ALGORITHM
AIはターンをどう読むか
ブラックボックス採点はしない。ピクセルから物理量まで、全工程が説明可能で再計算できる。
🎥
① 入力：どんなスマホ動画でも
縦横どちらでも可、30–60fpsが最適。カメラがフォールラインの正面または真後ろにあるとき角度が最も正確。
🦴
② 姿勢推定：17キーポイント
フレームごとに骨格を検出。複数人が写っていても「トラッキング＋面積×信頼度」でライダーを自動ロック。実測カバー率90%以上。
📐
③ 物理特徴：すべて説明可能
体軸傾角、アンギュレーション、肩と腰のセパレーション、膝角、重心の上下動——キーポイント幾何から直接計算した角度と比率であり、ニューラルネットのブラックボックス出力ではない。
🌀
④ ターン分割：ゼロクロス＝エッジ切替
体軸傾角がゼロを跨げばエッジ切替、切替と切替の間が1ターン。振幅と時間のフィルタで直滑降を除外し、ターン別の明細を出力する。
👻
⑤ 位相正規化で比較
各ターンを0–100%の位相に伸縮して平均化。あなたの「平均ターン」と達人の「平均ターン」を同じ図で比較でき、速度もターンサイズも越えられる。
7つの指標をわかりやすく
体軸傾角
腰の中点から肩の中点への線が鉛直からどれだけ傾いたか。大きいほど攻めた滑り。斜めのカメラでは小さく写るため、同じアングル同士で比較する。
アンギュレーション補償
脚の傾きから胴体の傾きを引き、倒れる方向で符号を補正した値。プラスは胴体が脚より立っている状態——「倒れ込む」のではなく「折る」滑りで、上質なカービングの証。
肩と腰のセパレーション
肩のラインと腰のラインの角度差で、上半身と下半身の回旋タイミングを表す。視点に依存するため同じアングルのみで比較する。
膝の屈曲角
股関節・膝・足首の3点角で、180°が直立。カーブから加圧と抜重の深さとタイミングが読める。
重心の上下動
足首に対する腰の高さを脚長の中央値で正規化した無次元量。身長が違っても公平に比較できる。
エッジ切替速度
切替の瞬間の傾角変化率（°/s）。大きいほど切替がキレる。もたつきは一目瞭然。
リズムと対称性
ターン時間の変動係数（小さいほど安定）と、左右ターンのピーク傾角比（100%が完全対称）。ほとんどの人に弱いサイドがあり、データがそれを指摘する。
能力の境界：動画版 vs センサー版
| 測定項目 | 動画版 | センサー版（開発中） |
|---|---|---|
| ターン形状・リズム・対称性 | ✓ | ✓ |
| エッジ切替のタイミングと速度 | ✓ | ✓ |
| 体軸傾角・アンギュレーション | △ | ✓ |
| エッジ角の正確な値 | ✗ | ✓ |
| 足裏圧力と荷重配分 | ✗ | ✓ |
✓ 測定可 △ 画像平面への投影（同じアングルで比較可） ✗ 測れないものは測れないと言う
物理に誠実であること。動画版が示すのは幾何と時系列で、力学の層はセンサー版（IMUと足圧インソール、トップライダーと収集中）に委ねる。全レポートにカメラ位置の影響を明記——誇張しないから、コーチが推薦できる。