画像を増やすように、当該少なくとも一方を編集する。

これによれば、対象者の動作を評価するための特定の動作の中で特に重要と考えられるキー動作が、それぞれの動画像に含まれるように、第１動画像と第２動画像との動画再生時間が揃えられる。そのため、複数の動画像のそれぞれに含まれるユーザの動作を視覚的に比較しやすくすることができる。特に、複数の動画像のそれぞれに含まれるユーザのキー動作を視覚的に比較しやすくすることができる。

また、例えば、特定ステップでは、さらに、対象者の骨格モデルに基づいて、当該少なくとも一方における、対象者が特定の動作を開始する開始動作を実行している開始画像と、特定の動作を終了する終了動作を実行している終了画像とを特定し、編集ステップでは、開始画像と終了画像とに基づいて、当該少なくとも一方を編集する。

これによれば、例えば、動画像に含まれる特定の動作が実行されていない時間の動画像を適切に削除できる。

また、例えば、編集ステップでは、第１動画像における第１画像より後の動画像、及び、第２動画像における第２画像より後の動画像の少なくともいずれかを削除することで、当該少なくとも一方を編集する。

これによれば、キー動作以外を実行している時間の動画像を簡単に削除できる。

また、例えば、編集ステップでは、当該少なくとも一方に含まれる複数の画像を所定の枚数毎に削除することで、当該少なくとも一方を編集する。

これによれば、編集された動画像が再生された際に対象者の姿勢が急減に変化するような違和感をユーザに生じさせることを抑制しつつ、動画像を部分的に削除して動画像の動画再生時間を短くできる。

また、例えば、特定ステップでは、キー動作に対応する、対象者の骨格モデルにおける複数の骨格点のうちのいずれかの位置、及び、当該位置の変化量の少なくともいずれかに基づいて、第１画像と第２画像とを特定する。

これによれば、骨格モデルを用いて第１画像と第２画像とを適切に特定できる。

また、例えば、実施の形態に係る動画編集方法は、さらに、キー動作に対応する、（ｉｉｉ）対象者の骨格モデルにおける複数の骨格点のうちのいずれかの位置、（ｉｖ）複数の骨格点のうちの２以上の骨格点の位置関係、及び、（ｖ）複数の骨格点のうちのいずれかの骨格点の移動速度の少なくともいずれかである評価点について、第１動画像における評価点と第２動画像における評価点との差分を示す差分情報を生成する評価ステップ（Ｓ１０４）を含み、出力ステップでは、さらに、差分情報を出力する。

これによれば、骨格モデルを用いて評価点の変化を簡単に算出できる。

また、例えば、評価ステップでは、さらに、当該差分に基づいて、特定の動作についての対象者に対する評価を示す評価情報を生成し、出力ステップでは、さらに、評価情報を出力する。

これによれば、対象者が特定の動作を適切に実行できているか否かをユーザが簡単に把握できる。

また、実施の形態に係る動画編集装置４０は、第１期間に特定の動作を実行した対象者を被写体として含む第１動画像と、第１期間とは異なる第２期間に特定の動作を実行した対象者を被写体として含む第２動画像とを取得する取得部４２ａと、第１動画像及び第２動画像のそれぞれにおける対象者の骨格モデルを推定する推定部４２ｂと、第１動画像における対象者の骨格モデルに基づいて、第１動画像において対象者が特定の動作におけるキー動作を実行している第１画像を特定し、且つ、第２動画像における対象者の骨格モデルに基づいて、第２動画像において対象者がキー動作を実行している第２画像を特定する特定部４２ｃと、第１画像及び第２画像に基づいて、第１動画像及び第２動画像の少なくとも一方を編集することで、第１動画像に基づく第３動画像と、第２動画像に基づく第４動画像とを、それぞれの動画再生時間が揃うように生成する編集部４２ｄと、第３動画像と、第４動画像とを出力する出力部４２ｆと、を備え、編集部４２ｄは、（ｉ）第３動画像に第１画像が含まれるように、且つ、第４動画像に第２画像が含まれるように、且つ、（ｉｉ）当該少なくとも一方に含まれる画像を減らすように、又は、当該少なくとも一方に含まれる画像を増やすように、当該少なくとも一方を編集する。

また、実施の形態に係る表示システム１０は、動画編集装置４０と、情報端末３０と、を備え、動画編集装置４０は、さらに、情報端末３０と通信を行う第１通信部（通信部４１）を備え、情報端末３０は、動画編集装置４０と通信を行う第２通信部（通信部３１）と、対象者に特定の動作を行うように指示する指示部３６と、特定の動作を実行している対象者を撮影することで第１動画像及び第２動画像を生成するカメラ２０と、第２通信部を介して動画編集装置４０に第１動画像及び第２動画像を出力し、且つ、第２通信部を介して動画編集装置４０から第３動画像及び第４動画像を取得する制御部３２と、第３動画像及び第４動画像を表示する表示部３５と、を備える。

これらによれば、上記した実施の形態に係る動画編集方法と同様の効果を奏する。

（その他の実施の形態）
以上、実施の形態について説明したが、本発明は、上記実施の形態に限定されるものではない。

例えば、対象者に特定の動作を実行させる指示は、ユーザにより行われてもよい。この場合、情報端末は、指示部を有さなくてもよい。

また、情報端末３０は、特定の動作を示す情報とともに当該特定の動作を実行した際の対象者の動画像を動画編集装置４０に送信してもよい。

また、例えば、情報端末３０は、受付部３４で受け付けたユーザからの指示に基づいて、動画像を編集させる旨の指示を示す動画編集装置４０に送信してもよい。この場合、例えば、動画編集装置４０は、特定の動作を対象者に実行させる指示を示す情報を情報端末３０に送信してもよい。また、この場合、情報端末３０は、受信した当該情報に基づいて、指示部３６によって対象者に特定の動作を実行させるとともに、カメラ２０によって当該対象者を撮影してもよい。

また、評価部４２ｅは、推定部４２ｂにより推定された骨格モデルに基づいて、特定の動作における対象者の動きの特徴を示す特徴量を算出し、算出した特徴量に基づいて、対象者が身体動作を行うための能力である身体機能を判定してもよい。例えば、評価部４２ｅは、推定部４２ｂにより推定された骨格モデルに基づいて、対象者の所定の骨格点に繋がる２つのリンクのなす角度（関節角度）を特徴量として算出する。或いは、例えば、評価部４２ｅは、特定の動作における所定の骨格点と末端部位との距離、及び、特定の動作における所定の骨格点の位置の変動幅などを特徴量として算出する。例えば、評価部４２ｅは、算出した各値が所定の閾値以上であるか否か、又は、所定の範囲内であるか否かに基づいて、対象者の身体機能を判定する。

これによれば、例えば、日常生活動作に問題がない対象者に対して、筋力などの身体機能に基づいて身体機能の維持又は向上のために必要な訓練計画を提供することができる。所定の骨格点、所定の閾値、及び、所定の範囲は、任意に定められてよい。これらの情報は、記憶部４３に予め記憶されていてもよい。

また、評価部４２ｅは、さらに、対象者の指の動きを伴う動作（例えば、手の開閉（グーパー）又は指の対立（ＯＫサイン）など）の可否の判定結果にも基づいて、対象者が実行可能な日常生活動作の程度を判定してもよい。例えば、情報端末３０の受付部３４が指の動きを伴う動作の可否判定の指示を受け付けると、制御部３２は、指示部３６に指の動きを伴う動作を行うように指示させる。情報端末３０は、カメラ２０で撮影された指の動きを伴う動作を行う対象者を被写体として含む画像を取得すると、受付部３４により受け付けられた指示と、カメラ２０により撮影された画像とを動画編集装置４０に送信する。動画編集装置４０の評価部４２ｅは、例えば、学習済みモデルと異なる図示しない他の学習済みモデルを用いて、手の開閉の動作が可能であるか否かを判定する。また、評価部４２ｅは、他の学習済みモデルを用いて、画像において人差し指の先と親指の先とがくっついているか否か、人差し指と親指との間の空間の形状及び大きさを識別して、指の対立の動作が可能であるか否かを判定してもよい。当該他の学習済みモデルは、記憶部４３に予め記憶されていてもよい。

これによれば、対象者が物を把持できるか否かを判定することができるため、対象者が実行可能な日常生活動作の程度をさらに精度よく判定することができる。

また、対象者の身体機能に関する情報は、記憶部４３に予め記憶されていてもよいし、受付部３４でユーザから当該情報を受け付けて情報端末３０から取得部４２ａが取得してもよい。

また、評価部４２ｅは、判定結果に基づいて、リハビリテーションの訓練計画を生成してもよい。このとき、例えば、評価部４２ｅは、判定結果に加えて、対象者の身体機能に基づいて、リハビリテーションの訓練計画を作成してもよい。

また、上記した実施の形態では、２つの動画像について、編集部４２ｄによって動画再生時間が揃うように編集され、表示部３５に同時に表示される。例えば、３以上の動画像について、編集部４２ｄによって動画再生時間が揃うように編集され、表示部３５によって同時に表示されてもよい。

また、互いに異なる特定の動作を行った対象者を被写体として含む複数の動画像が表示部３５によって同時に表示されてもよい。

また、例えば、制御部３２は、動画像に含まれる対象者が実行している特定の動作が何であるかを示す情報を動画像と紐付けて通信部３１を介して動画編集装置４０に送信してもよい。例えば、制御部３２は、受付部３４を介してユーザから当該情報を取得してもよいし、指示部３６が指示した内容に基づいて特定の動作が何であるかを特定し、特定した結果を当該情報として取得してもよい。

なお、ステップＳ１０４は、実行されなくてもよい。この場合、動画編集装置４０は、編集部４２ｄを備えなくてもよい。

また、ステップＳ１０５では、評価結果は出力されなくてもよい。

また、動画編集装置４０は、動画像に含まれる対象者が実行する特定の動作毎に、ステップＳ１００～ステップＳ１０４の処理を１ループ処理として繰り返し実行してもよい。

また、例えば、上記実施の形態において、特定の処理部が実行する処理を別の処理部が実行してもよい。また、複数の処理の順序が変更されてもよいし、複数の処理が並行して実行されてもよい。

また、例えば、上記実施の形態において、情報処理部４２などの処理部の各構成要素は、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。

また、各構成要素は、ハードウェアによって実現されてもよい。各構成要素は、回路（又は集積回路）でもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路でもよい。また、これらの回路は、それぞれ、汎用的な回路でもよいし、専用の回路でもよい。

また、本発明の全般的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム又はコンピュータで読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよい。また、システム、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

また、例えば、本発明は、動画編集方法として実現されてもよいし、動画編集方法をコンピュータに実行させるためのプログラムとして実現されてもよいし、このようなプログラムが記録されたコンピュータで読み取り可能な非一時的な記録媒体として実現されてもよい。

また、上記実施の形態では、表示システム１０は、情報端末３０と、動画編集装置４０とを備える例を示したが、本発明に係る表示システムは、情報端末などの単一の装置として実現されてもよいし、複数の装置によって実現されてもよい。例えば、表示システムは、クライアントサーバシステムとして実現されてもよい。表示システムが複数の装置によって実現される場合、上記実施の形態で説明された表示システムが備える構成要素は、複数の装置にどのように振り分けられてもよい。

その他、各実施の形態に対して当業者が思いつく各種変形を施して得られる形態、又は、本発明の趣旨を逸脱しない範囲で各実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本発明に含まれる。

１ 対象者
１０ 表示システム
２０ カメラ
３０ 情報端末
３１、４１ 通信部
３２ 制御部
３５ 表示部
３６ 指示部
４０ 動画編集装置
４２ａ 取得部
４２ｂ 推定部
４２ｃ 特定部
４２ｄ 編集部
４２ｅ 評価部
４２ｆ 出力部
５０、５１ 動画像

Claims (8)

1. コンピュータが実行する動画編集方法であって、
   第１期間に特定の動作を実行した対象者を被写体として含む第１動画像と、前記第１期間とは異なる第２期間に前記特定の動作を実行した前記対象者を被写体として含む第２動画像とを取得する取得ステップと、
   前記第１動画像及び前記第２動画像のそれぞれにおける前記対象者の骨格モデルを推定する推定ステップと、
   前記第１動画像における前記対象者の骨格モデルに基づいて、前記第１動画像において前記対象者が前記特定の動作におけるキー動作を実行しているキー画像である第１画像を特定し、且つ、前記第２動画像における前記対象者の骨格モデルに基づいて、前記第２動画像において前記対象者が前記キー動作を実行している前記キー画像である第２画像を特定する特定ステップと、
   前記第１画像及び前記第２画像に基づいて、前記第１動画像及び前記第２動画像の少なくとも一方を編集することで、前記第１動画像に基づく第３動画像と、前記第２動画像に基づく第４動画像とを、それぞれの動画再生時間が揃うように生成する編集ステップと、
   前記第３動画像と、前記第４動画像とを出力する出力ステップと、を含み、
   前記編集ステップでは、（ｉ）前記第３動画像に前記第１画像が含まれるように、且つ、前記第４動画像に前記第２画像が含まれるように、且つ、（ｉｉ）前記少なくとも一方に含まれる画像を減らすように、又は、前記少なくとも一方に含まれる画像を増やすように、前記少なくとも一方を編集し、
   前記特定ステップでは、さらに、前記対象者の骨格モデルに基づいて、前記少なくとも一方における、前記対象者が前記特定の動作を開始する開始動作を実行している開始画像と、前記特定の動作を終了する終了動作を実行している終了画像とを特定し、
   前記編集ステップでは、
   （ｉ）前記第１動画像及び前記第２動画像のそれぞれの、前記開始画像より前の画像と、前記終了画像より後の画像とを削除して、前記開始画像、前記キー画像、及び、前記終了画像を残すように編集し、且つ、（ｉｉ）前記開始画像より前の画像と、前記終了画像より後の画像とを削除した後に、前記開始画像と前記終了画像との間の１以上の画像を所定の枚数毎に削除することで、前記開始画像、前記キー画像、及び、前記終了画像が再生されるタイミングが揃うように、前記少なくとも一方を編集する
   動画編集方法。
2. 前記編集ステップでは、前記第１動画像における前記第１画像より後の動画像、及び、前記第２動画像における前記第２画像より後の動画像の少なくともいずれかを削除することで、前記少なくとも一方を編集する
   請求項１に記載の動画編集方法。
3. 前記編集ステップでは、前記少なくとも一方に含まれる複数の画像を所定の枚数毎に削除することで、前記少なくとも一方を編集する
   請求項１又は２に記載の動画編集方法。
4. 前記特定ステップでは、前記キー動作に対応する、前記対象者の骨格モデルにおける複数の骨格点のうちのいずれかの位置、及び、当該位置の変化量の少なくともいずれかに基づいて、前記第１画像と前記第２画像とを特定する
   請求項１又は２に記載の動画編集方法。
5. さらに、前記キー動作に対応する、（ｉｉｉ）前記対象者の骨格モデルにおける複数の骨格点のうちのいずれかの位置、（ｉｖ）前記複数の骨格点のうちの２以上の骨格点の位置関係、及び、（ｖ）前記複数の骨格点のうちのいずれかの骨格点の移動速度の少なくともいずれかである評価点について、前記第１動画像における前記評価点と前記第２動画像における前記評価点との差分を示す差分情報を生成する評価ステップを含み、
   前記出力ステップでは、さらに、前記差分情報を出力する
   請求項１又は２に記載の動画編集方法。
6. 前記評価ステップでは、さらに、前記差分に基づいて、前記特定の動作についての前記対象者に対する評価を示す評価情報を生成し、
   前記出力ステップでは、さらに、前記評価情報を出力する
   請求項５に記載の動画編集方法。
7. 第１期間に特定の動作を実行した対象者を被写体として含む第１動画像と、前記第１期間とは異なる第２期間に前記特定の動作を実行した前記対象者を被写体として含む第２動画像とを取得する取得部と、
   前記第１動画像及び前記第２動画像のそれぞれにおける前記対象者の骨格モデルを推定する推定部と、
   前記第１動画像における前記対象者の骨格モデルに基づいて、前記第１動画像において前記対象者が前記特定の動作におけるキー動作を実行しているキー画像である第１画像を特定し、且つ、前記第２動画像における前記対象者の骨格モデルに基づいて、前記第２動画像において前記対象者が前記キー動作を実行している前記キー画像である第２画像を特定する特定部と、
   前記第１画像及び前記第２画像に基づいて、前記第１動画像及び前記第２動画像の少なくとも一方を編集することで、前記第１動画像に基づく第３動画像と、前記第２動画像に基づく第４動画像とを、それぞれの動画再生時間が揃うように生成する編集部と、
   前記第３動画像と、前記第４動画像とを出力する出力部と、を備え、
   前記編集部は、（ｉ）前記第３動画像に前記第１画像が含まれるように、且つ、前記第４動画像に前記第２画像が含まれるように、且つ、（ｉｉ）前記少なくとも一方に含まれる画像を減らすように、又は、前記少なくとも一方に含まれる画像を増やすように、前記少なくとも一方を編集し、
   前記特定部は、さらに、前記対象者の骨格モデルに基づいて、前記少なくとも一方における、前記対象者が前記特定の動作を開始する開始動作を実行している開始画像と、前記特定の動作を終了する終了動作を実行している終了画像とを特定し、
   前記編集部は、
   （ｉ）前記第１動画像及び前記第２動画像のそれぞれの、前記開始画像より前の画像と、前記終了画像より後の画像とを削除して、前記開始画像、前記キー画像、及び、前記終了画像を残すように編集し、且つ、（ｉｉ）前記開始画像より前の画像と、前記終了画像より後の画像とを削除した後に、前記開始画像と前記終了画像との間の１以上の画像を所定の枚数毎に削除することで、前記開始画像、前記キー画像、及び、前記終了画像が再生されるタイミングが揃うように、前記少なくとも一方を編集する
   動画編集装置。
8. 請求項７に記載の動画編集装置と、
   情報端末と、を備え、
   前記動画編集装置は、さらに、前記情報端末と通信を行う第１通信部を備え、
   前記情報端末は、
   前記動画編集装置と通信を行う第２通信部と、
   前記対象者に前記特定の動作を行うように指示する指示部と、
   前記特定の動作を実行している前記対象者を撮影することで前記第１動画像及び前記第２動画像を生成するカメラと、
   前記第２通信部を介して前記動画編集装置に前記第１動画像及び前記第２動画像を出力し、且つ、前記第２通信部を介して前記動画編集装置から前記第３動画像及び前記第４動画像を取得する制御部と、
   前記第３動画像及び前記第４動画像を表示する表示部と、を備える
   表示システム。

Images