ライセンス表記: 本記事で使用しているモーションキャプチャデータは Driveline OpenBiomechanics Project のものです（CC BY-NC-SA 4.0）。
引用: Wasserberger KW, Brady AC, Besky DM, Jones BR, Boddy KJ. The OpenBiomechanics Project: The open source initiative for anonymized, elite-level athletic motion capture data. (2022).
ライセンス: https://creativecommons.org/licenses/by-nc-sa/4.0/
本記事の派生物（グラフ・GIF等）も同ライセンスに従います。
はじめに
野球選手のフォームを3Dで可視化し、関節の動きと球速の関係を探ってみました。
使ったのは以下の3つです。
- Driveline OpenBiomechanics Project (OBP) — プロレベルのモーションキャプチャC3Dデータ（100投手＋98打者）
- ezc3d — C3Dファイルの読み書きライブラリ（MITライセンス、GitHub）
- matplotlib — 3D可視化・アニメーション
→ GitHub: https://github.com/yasumorishima/baseball-cv
ezc3dとの関わり
ezc3dにはPR #384でバグ修正を貢献しています。自分がOSSに参加したライブラリを使って実際に分析する流れになりました。
Step 1: C3Dデータから3D骨格を可視化
C3Dファイルにはモーションキャプチャで取得した各マーカーの3D座標が記録されています。
- 投球データ: 45マーカー、360Hz、約726フレーム
- 打撃データ: 55マーカー（体45＋バット10）、360Hz、約804フレーム
import ezc3d
c3d = ezc3d.c3d("pitching_sample.c3d")
points = c3d["data"]["points"] # shape: (4, n_markers, n_frames)
labels = c3d["parameters"]["POINT"]["LABELS"]["value"]
投球フォームの骨格アニメーション
45個のマーカーを結んで骨格として描画しています。
打撃フォームの骨格アニメーション
打撃側は55マーカーで、バットの10マーカーは赤色で表示しています。
Step 2: 一般動画でも骨格検知できる（MediaPipe）
モーションキャプチャ設備がなくても、スマホで撮った普通の動画から骨格を検知できます。GoogleのMediaPipe Poseを使うと、1本の動画から関節点33箇所をリアルタイムで自動検出できます。
import mediapipe as mp
mp_pose = mp.solutions.pose
pose = mp_pose.Pose(
static_image_mode=False,
min_detection_confidence=0.5,
min_tracking_confidence=0.5
)
本記事の分析はDriveline OBPのC3Dデータ（専用センサー）を使っていますが、手軽に試したい場合はMediaPipeが出発点として使えます。
Step 3: 関節角度・角速度の抽出
各関節が「どれだけ動くか（角度）」と「どれだけ速く動くか（角速度）」を、投球全体のフレームを通じて計算しました。
投球（Pitching）
| 関節角度 | 最小値 | 最大値 |
|---|---|---|
| 肘屈曲 (Elbow Flexion) | 50.5° | 156.7° |
| 肩外転 (Shoulder Abduction) | 4.6° | 117.7° |
| 体幹回旋 (Trunk Rotation) | 0° | 58° |
| 膝屈曲 (Knee Flexion) | 99.1° | 163.8° |
例えば肘の屈曲は50〜157°の範囲で動いており、投球中に大きく曲げ伸ばしされています。体幹回旋は0〜58°と、腕に比べてそれほど大きくないように見えますが、後の分析で球速との相関が最も強い指標として浮かび上がります。
角速度の時系列
各関節が1秒間に何度回転しているか（角速度）をフレームごとにプロットしたものです。投球のどの瞬間に、どの関節が特に速く動いているかが一目で分かります。
Step 4: 骨格の動き × 球速の相関分析
Driveline OBPのC3Dデータにはファイル名に球速情報が含まれています（例: ..._809.c3d → 80.9 mph）。
16投手分のデータを使い、骨格の動きから取り出した指標（角度・速度・回旋量など）と球速の相関を調べました。
相関結果
| 指標 | 相関（r） | p値 |
|---|---|---|
| 体幹の最大角速度 (Peak Trunk Angular Velocity) | 0.119 | 0.673 |
| 肘の最大角速度 (Peak Elbow Angular Velocity) | 0.094 | 0.739 |
| 肩の最大外転角 (Peak Shoulder Abduction) | 0.180 | 0.520 |
| 体幹の回旋量 (Trunk Rotation Range) | 0.425 | 0.114 |
相関係数（r）は−1〜+1の値をとり、1に近いほど「一方が大きいとき、もう一方も大きい」という正の関係を示します。p値は0.05を下回ると統計的に確実とされますが、16人では少なすぎて断言はできません。それでも体幹の回旋量が球速と最も強い正の相関（r=0.425）を示しました。「体幹をどれだけ大きく回せるか」が球速に関係している可能性を示しています。
まとめ
- Driveline OBPのC3Dデータからezc3dで3D骨格を可視化できた
- 関節角度・角速度の時系列を抽出し、投球フェーズごとの特徴を観察できた
- 体幹回旋のレンジが球速と最も高い相関（r=0.425）を示した
- MediaPipeを使えば一般動画からも骨格検知が可能（本記事の分析はモーションキャプチャC3Dを使用）
→ GitHub: https://github.com/yasumorishima/baseball-cv
データ: Driveline OpenBiomechanics Project（CC BY-NC-SA 4.0）
ezc3d: pyomeca/ezc3d（MIT License）