用于测量和评估身体技能的动作和用于完成身体技能的设备的系统和方法

专利名称：用于测量和评估身体技能的动作和用于完成身体技能的设备的系统和方法
技术领域：
本发明涉及测量和分析人类运动中的身体技能的动作和出于评估、教学和设备装配的目而完成技能所使用的设备。
背景技术：
当前，对人类运动或身体技能的动作(例如，运动技能或活动性)的分析主要依靠人的判断。举例来说，对于挥动高尔夫球杆的最佳方法的每种看法，存在的另外一种看法是挥杆应该以不同的方式完成。一种观点认为高尔夫挥杆应该由整个身体的移动，然后对准目标(的动作)来组成，然而，另一种观点认为挥杆的最佳方法是纯粹的身体转动。另外，在很多情况下，高尔夫球员在他们的挥杆动作中所展示出来的动作误差，恰恰是他们的教练和老师出于改进这些球员的挥杆动作所教授给他们的。而且，在教学和学习环境下的动作评估通常是定性的，在所述环境下指导人员或教导员观察目标的高尔夫挥杆(动作)，然后提供关于挥杆质量和所展示的动作误差的判断，以及为设备装配提供建议。所述判断可能是建立在捕捉到的学员挥杆的视频图像的基础上，而且可能进一步取决于设备效果数据，所述设备效果数据可以通过已知技术(例如，球杆和球的捕捉技术)来测量。然而，由于通常要与存在于指导人员或教导员的意识中的理想的或出众的挥杆模式进行比较，大部分的动作信息的定量潜能被遗失了。
出于正确测量和评估人类运动的目的，必须量化人类运动的四个特别的区域以提供可信赖的动作评估工具，该工具始终如一地确定动作中的缺陷。所述区域包括(1)记录和测量目标的身体技能或活动的动作；(2)将身体技能的出众的动作模式确定为标准，目标的动作可以与这个标准进行比较；(3)记录和测量技能中使用的设备的性能；以及(4)将动作中使用的设备的性能模式确定为标准，从而使学员的设备可以与之进行对比。
这些区域中的一部分已经在申请人的在先专利(包括U.S.4,891,748和U.S.5,184,295)中得到解决，所述在先专利教导产生标准化的最优秀的或出众的动作模式作为标准模式的方法。在先专利提出的教导是关于高尔夫挥杆，以及所述的标准化的最优秀的或出众的动作模式是从PGS高尔夫职业运动员的众多动作中产生。这样的方法也包括对从最优秀的或出众的动作模式中派生的特定的目标(例如，学员)的个性化的动作模式的方法，所述方法表明他/她的身体特征和他/她的身体技能(例如，高尔夫挥杆)的理想的或出众的动作。所述的个性化的动作模式是标准模式，可以与特定目标的他/她的真实的技能动作(例如，高尔夫挥杆)作以比较。出于教学和评定动作改进的目的，动作模式可以用于测量和分析学员的运动技能。
虽然，先前提出的专利更加容易地将学员的动作与出众的或最优秀的选手的动作进行比较，学员仍然需要指导来识别在他们的动作中的明显误差，以及采取必要的纠正动作。当需要评定他们的设备的适宜性和性能时，学员也将依赖他们的指导人员的主观的判断，以及对新设备的建议。
本文所公开的本发明的实施方案提供系统和方法，用于处理个性化的动作模式，用于评估和记录目标的身体技能的动作，用于评估和装配用于完成技能的设备。尤其是，本发明的实施方案试图解决以下技术问题如何处理视频数据源，以自动识别学员所完成的动作中的误差，如何自动指出学员将要采用的纠正动作(优选的是学员可以接受的术语)以避免类似误差，如何自动地评定学员所使用的设备的适应性和性能，以及如何自动地确定有助于学员的动作的设备条目。

发明内容
一般来说，本发明在某些方面提供用于在进行身体技能或任务时，对目标的动作进行自动定量分析的方法，该方法包括(i)获得一组身体测量结果，该组身体测量结果反映出一项或更多目标的身体特征；(ii)根据身体测量结果来修改最优秀的动作数据模式以提供定制的个性化目标行为数据模式，所述的最优秀的动作数据模式反映出与技能或任务的出众的动作相关的身体运动方式的模式，所述定制的个性化的目标行为数据模式反映出目标所完成的技能或任务的理想动作的身体运动方式的特征；(iii)捕捉目标在进行身体技能或任务时的视频数据；(iv)从捕捉的视频数据中确定一组数据，该组数据反映出进行技能或任务时的目标体的身体运动的特征；(v)识别由源于视频数据的身体运动数据组所表示的身体运动和由个性化的目标动作数据模式所表示的身体运动之间的位置差；以及(vi)量化一个或更多的被识别的位置差以提供目标在进行技能或任务时的身体运动模式与由个性化目标动作数据模式所表示的身体运动模式的差别程度的定量分析，其中提供在进行技能或任务时的目标动作定量分析。
本发明的实施可能包括一个或多个以下特征。提供对在进行技能或任务时的目标的动作的定量分析的方法进一步包括报告被量化的位置差。报告被量化的位置差包括产生以下其中之一的记录(i)一个或多个被识别的位置差中的每一个；以及(ii)被识别的位置差组，反映出目标在进行技能或任务时的运动模式与由个性化目标性能数据模式所表示的运动模式的差别程度。
方法进一步包括为位置差设定重要级别，并只选择那些超出设定的重要级别的被识别的位置差用于报告。为位置差设定重要级别并且只报告那些超出设定的重要级别的被识别的位置差。报告包括为每一个被识别的位置差或被识别的位置差组在数据源中检索，传达给目标的一个或更多的措辞，就是所说的完成的技能或任务，被认为是在进行技能或任务时介于目标的身体运动方式之间的差异的理由，而且由个性化的目标动作数据模式所表示。
本发明的实施可能进一步包括一个或多个以下特征。目标的身体测量结果源于目标的视频图像或源于由目标所提供的信息。该方法进一步包括从身体测量结果中确定重要的体节测量结果，并进一步修改个性化的目标动作数据模式，以解释由重要的体节测量结果施加在目标(完成)的技能或任务的理想动作上的限制的理由。
方法进一步包括源于目标进行技能或任务时捕捉到的视频数据的设备数据组，该设备数据组反映出目标完成技能或任务时的设备运动的特征。该方法也包括根据目标的身体测量结果来修改最优秀的设备数据模式，以提供定制的个性化的目标设备动作数据模式，所述最优秀的设备数据模式反映出与出众的动作相关的设备运动方式的特征，所述定制的个性化的目标设备动作数据模式反映出学员完成的技能或任务的理想动作的设备运动方式的特征。
所述方法进一步包括将源于目标完成技能或任务时捕捉到的视频数据设备数据组与个性化的目标的设备动作数据模式进行比较，并识别由源于视频数据的设备运动数据组所表示的设备运动与由个性化的目标的设备动作数据模式所表示的设备运动之间的位置差。方法包括量化任一被识别的位置差，以提供在目标进行技能或任务时的目标设备运动模式与由个性化目标设备动作数据模式所表示的个性化目标设备运动模式之间的差异程度的定量分析。
本发明的实施也可以包括一个或更多的以下特征。方法进一步包括产生以下任一记录(i)一个或更多的被识别差异中的每一个，以及(ii)识别的差异组，所述差异组反映出在进行技能或任务时目标设备的运动模式与由个性化的目标的设备动作数据模式所表示的运动方式之间的差异程度。另外，方法包括从身体测量结果组中确定重要的体节测量结果，并进一步修改个性化的目标设备动作数据模式，以解释由目标的重要体节测量结果施加在设备的理想性能上的限制的原因。而且，该方法包括从一个或更多的被识别和量化的差异中确定一组设备装配参数，或从修改的个性化的目标设备动作数据模式中确定。方法可能还包括将所述的设备装配参数组与一组存储的设备参数进行对比，以识别一个或更多的设备部件，每一个部件具有的物理特性落入或在预先确定的可接受的所述装配参数的范围内。
从另一个方面，本发明的实施方案提供包括一个或多个可操作的软件程序产品的计算机程序，当在执行环境下执行时，经过配置以执行至少(i)根据身体测量结果来修改最优秀的动作数据模式以提供定制的个性化目标行为数据模式，所述最优秀的动作数据模式反映出与技能或任务的出众的动作相关的身体运动方式的特征，所述定制的个性化的目标行为数据模式反映出目标所完成的技能或任务的理想动作的身体运动方式的特征；(ii)捕捉目标在进行身体技能或任务时的视频数据；以及(iv)从捕捉到的视频数据中确定一组数据，该组数据反映出目标在进行技能或任务时的身体运动的特征。
更进一方面，本申请的实施方案提供的系统用于提供目标在进行身体技能或任务时的动作的自动定量分析，所述系统包括一个或更多的用于捕捉目标在进行身体任务时的视频数据的视频捕捉设备；和计算机系统，其包括处理器，和一个或更多可由处理器执行的计算机程序软件，执行该软件用以(i)根据身体测量结果来修改最优秀的数据模式，从而提供定制的个性化目标行为数据模式，所述最优秀的动作数据模式反映出与技能或任务的出众的动作相关的身体运动方式的特征，所述的身体测量结果反映出目标身体的一个或更多的身体特征，所述定制的个性化的目标行为数据模式反映出目标所完成的技能或任务的理想动作的身体运动方式的特征；(ii)捕捉目标在进行身体技能或任务时的视频数据；(iii)从捕捉到的视频数据中确定一组数据，该组数据反映出目标身体运动在进行技能或任务时的特征组；(iv)识别由源于视频数据的目标身体运动数据组所表示的身体运动，和由个性化的目标的动作数据模式所表示的身体运动之间的位置差；以及(v)量化任一被识别的位置差以提供当目标进行技能或任务时的运动方式与由个性化的目标动作数据模式所表示的运动方式之间的差异程度的定量分析，其中提供在目标完成技能或任务时目标的动作的定量分析。
在其他方面，本发明提供包括一个或多个可操作的软件元件的计算机程序，当在执行环境下执行时，用以(i)根据反映出目标的身体的物理特征的身体测量结果来修改最优秀的动作数据模式，从而提供定制的个性化目标行为数据模式，所述最优秀的动作数据模式反映出与技能或任务的出众的动作相关的身体运动方式的特征，所述定制的个性化的目标行为数据模式反映出目标所完成的技能或任务的理想动作的身体运动方式的特征；(ii)捕捉目标在进行身体技能或任务时的视频数据；(iii)从捕捉到的视频数据中确定一组数据，该组数据反映出在进行技能或任务时目标身体运动特征；(iv)识别由源于视频数据的身体运动数据组所表示的身体运动，和由个性化的目标的动作数据模式所表示的身体运动之间的位置差；以及(v)量化任一被识别的位置差以提供当进行技能或任务时目标的身体运动方式与由个性化的目标动作数据模式所表示的身体运动方式之间的差异程度的定量分析，其中提供在完成技能或任务时的目标动作的定量分析。
本发明的上述和其他的优势及发明本身将在参考以下附图和详细的说明书和权利要求书之后，获得全面的理解。


附图1是用于解释说明本文中描述的发明的实施方案的过程和系统的全部的流程图；附图2是解释说明教学系统的组成部分，所述教学系统可能利用根据本发明的实施方案所产生的动作数据和动作模式；附图3是描述段趋势子程序的过程的流程图，用于调整学员的个性化的动作模式以将与体节长度有关的明显的运动趋势合并到模式中；附图4是描述执行者评估子程序的过程的流程图，用于产生对学员动作的分析；附图5是描述动作记录子程序的过程的流程图，为了记录学员的动作；
附图6是描述动作误差子程序的过程的流程图，用于识别学员在使用从动作记录子程序中产生的学员动作记录的误差；以及附图7是描述设备装配子程序的过程的流程图，用于产生设备在使用从动作记录子程序的过程中产生的学员的动作记录的定量分析。

发明内容
A.概述本发明的实施方案提供的系统和方法用于获得计算机所产生的动作数据和动作模式，所述的动作数据和动作模式用于测量和分析人体在进行身体技能或活动时的运动，和/或用于测量和分析在完成技能或活动时所涉及的工具或设备的运动。此外，本发明的实施方案提供身体技能或活动的教学系统和方法，所述系统和方法将计算机产生的动作数据和动作模式合并到用于教学技能或活动以及用于评定技能或活动中动作的改进和提高的处理中。本领域内的普通技术人员将会理解到本文的教导可以用于包括人类运动的更多的各种各样的身体技能或活动，例如，轨迹或田间活动、棒球投掷、棒球打击、网球服务以及任何运动或其他的身体活动或技能。出于解释本发明的教导的目的，本发明的系统和方法将在下文中结合高尔夫技能的动作来描述，特别是，针对高尔夫挥动。然而，人们将注意到本发明的范围并不仅仅限于本文所描述的运动。
术语“目标”、“执行者”和“学员”是指进行身体技能、任务或活动的人，而且所述术语交换使用。术语“教导员”是指具有技能的人，以观察和帮助纠正，或向目标传授在目标、执行者或学员进行身体技能、工作或活动时的动作和能力。
本发明的实施方案提供用于产生由计算机生成的学员在完成身体技能或活动时(例如，挥动高尔夫球杆)的个性化的行为模式的系统和方法。在优选的实施方案中，个性化的动作模式源于计算机生成的、标准化的优秀的或出众的行为模式，所述标准化的优秀的或出众的行为模式是从预先确定很多优秀的执行者(例如，PGA高尔夫职业运动员的挥动高尔夫球杆动作)的出众的动作中确定的。优秀的或出众的动作模式从每一个优秀的球员的运动方式中产生的。另外，最优秀的或出众的动作模式通过在最优秀的执行者的运动方式之间和在非优秀的执行者的运动方式之间的对比得到改进，以识别获得出众的结果的、最优秀的运动方式的明显趋势。
在优选的实施方案中，个性化的动作模式实质上是最优秀的或出众的动作模式，最优秀的或出众的动作模式已经被改变或适应于学员精确的说明，个性化的动作模式将与所述说明进行对比。最优秀的或出众的动作模式与学员的身体尺寸和维数相适应，以解释介于最优秀的或出众的动作模式和学员之间的身体差异。申请人已经发现某种轮廓体节准确地反映出学员身体特征，包括但不限于足尖、跟部、脚踝、膝盖、臀部、髂骨、肘部、肩部、腕关节、手部、耳朵、鼻子和椎骨部位。这些体节的大小和维数被合并到最优秀的或出众的动作模式，以为个别学员确定模式的大小或范围。个性化的动作模式从而提供表示出学员和他/她的技能或活动的理想或出众的动作的被个性化的模式。
计算机生成的最优秀的或出众的动作模式和个性化的动作模式是根据在申请人的在先申请(U.S.4,891,748和U.S.5,184,295)中公开的系统和处理过程产生的，所述在先申请将其全部利益作为参考并入本文，如果需要，可以向在先的申请咨询关于本发明的教导的优选的实施例的技术信息。本文公开的实施方案的系统和方法进一步调整个性化的动作模式，以解释最优秀的或出众的执行者所示范的身体运动方式中的趋势，所述趋势与包括在身体技能或活动中的体节的长度相关，并使最优秀的执行者获得出众的动作结果。
在美国专利第U.S.4,891,748和U.S.5,184,295号中公开的系统和处理过程产生了最优秀的或出众的动作模式，而且个性化的动作模式使用许多计算机软件程序，例如程序A、程序B、程序C、程序D和程序E。附加的软件程序包括数字程序和格式化程序。在美国专利第U.S.4,891,748和U.S.5,184,295号中详细讨论了程序，所以在此不再讨论。然而，出于考虑本文提供的教导的信息和连贯性的目的，下文将提供对每一个程序的简要概括的说明。
程序A为每一位优秀的运动员(例如，PGA高尔夫职业运动员)提供的三维运动方式在程序A中处理。将最优秀的运动员在完成技能或活动时所产生的三维运动方式的胶片或视频图像数字化。数字处理过程包括将从至少两个图像捕捉源中捕捉到的，执行者在完成技能动作时的四维运动方式(例如水平的，垂直的，侧面的和时间的)中包括的所有的体节定量化。如果技能包括设备、设备部件也包括在数字处理过程中。程序A为每一位最优秀的运动员产生个性化的模式，所述模式在胶片或视频文件中被捕捉到。。程序的输出被写入存储的文件中。
程序B程序B使用程序A的输出并将所有产生的个性化的模式平均，以产生最优秀的执行者的平均模式。所述平均模式包括最优秀的执行者在完成技能或活动时的平均运动方式。程序B输出包括平均模式的数据文件。
程序C程序C从程序B的输出数据文件中读取平均模式的数据，并将在程序A产生的每一个性化的模式的大小确定为程序B的平均模式。程序C产生包括被确定大小的最优秀的数据的输出文件。
程序D程序D结合被确定大小的个性化的模式，以产生平均的最优秀模式。然后，程序D识别最优秀的执行者为产生出众的动作而采用的特征。程序D也识别优秀的执行者所采用的特征或趋势，所述特征或趋势是非最优秀的执行者所缺少的。然后，被识别的特征被合并到平均模式中以产生出众的或最优秀的动作模式。
程序E程序E从程序D中获得出众的或最优秀的动作模式，并使之个性化为任何执行者或学员的身体尺寸。从下文中描述的数字化程序中产生的执行者或学员的体节定位尺寸数据被用于确定最优秀的或出众的动作模式的规模的尺寸，以使动作模式个性化为学员或执行者的身体尺寸，并从而产生执行者或学员的理想动作的个性化的动作模式。如果在活动中使用了任何设备，先前从程序A通过程序D产生的模式设备定位结果被合并到出众的或最优秀的动作模式中。
数字化程序数字化程序具有将学员身体的各点的关键部位数字化，并记录收集到的数据的性能，为了帮助学员从最优秀的或出众的动作模式中(从程序A到程序E产生的)建立的个性化的动作模式。两个摄像机被用于从正面的前面和侧面捕捉学员的视频图像。每一个视图被放置在与计算机相连的绘图显示器中，在所述计算机上安装有数字化程序。从摄像机的前面和侧面获得的学员的体点通过显示在绘图显示器中的视频图像来数字化。数字化程序使用记录文件或，如果没有使用记录文件，则从每一摄像机的角度产生使用记录因素的记录文件。考虑到产生记录的摄像机，记录因素可能包括平放的直径已知的物体，例如，码尺或多节记录因素。在学员的每一幅正面和侧面的视图中，记录因素在学员的视频图像中显示，然后，记录因素被数字化。记录的必要记录位置点被从视频图像的显示中数字化。点数通过DLT方法或90度摄像机补偿方法确定。在产生记录文件信息的同时，数据被读入计算机中并存储在文件中。记录因素的结果被输入，以提供尺寸数据来确定学员的结果为全部的记录。
学员位于正面的前面或侧面，视频摄像机处于允许所有的体点都被摄像机看到的最佳位置。学员的视频图像在绘制的显示器中显示。学员的关键体节点通过使用鼠标或键盘设备数字化，棍或轨道球与计算机的视频显示卡相连。显示数字化努力的绘制结果用于确保结果是可以接受的。如果点不被接受，则重复程序。学员的数字化的体点被存储在计算机中的数据文件中，以在上文提到的和本文描述的程序中使用。
标准化程序现有技术教导了使学员和模式的体节值标准化(匹配)的三种标准化程序。标准-1和标准-3使模式段的长度标准化为学员的模式段。标准-2使学员段的长度标准化为模式段。程序在建模过程中被使用，并安装程序以使学员和模式动作之间的结果相匹配。
参考附图1，一般来说，在某一方面，本发明的优选的实施方案提供的系统和程序用于调节从程序E和标准3中产生的学员个性化的动作模式，以改变或修改模式来解释最优秀的执行者所示范的、与体节长度相关的身体运动方式的明显趋势。本发明的优选的实施方案包括计算机软件，参考段趋势子程序100，所述计算机软件控制改变或修改个性化动作模式的过程，并将所述趋势合并到模型中。
进一步参考附图1，一般来说，在另一方面，本发明的优选的实施方案提供的系统和程序用于产生学员在完成身体技能或活动时的可以理解的、定量的基础动作分析。本发明的优选的实施方案包括计算机程序，参考执行者评估子程序200，所述计算机软件控制收集学员在完成技能或活动时的运动数据，以及将所述运动数据与对应的学员个性化的动作模式的信息进行比较的过程，所述学员的个性化的动作模式从美国4,891,748号和美国5,184,295号专利中公开的程序和从本文公开的段趋势子程序100中产生。另外，如果设备和工具被用于完成技能或活动，则执行者评估子程序200包括收集设备运动的数据和与学员运动数据同步产生的结果相关的其他设备，以及对比运动数据和其他设备的结果，以对应于学员个性化动作模式中的设备的信息。
执行者评估子程序200进一步包括三种子程序计算机程序，包括动作记录子程序300，所述动作记录子程序300计算学员的技能或活动中的动作的、定量的、统计基础的动作记录。动作记录子程序300将学员动作的动作数据与相对应的他/她的个性化动作模式的动作数据进行对比，并记录动作之间的差异。
其他的程序包括动作误差子程序400，所述动作误差子程序400识别统计到的学员在使用源于动作误差子程序400的记录中使用的动作中的明显的动作误差，以为评估学员的动作提供基础。另外，包括设备安装子程序500，对于在设备结果和动作数据的基础上的个性化的学员和他/她的动作，所述设备安装子程序500产生量化的设备安装。
段趋势子程序100，执行者评估子程序200，动作记录子程序300，动作误差子程序400和设备安装子程序500将在下文中结合附图3-7进一步进行描述。
个性化的动作模式提供量化的信息标准，被要求对比和分析学员相对于他/她的理想的或出众的模式动作的身体技能或活动，例如，高尔夫挥杆。本文描述的子程序通过将学员真实的动作与他/她的个性化动作模式进行对比，来量化学员的真实的高尔夫挥杆。处理的结果可能用于教学、动作评估和设备安装的目的。每一个处理都使用学员高尔夫挥杆的视频记录，该记录与学员的运动方式相关的非碰撞数据一并收集的。另外，与设备相关的测量结果，例如，在完成技能或活动时使用的高尔夫球杆和高尔夫球，被同步收集在实时的视频记录中，以提供与设备动作模式的结果相关的信息。从视频记录中，包括在高尔夫挥动中的学员的体节图像和设备段，例如挥动高尔夫球杆，通过在上文中描述的和下文中涉及的数字程序被量化。此后，每一个子程序计算分析，以提供动作记录和/或识别与学员真实的高尔夫挥杆相关的和被使用的设备的动作误差。
B.硬件说明参考附图2，在某些方面，本发明的优选的实施方案提供系统10，该系统10用于提供身体技能或活动的指令。系统的组成部分在附图2中在可操作的位置上显示并包括驱动平台26，所述平台26支持球座30，在球座30上高尔夫球28被定位，学员8手持高尔夫球杆32打击(碰撞)。数字视频摄像机14记录当学员8，他/她站在驱动平台26上时的位置的正面视图。摄像机14将数字图像发送到系统计算机20，以在硬件驱动存储设备18上捕捉。另一台视频摄像机12记录当学员8，他/她站在驱动平台26上时的侧面视图。摄像机12将数字图像发送到系统计算机20，以在硬件驱动存储设备16上捕捉。可以使用任何数量的摄像机和硬件设备，然而，申请人已经发现两台摄像机和两套硬件设备(或一个具有两个部分的设备)足以正确分析高尔夫挥杆。
将学员8的三维的身体位置数字化要求两台定位的视频摄像机，以提供必要的高度、宽度和深度的三维坐标。如果学员假设由两种定位——一个接着一个，那么可以使用一台摄像机。一旦学员8的身体和/或体节被数字化，那么只需要一台摄像机用于在线教学，或视频动作覆盖在美国4,891,748号和美国5,184,295号专利以及下文中的描述中公开的教学过程。单台的摄像机可能在指导员和学员所确定的任何需要的角度上定位，以看到教导监视器25。两台或更多的摄像机可能被用于提高教学过程。由于个性化的动作模式可以从任何视图中产生，视频摄像机12和14可以被放置在任何选择的位置上。
在本发明的优选的实施方案中使用的视频摄像机12和14被数字化切换到视频摄像机，以避免标准化的未切换到视频摄像机的问题，即，具有较长的曝光时间。过长的曝光时间产生的问题是对于学员8的任何快速运动，图案是模糊的。由高尔夫挥杆产生的快速运动要求视频摄像机能够捕捉在硬件存储设备16和18上的高速运动，而没有出现在标准的视频摄像机中出现的模糊问题。视频摄像机12和14以60张/秒的最小速率捕捉运动中的学员高尔夫挥杆。在本发明的优选的实施方案中使用的视频摄像机12和14是彩色的快门数字视频摄像机，例如由加拿大BC，Vancouver Point Gray Corporation生产的Flea模式。所述摄像机的快门以本领域内的公知技术提供至少1/500秒曝光时间。从快门视频摄像机12和14中产生的结果被分别输入到硬件存储设备16和18中。
硬件存储设备16和18的输出被输入到系统计算机20中，系统计算机20包括处理器20A和足以展示正面和侧面的结果记录之一或全部的视频显示器卡34。视频显示卡34从硬件驱动存储设备16和18之一中覆盖计算机生成的学员的理想的和出众的动作的个性化动作模式，在上文的描述中首先被确定，并存储在各自的硬件驱动存储设备16和18中。然后，视频显示卡34在附着在计算机20上的教导监视器25中显示结果。
计算机20与鼠标点击设备44接口，为移动指针提供必要的输入命令，用以在监控器25上将视频图像数字化。计算机20包括用于图像处理、图像数字化和以本领域内的普通技术人员所熟知的技术的显示图像的必要软件。出于数字化的目的，鼠标点击设备44也可能以本领域内的普通技术人员所熟知的方式通过键盘或棒，或轨道球来代替。
计算机20进一步包括必须的硬件和逻辑，该逻辑包括用于处理数据以确定计算机生成模式的记忆器。在本发明的优选的实施方案中使用的计算机是由日本东京的SONY公司制造的VIAOPCG-GRT390ZP。在优选的排列中，程序经过配置用于以适用于这样的计算机的语言来执行本发明的教导。
本领域内的普通技术人员将会理解其他的具有相同能力的可编程一般目的计算机可以代替VIAO PCG-GRT390ZP。而且其他的语言可能被使用在所述这样的用于编程的机器中。本文设置的程序是源自为写入操作系统为基础的微软窗口的Visual C++程序的机器编码语言，所述操作系统可从华盛顿Redmond的微软公司获得。
本发明的优选的实施方使用各种软件。所述软件包括具有将学员或执行者在完成技能或活动(例如，高尔夫挥杆)的过程中的真实动作的运动数字化的能力，并执行数字化数据与学员或执行者的个性化动作模式的一系列对比，以确定动作源、动作误差和设备安装。额外的程序具有在视频监视器上显示这些程序的结果的能力。SONY公司和微软公司提供各种类型的程序与商业上可获得的硬件。这些最新的程序是可执行的系统、诊断、利用、修改显示程序、统计程序和可以获得的并未在本文中描述的更高级的程序。正如上文所述，动作模式产生程序在美国4,891,748号和美国5,184,295号专利中解释。
计算机20提供图形卡34和图形卡34所使用的必需的数据，以产生动作模式的视频图像。图像卡34结合计算机20的输入并在教学监视器25上产生显示。产生的显示包括学员8的视频图像与覆盖在学员图像上的个性化动作模式。典型地，计算机20和教学监视器25靠近学员8定位，以致学员8可以容易看到他/她高尔夫挥杆。
C.操作和教学过程在附图2中显示的教学系统是用于教学和评估学员完成的技能或活动的，包括产生个性化的行为模式和教授学员使用将在下文中描述的在线和/或视频覆盖教学和评估程序。在教学开始之前，学员的个性化模式必须从最优秀的和出众的行为模式中产生。在下文中将提供关于产生个性化的行为模式的过程的简要说明。为了更加详细地描述过程，美国4,891,748号和美国5,184,295号专利的公开内容将被参考。
简要来说，产生个性化行为模式开始于将学员8的三维体位输入计算机20。通过使用两台视频摄像机12和14，学员8的视频图像被提供以捕捉学员8的正面视图和侧面视图，并提供高度、长度和深度的必要的三维坐标。学员8站在摄像机12和14的前面，以致所有的体节被看到并被记录。学员8的正面和侧面视图被同时记录在硬件驱动存储设备16和18中。每一个图像都存储在硬件驱动存储设备16和18中用于同步的或稍后的处理。
对每一视图，学员动作的视频图像通过绘图版34回放。使用计算机20的数字化功能和绘图版34，学员8的身体和设备定位被数字化和存储，以用于计算机处理。以这种方式可以获得学员的三维数字方式。
代替学员体节的直接测量，所述信息可以从已知的由学员提供的测量数据中确定，例如身高、体重、鞋的尺码、裤(长裤)、腰围、外套的尺码、衬衫袖子的长度和手套的尺码。
在学员的体节信息被确定之后，三维的个性化的动作模式从最优秀的或出众的动作模式中，通过改变最优秀的或出众的动作模式与学员的真实的身体尺寸相匹配来计算。另外，由于学员的体节和出众的动作模式之间的差异所产生的学员8的所有的运动变化或调节被考虑，并包括在个性化的动作模式中。在个性化的动作模式产生之后，在线的和/或视频动作覆盖的教学和评估过程就可以开始了。
在线教学过程在线教学过程允许学员将他/她的位置或运动方式与他/她的个性化的动作模式(覆盖他/她的真实的动作的视频图像)进行比较，以显示真实的动作和模式的动作之间的异同。在固定的位置(例如，在高尔夫的起始或开始的位置)使用在线教学过程，在所述位置教员可以识别个性化的动作模式和学员之间的差异，并做出即时变化。对于学员的位置而言，是当移动或完成身体技能或活动时可以达到的位置，学员可以站在固定的位置上以示范定位体验，或在教员观看监视器时，学员可以完成活动，在所述监视器中个性化的动作模式被显示在学员的真实动作的视频图像上，以确定选择的位置是否可以达到。在任何时间，在教学位置产生的视频图像可以转换为其他的视图，或者多层视图，与被个性化的动作模式同时转换为纠正的位置。另外的优势是，在高尔夫的教学会议上可以立即得到检查。如果运动方式发生太快，或教学会议将被保留，来自计算机的视频结果可以被存储在用于即时浏览的硬件驱动存储设备中。在线教学在美国第4,891,748和美国5,184,295号专利中有更加详细的解释。
视频覆盖动作教学过程视频覆盖动作教学包括产生学员的动作的视频记录的硬件拷贝，当学员名义上将试图完成身体技能或活动时，作为他/她的个性化动作模式成阶层地覆盖学员动作的视频图像。举例来说，在高尔夫中，过程包括当学员在他/她试图击中球时(例如，目标)，视频记录的学员正常的高尔夫挥动。记录学员的个性化动作模式覆盖在学员的视频图像上，为学员将他/她的挥动与他/她的动作模式挥动进行比较。然后，比较结果被发送到临时存储设备以允许教员和/或学员随后浏览该比较结果。存储设备可以包括，但不限于本地或以互联网为基础的计算机、记录设备、例如DVD，CD或视频磁带或其他类似设备。视频覆盖动作教学过程在美国第4,891,748和美国5,184,295号专利中有更加详细的解释。
D.软件说明参考附图3，提供的流程图描述了作为用于产生学员的个性化的动作模式的段趋势子程序的过程100，由于学员体节的尺码和维数所施加的动作限制，过程100被调整或修改。趋势值被合并到使用段趋势子程序100的个性化的动作模式中，以产生学员理想的、更多完整的和精确的个性化的动作模式，或身体技能或活动的、出众的动作模式，由于体节长度的差异，所述段趋势与明显的身体运动调节或优秀的执行者所示范的运动方式相关。从段趋势子程序100中产生的个性化的动作模式可以在上述教学之一或全部中使用。
举例来说，在高尔夫中，根据段趋势子程序100所作的个性化的动作模式的改变或修改，由于个人的体节的差异和所述体节之间复杂的相互运动，考虑到PGA高尔夫职业运动员中示范的显著的明显身体运动趋势。申请人已经识别的明显的身体运动趋表示那些身体运动的调节或变化和最优秀的执行者示范的运动方式与体节的长度有关，并向获得出众的结果而运动。身体运动和运动方式的趋势分析认为大部分的体节包括，但不限于手部、前肢、上肢，肩部、上躯、下身、臀部、大腿、小腿和足部。另外，体节的结合部位包括，例如，考虑到与体节长度有关的运动趋势，整个手臂、身躯或腿部被分析。表示所述身体运动趋势的动作数据相对于精确的运动结果产生，并被合并到最优秀的或出众的动作模式中，通过使用段趋势子程序100从上文中描述的程序-E和标准-3中产生。
因此，体节趋势途径源于最优秀的或出众的动作模式，学员理想的或出众的动作的个性化动作模式用于解释由于学员体节长度的动作变化和/或限制。对于高尔夫挥动，例如，体节趋势途径用于解释高尔夫球杆的顶部的路径差异，是学员身高差异的结果。举例来说，申请人注意到从学员的后视图，并向下俯瞰目标直线的体节趋势分析来看，当学员身高变矮时，球杆的顶部的路径相对自然平滑并沿着级别轴线。另外，所述体节趋势分析表明当学员的高度变高时，球杆的顶部路径相对于更加向上并沿着垂直轴线。
在另一个实施例中，申请人已经从体节趋势分析中发现高尔夫球杆的回挥长度的差异是个性化体节的差异的结果。从学员挥动高尔夫球杆的正面的或对面视图中得到的分析表明身高较矮的学员的回挥具有相对长的距离，而身高较高的学员的回挥具有相对短的距离。
下面将结合参考附图3更进一步描述段趋势子程序过程100，然而，段趋势子程序过程100是可以效仿的但并不限于此。所述过程100可以被改变，例如，增加、减少或重新排列方框。
正如附图3所示，过程100开始于方框101，计算机20读入或下载相对于最优秀的或出众的执行者的体节长度的运动方式趋势的方程式。用于身体运动方式的趋势方程式源于统计的、基于优秀或出众的执行者的总数趋势分析，例如，预先确定数量的PGA高尔夫职业运动员，他们的动作被用于产生最优秀的或出众的动作模式。一般的方程式表示与体节长度相关的身体运动趋势，包括SMVT=SMVC+Σi=1n(pmti*SSRC)]]>其中，SMVT＝适用运动趋势之后的学员运动结果；SMVC＝在适用运动趋势之前的学员的当前运动结果；i＝被处理的运动趋势的分量；n＝运动趋势的数量；pmti＝动作的运动趋势常量；以及SSRC＝源于学员的体节长度和最优秀的动作模式中的体节长度之间的差异所产生的学员段结果；举例来说，使用上述方程式，如果运动趋势包括在挥杆的顶部的高尔夫球员的右手的最近的定位，当包括身体高度、最新的定位或学员运动结果(SMVT)时，将通过启动当前的侧面定位或当前的学员运动结果(SMVC)被确定，然后，增加由包括在运动趋势中的(SSRC)的所有体节所施加的侧面变化，乘以运动趋势常量(pmti)，有利于包括在内的体节到侧面转换。运动趋势常量(pmti)使用统计的、源于最优秀的或出众的趋势动作(例如PGA高尔夫职业运动员)的还原分析来确定。
因此，对于身高低于平均高度的高尔夫运动员来说，在增加由较矮的高尔夫球员和最优秀的或出众的动作模式之间的段长度差异所施加的趋势变化之后，右手将转移确定的侧面距离(总是来自球)。右手的侧面转移是已知的、与高尔夫挥动的趋势相关的高度之一。
运动结果可以具有任何动作的特性，例如，体节速度，或动作的各个方面的结合，例如，线性的或角度的位移、速度或加速度值的结合。另外，运动结果可能包括学员的体节或其结合。运动趋势的组成被处理i)可能包括，举例来说，包括在运动趋势的体节。
在方框102中，问号表示询问工具或设备，例如高尔夫球杆，是否包括或被要求用于完成活动或技能，例如，挥动高尔夫球杆。
如对于方框102中的问号的答案是肯定的，程序100进行到方框103中，在完成个性化动作模式的过程中使用的工具或设备的初始位置在动作的过程中被保存在计算机，以确保工具或设备的位置指令在模式依据所述子程序被改变之后能够返回到模式的动作中。
如果对于方框102中的问号的答案是否定的，程序100进行到方框106。
在方框104中，个性化动作模式的任何体节的初始位置接触到完成技能或活动的过程中的设备或工具部分，所述初始位置在模式的动作的过程中被存储在计算机中，以确保模式被更改以后执行者-设备之间的界面被适当地重新放置在模式的动作中。
在方框105中，计算机20为设备读入或下载用于全部最优秀的执行者段长度相关的趋势方程式。设备的趋势方程式来源于最优秀的或出众的执行者的总数的统计趋势分析，例如，预先确定数量的PGA高尔夫职业运动员，来确定由于设备段长度的运动趋势。可能表示设备运动趋势的一般的方程式与设备段长度有关，包括SEVT=SEVC+Σi=1n(pmti*SSRC)]]>SEVT＝运动趋势被应用之后的设备运动结果；SEVC＝在使用设备运动之前的当前设备运动结果；i＝被处理的运动趋势的部分；n＝运动趋势的数量；pmti＝动作运动趋势常量；以及SSRC＝源于学员的体节长度和最优秀的动作模式中的体节长度之间的差异所产生的学员段结果；举例来说，使用上述方程式，如果设备动作趋势包括挥动的顶部视图中的高尔夫球员的球杆的端部的水平定位，当与身体高度有关时，新的水平位置(SEVT)通过启动当前的水平位置(SEVC)确定，然后增加水平变化，所述水平变化是由所有的包括乘以运动趋势常量(pmti)的趋势(SSRC)的体节所施加的，有利于将被包括的体节的水平转换。正如上文所述，运动趋势常量(pmti)通过统计的还原分析来确定，所述还原分析源于最优秀的或出众的趋势动作，例如，PGA高尔夫职业运动员的。
因此，对于身高低于平均高度的高尔夫运动员来说，在增加由较矮的高尔夫运动员的段长度与标准的动作模式之间的差异所施加的趋势变化之后，球杆的端部将转换确定的水平距离(朝向目标-较长的挥动)，所述水平距离是已知的与高尔夫运动结果可能是动作的多个方面，所述设备段的速度，或动作的各个方面的结合，例如，线性的或角度位移、速度或加速度的结合。另外，运动结果包括任何设备段，或其结合。运动趋势的组成部分被处理i)可能包括，举例来说，每一个包括运动趋势的设备段。
为了使最后被调节的模式或由子程序产生的、学员的最后的个性化的动作模式，能够返回到初始的启动参考位置，模式的动作的初始的左脚位置被保存在方框106的计算机中。为了确保用于趋势方程式中的、初始的动作值是可以获得的，在方框107，初始的模式动作位置在动作过程中被存储在计算机中。
由于全部的趋势方程式输入到计算机20中是建立在学员的体节长度和工具或设备的部分段长度的基础上的，所有固定的学员身体和固定的工具/设备段长度被计算在方框108中的学员的动作视频记录的所有的框架上。另外，所有的可移动的学员身体和可移动的设备/工具的段长度被计算在方框109中的学员的动作视频磁带的框架上。如果学员体节结果是可以从体节的数字化过程中获得的(上文中的描述和美国第4,891,748号和美国5,184,295号专利中)，那么计算的体节结果与数字化的值进行比较以证实结果。如果体节数据从其他的输入中获得，例如，鞋子的尺码，长裤的长度等等的测量结果，那么计算的体节值被专有使用。
为启动学员的个性化动作模式的变化，在方框110，子程序过程100初始化或校零框架计数器。在方框110’，计算机20读入或下载较低的身体运动趋势所使用的方程式。
举例来说，影响高尔夫球员的水平的右足尖的位置(姿态幅度)的学员身体的幅度趋势可能通过总和某些或全部的较低的体节的幅度变化分布来计算，例如足部、小腿、大腿、臀部或髂骨。然后，这些变化被加入到当前的模式位置以合并到趋势中。
在步骤111，所有较低的体节的位置被调整，以合并到较低的身体运动趋势中。在上面的实施例中，如果右足尖转移，附加的体节必须也被移动，将它们置于在相对的位置，相对于足尖，这样的体节被占用在转移发生之前。
在方框112，问号表示询问附加的较低的身体运动趋势是否被合并到模式中，以调整被包括的较低的体节的位置。如果对于问号的答案是肯定的，在方框110’，计算机20读入用于较低身体运动趋势的方程式，并在方框111进一步调整模式中每一个被包括的较低的体节的位置，直到每一个较低的身体运动趋势被合并到模式中。在上文中的实施例，在水平位置被调整之后，任何其他的、影响足尖的运动趋势的趋势被合并。一旦合并完成，全部的其他较低的体节部分被处理。
如果对于方框112中的问号的答案是否定的，程序100进行到方框113，在下文中描述。
为了确保被调整的动作模式的左脚位置与原来的左脚位置匹配，在方框113，较短的体节被重新定位，或转移以与初始的左脚位置向匹配。如果学员的较短的体节长度与典型的、优秀的执行者的体节长度区别很大，转移的距离可能被加到足够大，以减少通过趋势调整所获得的改进。
在方框114，动作模式的上部体节位置被调整或转移，以再次定位每一个被包括的、与新的较低的体节位置相关的上部体节。举例来说，如果在向下挥动高尔夫球杆的过程中，两块髂骨向前移动大约两英寸，那么在所述的运动过程中，当上身被再次定位到新的较低的身体位置时，所有的上部体节会自动向前移动两英寸。
在方框115，计算机20读入或下载用于上身运动趋势的方程式。举例来说，在挥动的顶部视图中，影响水平的左肩位置的学员身体幅度趋势，影响高尔夫球员的肩部转动，可以通过总和有利于某些或全部的较低的体节的幅度变化来计算，例如，足部、小腿、大腿、臀部或髂骨，以及某些或全部上部体节，例如，垂直部位，肩部、颈部或头部。然后，这些变化被加入到当前的模式位置，以合并到趋势中。
在方框116，所有上部体节的位置被调节，以合并上部身体运动趋势。在上述的实施例中，如果左肩转动，附加的体节必须也移动到相对的位置，至于肩部，在转移之前占据。
在方框117中，问号表示询问附加的上身的运动趋势是否被合并到模式中，以调节被包括的上部体节的位置。如果对于问号的答案是肯定的，过程100进行到方框115并读入用于附加的上身运动趋势的方程式。在方框116，进一步调整以确定模式中的每一个上身体节的位置，直到每一个附加的上身运动趋势被合并到模式中。在上述的实施例中，在肩部的水平位置被调整之后，任何其他的、会影响肩部的运动的趋势被合并。一旦合并完成，所有的其他上部体节组成部分被处理。
如果对于方框117中的问号的答案是否定的，程序100进行到方框118，在下文中描述。
在方框118，个性化动作模式的手臂的位置相对于新的肩部位置被调整，以合并到上身的运动趋势中。举例来说，在回挥高尔夫球杆的过程中，如果两个肩部的点被旋转额外的角度10度，那么所有的手臂段自动转移到新的肩部位置。
在方框119，计算机20读入或下载用于手臂运动趋势的方程式。举例来说，影响当高尔夫球员的击球的水平左手位置的学员体节长度趋势，可以通过总和有利于某些或全部的较低体节长度变化来计算，例如足部、小腿、大腿、臀部或髂骨，以及某些或全部上部体节，例如垂直部位，肩部、颈部或头部，以及某些或全部的手臂部分，例如上肢、下肢或手部。然后，这些变化被加入到当前的模式位置，以合并到趋势中。
在方框120，个性化动作模式的手臂段的位置被调整以合并手臂运动趋势。在上述的实施例中，如果左手转移，那么附加的体节必须也被移动到同样的相对位置，至于手，在转移发生之前被占据。
在方框121中，问号表示询问附加的手臂运动趋势是否被合并到模式中，以调整所有被包括的手臂段。如果答案是肯定的，程序100分别进行到方框119和方框120，并读入用于手臂运动趋势的方程式，并调整每一个被包括的模式的手臂段，直到每一个附加的手臂运动趋势被合并到模式中。在上述的实施例中，在左手水平位置被调整之后，任何其他的、会影响手的运动的趋势被合并。一旦合并完成，所有的其他手臂段运动组成部分被处理。
如果对于方框121中的问号的答案是否定的，程序100进行到方框122中，在下文中描述。
在方框122，问号表示询问在完成活动或技能时是否包括设备或工具。如果对于问号的答案是肯定的，程序100进行到方框123。如果对如问号的答案是否定的，程序100进行到方框127。
在方框123，被包括的在完成技能或活动使用的设备或工具的某个段的位置被调整，或转移以与任何新的或变化的每一个较低和/或上身体节的位置相匹配，以确保个性化的动作模式中的执行者-设备的界面被保持。举例来说，如果程序100转移侧面转移动作模式的手部1英寸，那么设备的相应位置必须也要转移大约相同的数量，来将设备的后部放置在动作模式的手部(位置)，以存储执行者-设备的界面。
在方框124，计算机20读入或下载用于设备或工具的趋势的方程式。举例来说，学员体节长度趋势影响球杆转移的角度位置，例如，球杆的底部，在高尔夫球员击中球时，可能通过总和有利于部分或全部的较低体节的长度变化来计算，例如足部、小腿、大腿、臀部或髂骨，以及某些或全部上部体节，例如垂直部位，肩部、颈部或头部，以及某些或全部的手臂部分，例如上肢、下肢后手部。然后，这些变化被加入到当前的模式位置，以合并到趋势中。
在方框125，被包括的设备或工具的段位置被调整，以合并到方框125的设备运动趋势中。在上述的实施例中，如果球杆转换位置，附加的部分必须被移动以放置在相同的相对位置，至于手部，在转移发生之前占据。
在方框126，问号表示询问附加的设备趋势是否被合并到模式中，以调整被包括的设备或工具的位置。如果对于问号的答案是肯定的，程序100进行到方框124并读入用于等同趋势的方程。
在方框125，调整被包括的设备或工具部分的位置，直到每一个附加的设备趋势被合并到模式中。在上文中描述的实施例，在球杆转移角度位置被调整之后，任何其他的、影响转移运动的趋势被合并。一旦合并完成，所有的其他的设备组成部分被处理。
如果对于方框126中的问号的答案是否定的，程序100进行到方框127，下文中描述。
在方框127，与设备接触的学员体节的位置被调整或转移，以重新定位每一个段来调整每一个设备段的新的或变化的位置。所述调整可能导致对附加的体节的进一步的调节，所述调节被与设备接触的体节直接影响。举例来说，球杆被转移，附加的段必须也要移动，以放置在相同的相对位置，至于球杆，在转移发生之前占据。
在方框128，问号表示询问是否所有的框架完成了。如果答案是肯定的，动作的运动被完成，例如，高尔夫挥动，而且程序100进行到方框130。如果答案是否定的，程序100进行到方框129。
在方框129，框架计数器被增加，而且调整动作模式运动的下一框架的程序100开始启动。
在方框130，程序100激发子程序标准-1程序开始。子程序标准-1程序进行再格式体节和工具/设备段位置数据来匹配模式本身的平均的体节尺码。在整个动作期间，程序实质上使用作为引导的、最优秀的或出众的动作模式标准化段长度将个性化的动作模式的段长度标准化。这将消除在整个程序100的趋势的过程中发生的任何段位置误差。
程序100可能返回主程序。
参考如图4，提供的流程图描述程序200，所述程序200作为用于产生以学员完成技能或活动的动作分析为基础的可以理解的、可以量化的量化执行者评估。程序200包括收集学员在完成技能或活动时的运动数据，并将这些运动数据与相应的学员个性化动作模式的信息进行对比，所述信息从在美国第4,891,748和美国5,184,295号专利中和段趋势子程序过程100中公开的程序E和标准-3中产生。另外，如果设备或工具被用于完成技能或活动，程序200包括收集设备的运动数据和其他的与学员的运动数据同时产生的、与设备相关的结果。程序200包括收集学员在完成技能或活动的过程的视频记录和量化动作。
程序200进一步包括三个子程序，每一个子程序将在下文中结合附图5-7进行描述，包括动作记录子程序程序300，该动作记录子程序程序300用于计算以学员的动作技能或活动的动作记录为基础的量化、统计；动作误差子程序过程400，其用于识别在学员的动作中的统计的明显的行为误差；和设备安装子程序过程500，其用于产生量化的，基于安装到个别学员和他/她的动作的设备上的研究。
量化执行者评估过程200将在下文中描述，然而，量化执行者评估过程200是可以效仿的而不是限制。程序200可以通过加入方框、减少方框或重排方框进行改变。
在方框201，程序200开始，并捕捉和记录学员的技能或活动的动作，例如，高尔夫挥动或其他的运动，使用至少两个视频摄像机，举例来说，在上文中描述的视频摄像机12和14。至于高尔夫球杆的挥动，当他/她站在驱动平台26上时，第一视频摄像机14记录学员8的正面视图。正如上文中的讨论，第一视频摄像机14与系统计算机20连接，用于将视频记录存储在硬件驱动存储设备16中。第二视频摄像机12记录学员8的侧面视图，并且也是与计算机20相连接的，用于将视频记录存储在硬件驱动存储设备18中。
在方框202，问号表示询问在技能或活动中是否包括设备。如果对于问号的答案是肯定的，程序200进行到方框203。如果答案是否定的，程序200进行到方框211。
在方框203，问号表示询问在技能或活动中是否发生碰撞，碰撞可能包括学员8接触到驱动平台26或地面，他/她的自身的身体部分或设备的部分，或者他/她的身体部分或设备的部分碰到其他的物体。如果对于问号的答案是肯定，程序200进行到方框204。如果答案是否定，程序200进行到方框211。
在方框204，问号表示询问在完成动作或技能的过程中，学员8，或他/她的设备是否与地面或驱动平台26接触。如果对于问号的答案是肯定，程序200进行到方框205。如果答案是否定，程序200进行到方框206。
在方框205，地面接触信息的数据集在完成技能或活动的过程中，通过使用本领域内所公知的设备和方法被收集，例如，强化平台收集技术。举例来说，商业上可获得的强化平台或平面，学员8可能站在上面，包括由瑞士温特图尔的Kistler公司制造的Kistler强化平台。所述技术包括在完成技能或活动时，确定学员8下面的强化平台或平面的位置。平台或平面和/或其他的相关设备和记录和/或测量的方法，测量这样的触信息，如地面压力、力矩和施加力的位置。地面压力由学员8在地面上扩展的包括线性垂直、侧面的或水平力，有利于改变他/她自身的直线运动，他/她的设备和/或其他的外部物体。力矩包括由学员在地面上发挥的角度的力，影响到改变他/她自身的旋转运动，他/她的设备和/或外部物体。施加力的位置包括施加力的点。举例来说，当学员用足尖站在地面上，线性或角度的力立即被施加到地面上，在足尖接触地面的地方，施加力的点被确定。地面接触信息可能是出于许多原因的负载，包括但不限于高尔夫球鞋的选择和伤害的评估。
在方框206的问号表示询问在完成技能或活动期间，设备或工具是否附着在学员身上。如果对于问号的答案是肯定的，程序200进行到方框207。如果答案是否定，程序200进行到方框208。
在方框207，如果在完成技能或活动时，设备或工具被附着在学员身上动作数据可能通过使用可适用的设备和方法被收集。举例来说，如果附加的设备是高尔夫球杆，本领域内公知的设备和方法，例如，压迫/拉伸收集技术，可能被附加到高尔夫球杆的转移中，以收集包括线性的或角度的位移数据和线性的和角度的力数据的数据集。所述技术测量学员8所施加的设备与力是如何反应的，可以推动(重压)和拉动(拉伸)设备。在完成技能或活动的过程中，设备中的力的结果弯曲和旋转。设备弯曲导致线性运动，而设备转动产生角度运动。举例来说，这样的技术包括Kistler压迫/拉伸测量设备，由瑞士温特图尔的Kistler公司制造。在完成技能或活动的过程中，这样的数据被收集。举例来说，如果高尔夫球杆的某种转动的完成是负载，在下文中将描述的利用设备安装子程序500和高尔夫来确定最好的高尔夫球杆的转移。在学员挥杆时，附加在高尔夫球杆上的压迫/拉伸收集技术可能收集某种数据，例如转移弯曲和旋转。
在很多的实施例中，附加在学员上的设备的特定部分的线性的和角度的运动数据是需要的。举例来说，碰撞可能包括工具、例如，高尔夫球杆(附加的设备)，用于击中其他的物体，例如，高尔夫球(未附加的设备)。高尔夫球杆的头球的相互作用可能是负载，以为特定的学员确定最有效的球杆头部。碰撞或高尔夫球杆头球的相互作用和这样碰撞的结果可以通过各种收集设备和方法被记录和测量，在本领域内已知的，例如，发射监控器技术。举例来说，这样的技术包括由北卡罗莱纳州的Winston-Salem的AccuSport公司制造的无线发射监视器。使用这样的技术记录和测量球杆的碰撞特征，例如，但不限于，球杆顶部在三维空间中的碰撞的速度(速率)，球杆沿着两个轴旋转。另外，其他的用于记录和测量球杆的头球的碰撞的设备和方法，以及包括于其中的这样的碰撞结果，但不限于，激光、摄影、光电和压力设备和方法。
如果对于方框206的问号的答案是肯定的，在完成技能或活动期间，高尔夫球杆头球碰撞的几组数据集在方框207中收集，包括在此提到的，以及从这些基础数据中确定的其他结果，例如，有效的高弧线和正面碰撞位置。不考虑用于收集和测量碰撞特征的设备和/或方法，碰撞结果包括以下测量1)附加工具的位置和速度，例如，包括在三维中的高尔夫球杆；2)在三维中的工具的角度位移和旋转位移。然后，程序207进行到方框208。
在方框208中，问号表示询问在完成技能或活动的过程中是否使用未附加的设备。如果对于问号的答案是肯定的，程序200进行到方框209和方框210，如果答案是否定的，程序200进行到方框211。
在方框209，如果未附加的设备被使用，在收集技术领域内公知的、作为高速位置收集技术的装置和/或方法可以收集高尔夫球的动作结果的数据集。举例来说，碰撞可能包括工具，例如，高尔夫球杆(附加的设备)，用于碰撞其他的物体，例如，高尔夫球(未附加的设备)。高尔夫球杆的头球的相互作用可能是负载，以为特定的学员确定最有效的高尔夫球。正如上文中的讨论，碰撞或高尔夫球杆的相互作用和这样的碰撞的结果可以通过发射监视器设备和方法进行记录和测量。发射监视器和方法记录和测量高尔夫球的碰撞特征，包括但不限于，球在三维空间中的速度和球沿着两个轴向的旋转。
如果对于方框208中的问号的答案是肯定的，在方框209，收集在完成技能或活动中的高尔夫球杆头球碰撞的几组数据集，包括在此提到的那些，以及其他的从这些数据中确定的结果，包括但不限于，球的发射角度、飞行时间、和球的高度和水平的和侧面的气流以及地面距离。不考虑用于收集和测量碰撞的设备和/或方法，碰撞结果将包括测量(1)未附加的工具的位置和速度，例如，包括在三维空间中的高尔夫球杆；和(2)包括在三维空间中的工具的角度位置和旋转。然后，程序200进行到方框210。
在方框210，高速定位的收集技术可以收集动作结果的数据集，包括角度位移数据和角度速度和高尔夫球的加速度数据。
根据完成技能或活动的动作的结论，在方框211，记录的视频动作被确定在行为开始时的位置。
在方框212，第一和第二视频记录器通过视频解码装置22回放视频图像，以在唯一的显示监视器25中以幻灯片的形式显示学员的第一或正面位置和学员的侧面位置。
在方框213，框架计数器被初始化或校零。
在方框214，学员动作中他/她的高尔夫挥动的视频记录被量化。通过前面的摄像机视线和侧面的摄像机视线收集包括在高尔夫挥动中的学员的体节位置，所述视线将视频图像中关键身体关节或关节点数字化。在附图1中显示并在上文中描述的计算机20的数字化能力被用于在即时的或滞后的计算机处理学员的体节位置的过程中数字化和存储。数字化处理过程既可采用直接的线性传递方法，也可以采用90度摄像机补偿方法，正如在美国第4,891,748和美国5,184,295号专利中的解释。
在方框215，问号表示询问是否包括设备。如果对应问号的答案是肯定的，程序200进行到方框216。如果答案是否定的，程序200进行到方框225。
在方框216，收集设备或工具的位置，这是通过将从每一幅前面和侧面的摄像机视图中获得的关键的设备点位置进行数字化来实现的。数字化程序可能采用上文中所述的其他方法。
在方框217中，问号表示询问在技能或活动中是否包括碰撞。如果答案是肯定，程序200进行到方框218，如果答案是否定，程序进行到方框225。
在方框218，问号表示询问技能或活动中是否包括地面接触。如果答案是肯定，程序200进行到方框219，如果答案是否定，程序进行到方框225。
在方框219，先前收集的接触信息包括与地面的力，力矩和施加力的位置相关的数据，所述数据从计算机20中的硬件驱动存储设备16和18之一或两者中被取回，在上文中描述的数据收集处理过程中，这样的信息被存储。举例来说，如果学员用他/她的脚挤压地面，计算机20将取回与线性和角度的力和接触点有关的数据。
在方框220，问号表示询问设备或工具是否附加到学员。如果答案是肯定，程序200进行到方框221，如果答案是否定的，程序进行到方框222。
在方框221，如果设备或工具附加在学员，先前收集的角度和线性位移和力的数据被从计算机20的硬件驱动存储设备16或18中取回，在上文中描述的数据收集处理过程中，所述数据被存储。所以，如果学员8使用高尔夫球杆击中球，计算机20将取回球杆的顶部的线性和角度的运动结果。
在方框222，问号表示询问设备或工具是否没有附加到学员。如果答案是肯定，程序200进行到方框223和方框224，如果答案是否定的，程序200进行到方框225。
在方框223，如果设备或工具没有附加到学员，程序200将线性位移、速度和加速度信息附加到设备段的每一个收集位置。
在方框224，计算机20从硬件驱动存储设备16或18中取回角度位移、速度和加速度数据，所述数据在上文中描述的数据收集处理过程中存储在硬件驱动存储设备16或18中。举例来说，如果高尔夫球被碰撞，计算机20将取回球的动作的线性的和角度运动结果。
在方框225，问号表示询问是否学员的动作(视频记录)完成(结束)。如果答案是肯定的，程序200进行到方框228。如果答案是否定的，程序200进行到方框226。
在方框226，如果动作(视频记录)没有完成，视频显示先于下一关键的视频位置，在方框227，框架计数器被增加。在方框214，数字化处理被重复开始。
在方框228，如果动作(视频记录)完成，动作记录子程序300可以被用于记录学员在他/她整个技能或活动完成的过程中完成技能或活动的动作。
在方框229，问号表示询问动作误差是否被计算。如果答案是肯定的，程序200进行到方框230。如果答案是否定的，程序200进行到方框231。
在方框230，动作误差子程序400可以被使用，而且动作误差通过记录设备来计算，所述记录设备在动作记录子程序300中使用。
在方框231，问号表示询问技能或活动中是否包括设备或工具。如果答案是肯定的，程序200进行到方框232。如果答案是否定的，程序200进行到方框234。
在方框232，问号表示询问学员是否需要设备安装。如果答案是肯定的，程序200进行到方框232，如果答案是否定的，程序200进行到方框234。
在方框233，设备安装子程序处理500可能被启用并完成。
在方框234，通过程序200产生的学员分析数据被存储在以备后用的计算机中。
在方框235中，问号表示询问在技能或活动中是否包括设备。如果答案是肯定的，程序200进行到方框236，在此通过程序200产生的设备分析数据存储在以备后用的计算机中，以及程序200终止。
如果对于方框235中的问号的答案是否定的，程序200终止。
参考附图5，提供的是描述的程序300的流程图，作为动作记录子程序编程，产生学员动作的技能或活动的可理解的、定量化的基础记录分析，例如，高尔夫挥杆。程序300包括完成学员在进行技能或活动时收集的动作数据和相应的学员的个性化动作模式的结果之间的统计对比。特别是，程序300包括自动统计的基础记录方法，所述方法将进行技能或活动的学员的动作结果或数值与他/她的个性化动作模式进行比较，从而产生在此对比基础上的罚分。从程序300中产生的罚分被定量测量，提供可靠的关于他/她的模式动作的学员动作的评估。罚分可以用作标识或评估工具，以确定对于学员个性化动作模式的学员动作的固有水平，以及目标在他/她的技能或活动中的动作是如何改进的。另外，罚分可以用于测量或评估工具，以从形式上评定不同的学员之间的技能或活动的动作。
下文中描述的动作记录子程序处理300是可以效仿的，但不是限制。程序300可以通过增加、减少或重排“方框”进行改变。
在方框301，程序300开始，系统计算机20读入或下载学员的个性化动作模式，从根据美国第4,891,748号和美国5,184,295号专利，以及根据本文公开的程序100中公开的系统和方法产生的他/她的理想的或出众的技能或活动的动作，并作为段趋势子程序被涉及。
在方框302，计算机20读入或下载对应于个性化动作模式数据的统计的标准偏差。这样的标准偏差是从所有的最优秀的职业运动员的身体运动结果平均值，被用于产生个性化动作模式。这样的标准偏差作为平均值使用，借助其可以判断学员的真实动作。举例来说，当球在挥动的过程中被击时，如果学员的手部位置是已知的，这样的位置与已知的学员个性化的动作模式的手部位置对比。学员真实的手部位置和模式的位置之间的偏差程度可以通过对比身体运动结果的标准偏差之间的差异来确定。如果真实的和模式中的手部位置的差异是3英尺，而且标准偏差是1英尺，那么主要的问题就被指出。
在方框303，问号表示询问在个性化的动作模式完成技能或活动的过程中是否包括设备。如果对于问号的答案是肯定的，程序300进行到方框304。如果答案是否定的，程序进行到方框316。
在方框304，如果在学员的动作中包括设备或工具，计算机20读入或下载从学员的个性化模式中产生的设备结果。
在方框305，计算机20读入或下载对应于设备数据的统计标准偏差。这样的标准偏差源于最优秀的职业运动员的所有设备运动结果的平均值，被用于产生个性化的动作模式。这样的标准偏差作为平均值，借此可以判断学员的设备动作。举例来说，如果在学员真实的高尔夫挥动的过程中，球杆头部的速度是15mph，比学员的个性化的动作模式中的速度慢，而且这种设备运动结果的标准偏差是2mph，指出主要的弱点。
在方框306，问号表示询问学员在完成技能或活动的过程中的动作是否包括碰撞。如果对于问号的答案是肯定的，那么程序300进行到方框307，而且三组附加的动作数据将输入计算机20中，包括地面接触数据、附加的设备数据和没有附加的设备数据。如果答案是否定的，程序300进行到方框316。
在方框307，问号表示询问在学员的技能或活动中的动作是否包括地面接触。如果答案是肯定的，程序300进行到方框308，如果答案是否定的，程序300进行到方框310。
在方框308，如果在学员动作期间，学员直接地或通过设备或工具接触到地面，计算机20下载学员个性化动作模式的设备结果。
在方框309，计算机20读入或下载已知的、对应于每一个学员的个性化动作模式地面接触值(模式或模式和设备)的统计标准偏差。
在方框310，问号表示询问在完成技能或活动的过程中包括的设备或工具是否附加到学员。如果对于问号的答案是肯定的，程序300进行到方框311。如果答案是否定的，程序300进行到方框313。
在方框311，从学员个性化模式中产生的附加的设备碰撞结果被读入或载入计算机20中。
在方框312，计算机20读入或下载对应于附加的学员模式的设备碰撞结果的统计标准偏差。
在方框313的问号表示询问是否包括没有附加的设备。如果对于问号的答案是肯定的，程序300进行到方框314。如果答案是否定的，程序300进行到316。
在方框314，计算机20读入或下载没有附加的设备碰撞的结果，该结果从学员的个性化动作模式中产生。
在方框315，计算机20读入或下载对应于学员模式中的没有附加的设备碰撞结果的统计的标准偏差。
在方框316，开始记录程序300，与计算机20相关的框架计数器被初始化或校零。
在方框317，动作记录结果的总数被校零，在方框318，设备记录结果的总数被在计算机20中校零。
在方框319，计算机20将记录全部的学员体节运动的程序300初始化，例如从足尖到指尖。在上文中描述的先于量化执行者评估子程序过程200之前产生的学员运动数据传输到这个程序300。将所述运动数据与对应的学员个性化模式的运动数据和运动结果的动作模式标准偏差一并使用，统计基础的记录可以被确定。
在方框320，统计运动结果的z记录表示数据指出在完成技能或活动的整个过程中的一个或更多的体节的位置和线性的和角度的位移方向，是通过对比个性化动作模式的运动结果和学员真实的动作模式运动结果来计算的，使用以下方程式SPST=Σi=1n((|mrmi-mrsi|)/sdmi)]]>其中SPST＝学员整个运动中的学员动作记录总数i＝被记录的运动结果n＝被评估的运动结果的总数mrm＝学员模式的运动结果mrs＝学员的运动结果sdm＝模式的运动结果的标准偏差；
举例来说，使用上述方程式，如果在高尔夫挥动中球的碰撞中，学员的水平手部的速度是10ft/sec，而学员的个性化动作模式中示范手部的速度在球碰撞的15ft/sec，并且对于速度值的动作模式的标准偏差是2ft/sec。那么，对于学员手部速度在所述点的学员动作记录总数是2.5((15-10)/2)。
在方框321，个人的处罚或z记录在从其他的体节之前被附加到任何z记录中，以产生学员动作记录总数(SPST)。
在方框322，程序300返回到方框319和方框320，以重复这些在他/她的技能或活动的完成过程中为每一个学员的体节的处理过程，以包括在学员动作记录总数(SPST)中。正如上文中提到的，申请人已经发现最少的29处骨骼体节包括足尖、脚后跟、脚踝、膝盖、臀部、骼骨、肩部、手臂、肘部、腕关节、手、耳朵、鼻子和椎骨部位提供了准确反映出学员身体的特征，但是发明不限于这样的体节，而且可以包括其他的骨骼以提供反映出学员身体的特征。
在方框323，在完成记录所有体节的运动结果之后，问号表示询问在技能或活动中是否包括设备或工具。如果对于问号的答案是肯定的，程序300进行到方框324。如果答案是否定的，程序300进行到方框345。
在方框324，计算机20初始化记录学员的所有设备部分运动的程序300。先于上文中讨论的量化执行者评估程序200产生的设备运动数据传输到程序300。将所述运动数据与对应的学员个性化模式中的设备运动数据和设备运动结果的动作模式标准偏差一并使用，统计基础的记录可以被确定。
在方框325，运动结果的统计z记录通过将在学员的个性化动作模式中使用的工具或设备的运动结果和学员在完成技能或活动的过程中真实的动作模式产生的运动结果进行对比来计算的，使用以下方程式EPST=Σi=1n((|mrmei-mrsei|)/sdmei)]]>其中，EPST＝学员整个运动过程中的设备动作记录总数；i＝被记录的设备运动结果；n＝被评估的设备运动结果的总数；mrme＝学员模式设备的运动结果；mrse＝学员的设备的运动结果；sdm＝模式的运动结果的标准偏差；举例来说，使用上述方程式，如果在开始高尔夫挥动的过程中，学员的球杆的头部速度是65ft/sec。而学员的个性化动作模式示范速度是82ft/sec。而且对于速度值的动作模式的标准偏差是5.4ft/sec，那么，对于学员的球杆顶部速度的学员动作记录总数是3.148((82-65)/5.4)。
在方框326，在从其他的设备或工具段之前，个别的z记录或处罚记录被附加到任何z记录中，以产生设备动作记录总数(EPST)。
在方框327，程序300返回方框324和325来重复这些为学员在他/她完成技能或模式的过程中使用的设备或工具的每一段的程序，以包括在学员整个运动的设备动作记录总数中(EPST)。
在方框328中，问号表示询问在学员完成技能或活动的动作的过程中是否包括碰撞。如果对于问号的答案是肯定的，程序300进行到方框329，为附加的记录程序，如果答案是否定的，程序300进行到方框345。
在方框329，问号表示询问在学员完成技能或活动的过程中是否包括地面接触。如果对于问号的答案是肯定的，程序300进行到方框330的附加记录过程，如果答案是否定的，程序300进行到方框334。
在方框330，计算机20启动记录所有在学员完成技能或活动的地面接触段(学员或设备)的程序300。举例来说，在高尔夫挥动期间，学员的右足尖施加的地面接触的垂直力可能被记录。
在方框331，使用方框325中的ESPT方程式可得到每一个地面接触结果的统计的z记录。
方框332，源自方框331的个别的z记录或罚分被加入到设备动作记录总数中(EPST)。
在方框333，程序300返回方框330，331和332以重复这些程序，所述程序是为每一次地面接触结果从学员在完成技能或活动的过程中收集的，包括所有在设备动作记录总数(EPST)中包括的地面接触结果。
在方框334，在完成技能或活动的过程中，问号表示询问设备或工具是否附加到学员。如果答案是肯定的，程序300进行到方框335，如果答案是否定的程序300进行到方框339。
在方框335，计算机20启动记录所有的附加到学员的设备的程序。举例来说，记录可能在非地面接触的运动结果值上完成，为高尔夫球杆的段，例如高尔夫球杆的顶部，包括线性的和有角度的位置结果和三维中的垂直结果。
在方框336，使用方框325中的方程式EPST，可以分离出附加的设备或工具的每一个运动结果的统计的z记录或附加的设备或工具的被包括的段。
在方框337，源于方框336的个别的z记录或罚分记录被加入到设备动作记录总和(EPST)中。
在方框338，程序300返回方框335、336和337以重复这些为每一个附加的运动结果值的程序，以包括所有被包括的附加的设备运动的结果值在设备动作记录的总和(EPST)中。
在方框339，问号表示询问在完成技能或运动期间是否设备或工具没有附加到学员。如果答案是肯定的，程序300进行到方框340，如果答案是否定的，程序300进行到方框345。
在方框340，计算机20启动程序300，该程序300记录所有没有附加到学员的设备。举例来说，记录可以在对于高尔夫球的非地面接触的运动结果值中完成，可能包括线性的和角度的位置结果和在三维空间中速度值。
在方框341，使用方框325中的方程式EPST，可以分离出与线性速度结果值和/或力相关的每一个线性运动的结果值的统计的z记录。
在方框342，使用方框325中的方程式EPST，可以分离出与角度速度结果值和/或力相关的每一个线性运动的结果值的统计的z记录。
在方框343，从方框336中分离的个性化的z记录或罚分记录，在方框342中被加入到设备动作记录的总和(EPST)中。
在方框344，为每一个未附加的运动结果值，程序300返回方框340、341、342和343以重复这些程序，以包括所有被包括的没有附加的设备运动的结果值在设备处罚性能记录的总和(EPST)中。
在方框345，问号表示询问学员的技能或活动动作是否完成。如果答案是肯定的，程序300进行到方框348，如果答案是否定的，程序300进行到方框346。
在方框346，如果学员的动作具有附加的位置，增加位置框架记录器，如果需要，以显示学员完成技能或活动的动作。
在方框347，程序300可能返回方框319以重复这些程序，所述程序读入或下载和记录附加的学员和设备的性能的运动结果。
在方框348，计算机20保留学员的运动记录已备后用。
在方框349，问号表示询问在学员完成技能或活动时是否使用设备，如果对于问号的答案时肯定的，在方框350中计算机20保存设备的运动记录以备后用。
如果对于方框349中的问号的答案是否定的，程序300进行到方框359。
在方框351，问号表示询问在学员完成技能或活动时是否发生碰撞。如果对于问号的答案是否定的，程序300进行到方框359。如果对于问号的答案是肯定的，程序300进行到方框352和方框353以保存地面接触记录，以及在方框354和355保存附加的设备的运动结果值，在方框356、357和358保留没有附加的设备运动记录以备后用。
在方框359，学员在完成技能或动作时的统计的最终的动作记录通过以下方程式分离ASPST＝(SPST/n)其中ASPST＝学员的整个运动的目标动作的记录总和的平均值；SPST＝学员的整个运动的目标罚分记录的总和；以及n＝被评估的运动结果的总数。
ASPST在零点(0)和一百(100)之间的范围内转化，标准化的标准Z表格被用于确定在标准的曲线之下的，介于零点和ASPST(A0-Z)之间结果的面积。然后，标准化的结果通过使用以下方程式确定
SSPST＝100(100*(A0-Z*2))其中SSPST＝学员整个运动的标准化的目标动作记录的总数；以及A0-Z＝介于0和ASPST之间的值的标准化曲线下的面积。
在方框360，问号表示询问是否包括设备。如果答案是肯定的，程序300进行导方框361，如果答案是否定的，程序300返回方框301再次开始程序300。
在方框361，在使用以下方程式时，学员的技能或活动的动作的标准化的最后的动作记录可以获得AEPST＝(EPST/n)其中，AEPST＝学员的整个运动中的设备动作记录的总和的平均值；EPST＝学员的整个运动中的设备罚分记录的总和；以及n＝被评估的运动结果的总数。
为了将AEPST转化为介于零点(0)和一百(100)之间的范围，标准法线Z表被用于确定介于零点(0)和AEPST之间的在标准法线下的面积。然后，通过以下方程式确定标准化的值SEPST＝100(100*(A0-Z*2))
其中SEPST＝学员整个运动的标准化的设备动作记录总数；以及A0-Z＝介于0和SEPST之间的标准化曲线下的值的面积。
程序300可能返回方框301开始，或者程序300终止。
参考附图6，提供的是描述程序400的流程图，作为参考的动作误差子程序，确定学员在完成技能或活动的运动误差，例如高尔夫挥动。程序400包括将学员在完成技能或活动的罚分记录与选择的公差范围或误差的激发级别进行比较，所述罚分记录是从上文中描述的动作记录子程序300中获得的。如果学员的罚分记录落入公差范围或符合或超过对于特别的运动方式或结果的误差的激发级别，所述对应于罚分记录的运动方式或结果被标记。更加具体的是，程序400包括自动统计的基础误差识别系统和方法，该系统和方法将对应于学员的动作结果或值的罚分记录和从特定的运动方式或结果，运动方式或结果的结合中选择的公差或误差级别可接收的范围进行比较，以识别真实的学员产生的运动误差。程序400从而产生依据学员的真实的动作的可以理解的、量化的运动误差识别，该误差识别与较少的可靠性，依据动作的，实际上只是指出是否存在误差的评估观点形成对比。
另外，程序400包括对比学员在完成他/她的技能或活动的过程中使用的设备或工具的动作罚分记录。每一个设备的罚分记录从上文中描述的动作记录子程序300中产生，所述罚分记录与对比公差或为特定的设备运动方式或结果而选择的误差激发级别的范围。如果设备罚分的落入公差范围或符合或超出误差激发级别，对应于罚分记录的设备运动方式或结果被标记。程序400同样产生可以理解的，定量化的，以运动误差为基础的识别，由于学员在完成他/她的技能或活动的过程中使用的设备或工具的部分。
通过使用学员动作罚分记录，程序400可以帮助识别学员最需要改进的动作，这是通过标识最大的罚分记录来实现的。另外，程序400可能为个性化的体节运动方式或结果结合学员的动作罚分记录，以帮助识别那些最需要改进的运动方式或结果中的个性化部分。而且，个别学员的动作罚分记录可能帮助识别在进行或导致运动方或结果误差的运动误差。
程序400可能进一步帮助识别最需要改进的设备运动方式或结果，同样通过标识大的、与设备动作误差相关的罚分的记录来实现的。结果是，较大的罚分记录可能帮助识别那些运动方式或结果，所述的运动方式或结果中设备对学员的动作具有消极的影响，或没有影响，以及识别那些运动方式或结果。另外，程序400可能将设备罚分记录和标记的、最需要改进的设备运动方式或结果的个别部分进行结合，和/或是否设备的类型/种类具有积极的，消极的或对于运动方式或结果没有影响都是问题。程序400可以使用设备罚分记录来帮助识别设备运动误差，是目标用于完成技能或活动的、由于设备的类型/种类产生的、进行其他运动方式或结果误差的潜在原因。
正如上文中所提到的，程序400将学员的动作罚分记录和设备的性能罚分记录与公差选择范围和/或误差激发级别进行对比。对于每一个动作误差，对于特定的动作误差，公差范围或误差激发级别可以被标准化。举例来说，某些动作误差具有狭小的公差范围或较低的误差激发级别，学员的(设备的)动作稍微偏离于他/她的个性化的动作模式的动作，当其他的学员(设备)的动作误差可能具有大范围的公差或较高的误差激发级别，学员(设备的)的动作大大偏离于他/她的模式的动作。另外，公差范围或误差激发级别可能被用于为学员或设备的动作误差标记不同的严重级别。
举例来说，对于高尔夫挥动，在向下挥动高尔夫球杆期间，如果目标(执行者的)的右肘部运动产生高的动作罚分记录，为了改进动作误差，程序400可以自动标记右肘部的运动。如果学员的整个右臂，包括他/她的腕关节，肘部和肩部，产生高的罚分记录，那么，为了改进，程序400可能自动标记在向下运动的过程中的学员的整个右手臂。另外，如果学员的动作罚分记录落入公差的范围或超出误差激发级别，从而识别学员在向下挥动期间的右肘部的不规范的运动，以及在学员的向下挥动的过程中，右肘部罚分记录明显与其他的学员的动作误差有关，那么，为了改进，程序400可能自动标记学员的挥动的向下挥动部分。
在另一个实施例中，考虑到在高尔夫挥动期间的高尔夫球杆的动作，如果在学员向下挥动期间，球杆的顶部的运动产生高的设备罚分记录，那么，为了改进，程序400自动标记球杆的顶部运动。如果整个球杆，包括球杆头部和转移记录的高的罚分记录，那么，为了改进，程序400可能自动标记整个球杆。另外，如果在向下挥动期间，球杆的不规范的运动方式或结果被作为设备动作的误差来识别，和这样的误差是明显地与在向下挥动期间的其他的设备动作误差有关，那么，为了改进，程序400可能自动标记挥动位置。
对于上文中描述的和下文中将要结合附图6进行描述的动作误差子程序过程400，是可以效仿的但不是限制。程序呈4可以通过增加、减少或重排“方框”进行改变。
在方框401，程序400开始，并在计算机20中选择和设定误差的激发级别(或公差范围)。在一个实施方案中，与误差激发级别设定的值为1.0，如果学员的动作罚分记录在最优秀的执行者(例如，预定数量的PGA高尔夫职业运动员)的动作结果的68％之外，程序400将识别动作误差，用于根据美国第4,891,748号和美国5,184,295号专利中公开的程序A到程序E的标准-1到标准-3和在本文中讨论的针对段趋势子程序100，产生个性化的动作模式。当误差激发级别设定在值2.0时，如果学员的动作罚分记录在最优秀的执行者的动作结果的95％之外，程序400将识别动作误差。当误差激发级别设定在值3.0时，如果学员的动作罚分记录在最优秀的执行者的动作结果的99％之外，程序400将识别动作误差。
在方框402，计算机20读入或下载随着被分析的运动变化的、潜在的学员动作误差的列表。举例来说，在高尔夫中，潜在的动作误差列表可能包括，但不限于这样的修改或描述，即，表示误差的范围从“你的右足尖太靠近在设定点的球”到“你的鼻子与挥杆的末端的目标之间的距离太远”。
在方框403，问号表示询问在学员完成技能或活动的过程中是否包括设备或工具。如果对于问号的答案是肯定的，程序400进行到方框404。如果答案是否定的，程序进行到方框412。
在方框404，计算机20读入或下载随着被分析的运动变化的、潜在的设备(非碰撞)性能误差的列表。举例来说，在高尔夫中，列表可能包括表示误差的范围从“你的球杆在挥动时离内部太远”到“你的球离你在设定点的后部太远”的陈述或描述。
在方框405，问号表示询问在学员完成技能或活动的过程中是否包括碰撞。如果对于问号的答案是肯定的，程序400进行到方框406。如果答案是否定的，程序进行到方框412。
在方框406，问号表示询问学员在完成技能或活动中动作时是否包括学员与地面之间的接触。如果对于问号的答案是肯定的，那么程序400进行到方框407。如果答案是否定的，程序400进行到方框408。
在方框407，计算机20读入或下载随着被分析的运动变化的、潜在的地面碰撞的动作误差的列表。举例来说，在高尔夫中，潜在的动作误差列表可能包括表示误差的范围从“在向下挥动时，你的重力在左边转移太慢”到“在设定点，你的重力过多分布在左边”的陈述或描述。
方框408，问号表示询问在学员的动作中是否包括附加给学员的设备。如果答案是肯定的，程序400进行到方框409，如果答案是否定的，程序400进行到方框410。
在方框409，计算机20读入或下载随着被分析的运动变化的、潜在的附加设备(碰撞)的动作误差的列表。举例来说，在高尔夫中，列表可能包括表示误差的范围从“在碰撞中，你的球杆的顶部太开放”到“在碰撞过程中，你的球杆的头部的速度太慢”的陈述或描述。
在方框410，问号表示询问在完成技能或活动的过程中包括的设备或工具是否没有附加到学员。如果对于问号的答案是肯定的，程序400进行到方框411。如果答案是否定的，程序400进行到方框412。
在方框411，计算机20读入或下载随着被分析的运动变化的、潜在的附加设备(碰撞)的动作误差的列表。举例来说，在高尔夫中，潜在的动作误差的列表可能包括表示误差的范围从“你的球的速度太低”到“你的球的逆转太快”的陈述或描述。
在方框412，计算机20将与计算机20相关的框架记录器进行初始化或校零。
在方框413，确定学员的段动作误差(从足尖到指尖)的所以程序开始启动。在程序记录程序300中首先产生的学员动作记录数据被传递到程序400中。程序400使用学员动作记录数据来确定学员的统计基础的动作误差。
在方框414，问号表示询问动作罚分记录是否超过设定的误差激发级别，例如1.0，2.0或3.0。如果对于问号的答案是肯定的，程序400进行到方框415。如果答案是否定的，程序400进行到416。因此，在高尔夫中，如果在高尔夫挥动的末端，右手的位置的记录是1.5，而且设定的误差激发级别是1.0，那么，动作误差将会发生和被识别。
在方框415，罚分记录所对应的体节或体节的结合被设定为误差。举例来说，在高尔夫中，相对于右手位置记录的误差超过在正的方向的激发级别可能被识别，源于动作误差列表的一个或更多的陈述或描述包括但不限于，“在回挥的末端，你的右手离的内部太远”。这样的误差陈述将会在教学监视器25中显示以识别误差。
在方框416，为了设定体节，程序400可能返回到方框413以重复方框413，414和415中通过所有被包括的体节或体节的结合的过程，对应于超过被选择的误差激发级别的罚分记录。
在完成程序进行到方框415之后，程序进行到方框417，问号表示询问是否包括设备。如果答案是肯定的，程序400进行到方框418，如果答案是否定的，程序400进行到方框428。
在方框418，计算机20启动识别所有的学员设备(非碰撞)的动作误差的程序400。在动作记录程序300中首先产生的学员动作记录数据传递到程序400，学员的统计基础的动作误差被识别。
在方框419，问号表示询问设备罚分记录是否超过设定的误差激发级别，例如1.0，2.0或3.0。如果对于问号的答案是肯定的，程序400进行到方框420。如果答案是否定的，程序400进行到421。举例来说，在高尔夫中，在高尔夫挥动的顶部的侧面球杆头部的位置记录是-2.5，而且设定的误差激发级别是2.0，那么，动作误差将会发生和被识别。
在方框420，罚分记录对应的设备段或设备段的结合被设定为误差。举例来说，在高尔夫中，对应于侧面的球杆的位置的误差记录在负的方向上超过激发级别可能被识别，源自误差列表的一个或更多的陈述或描述包括但不限于，“你的球杆头部过于远离挥杆顶部的直线”。在教学的过程中，这些误差陈述将会在教学监视器25中显示以识别误差。
在方框421，为了设定设备段，或设备段的结合，程序400可能通过所有包括的设备段返回到方框418，以重复方框418，419和420的程序，具有相应的、超过选择的误差激发级别的罚分记录级别。
在方框422，问号表述询问在学员的动作中使用的设备或工具是否包括碰撞。如果答案是肯定的，程序400进行到方框423。在方框423，第二个问号表示询问地面接触是否包括在设备或工具中，如果对于方框423中的问号的答案是肯定的，程序400进行到方框424，而如果答案是否定的，程序400进行到方框428。
如果对于方框422中的问号的答案是否定的，程序400进行到方框440。
在方框224中，计算机20启动程序400，程序400确定所有的学员的地面接触动作误差。在动作记录程序300中首先产生的学员动作记录数据传递到程序400，以确定学员的统计基础的动作误差。
在方框425，问号表示询问设备罚分记录是否超过设定的误差激发级别，例如1.0，2.0或3.0。如果对于问号的答案是肯定的，程序400进行到方框426。如果答案是否定的，程序400进行到方框427。举例来说，在高尔夫中，如果垂直的左足尖力的记录在挥动的末端是1.25，而且设定的误差激发级别是1.0，那么，动作误差将会发生和被识别。
在方框426中，学员段或设备段，或学员段或设备段的结合被设定为误差。在高尔夫中，举例来说，误差对应于垂直的左足尖力的记录在正的方向超过选择的激发级别可能被识别，源于误差列表的一个或更多的陈述或描述包括但不限于“在挥杆的顶部的左边，你的重力转移过多”。在教学过程中，误差的陈述可能被显示在教学显示器25中。
在方框427，程序400可能通过所有包括地面接触的学员或设备段返回方框424，以重复方框424，425和426的程序。
在方框428，问号表示询问在学员完成他/她的技能或活动的过程中，是否附加了设备或工具。如果答案是肯定的，程序400进行到方框429，如果答案是否定的，程序400进行到方框433。
在方框429，确定所有的学员附加的设备(碰撞)性能误差的程序被启动。使用在动作记录程序300中产生的学员的动作记录数据并传递到子程序，学员的统计的基础动作误差被确定。
在方框430，问号表示询问设备的罚分记录是否超过设定的误差激发级别，例如1.0，2.0或3.0。如果对于问号的答案是肯定的，程序400进行到方框431。如果答案是否定的，程序400进行到432。因此，在高尔夫中，如果水平球杆的顶部的速度记录在挥动的碰撞位置中是4.7，而且设定的误差激发级别是2.0，那么，动作误差将会发生。
在方框431，设备段或设备段的结合附着在学员，设备的罚分记录对应的被设定。在上述的高尔夫的实施例中，误差对应的水平球杆的顶部速度记录在正的方向上超过激发级别可能被识别，源自误差列表的一个或更多的陈述或描述包括但不限于“你的球杆的顶部在碰撞中的速度太慢”。这种误差陈述可能在教学期间被显示在教学监视器25中。
在方框432，为了设定设备部件，或设备部件的结合，程序400可能通过所有被包括的、附着在学员设备段返回方框420以重复方框429，430和431中的程序，具有对应的、超过选择的误差激发级别的罚分记录。
在方框433，问号表示询问在学员他/她的完成技能或活动的动作中，是否没有设备或工具附着。如果答案是肯定的，程序400进行到方框434，如果答案是否定的，程序400进行到方框440。
在方框434，计算机20启动程序400，程序400确定所有的学员没有附加的设备(碰撞)性能误差。在动作记录程序300中首先产生的学员动作记录数据传递到程序400，以确定学员的统计基础动作误差。
在方框435，问号表示询问对应于没有附加的设备段或设备段的结合的直线运动结果的设备罚分记录是否超过选择的误差激发级别，例如，1.0，2.0或3.0。如果对于问号的答案是肯定的，程序400进行到方框436，如果答案是否定的，程序400进行到方框437。因此，如果在挥动的过程中的后碰撞位置的球的速度总和是-2.2，而且选择的误差激发级别是2.0，那么，动作误差发生并被识别。
在方框436，直线运动结果罚分记录对应的设备段或设备段的结合没有附加到学员，被作为误差设定。正如在上述高尔夫的实施例中，对应于球的速度记录的误差在负的方向上的超过激发级别可能被识别，源自误差列表的一个或更多的陈述或描述包括但不限于“在碰撞之后，你的球的速度太慢”。这样的陈述在教学期间可能会显示在教学监视器25中。
在方框437，问号表示询问对应于未附加的设备段，或设备段的结合的角度运动结果的设备罚分记录是否超过选择的误差激发级别，例如，1.0，2.0或3.0。如果对于问号的答案是肯定的，程序400进行到方框438，如果答案是否定的，程序400进行到方框439。
在方框439，为了设定设备部件，或设备部件的结合，程序400可能通过包括的所有设备部件返回到方框434以重复方框435，436，437和438中的程序，没有附加到对应于超过选择的误差激发级别的罚分记录的学员。
在方框440，问号表示询问学员的动作是否完成。如果答案是肯定的，程序400进行到方框443，如果答案是否定的，程序400进行到方框441。
在方框441，如果对于方框440中的问号的答案是否定的，表明学员的或设备的动作的附加的临界位置，和任何对应的动作罚分记录没有被考虑，程序400增加框架计数器。
在方框442，程序400进行到方框413，以重复方框413和440中的程序，如果必要或需要。
在方框443，存储被设定的体节误差以备后用。
在方框444，问号表示是否包括设备。如果答案是肯定的，程序400进行到方框445，如果答案是否定的，程序400终止或返回重新开始程序401。
在方框445，存储被设定的设备段误差以备后用。
在方框446，问号表示是否包括碰撞。如果答案是肯定的，程序400进行到方框447，如果答案是否定的，程序400终止或返回重新开始程序401。
在方框447，问号表示询问在学员完成技能或活动的过程中设备是否与地面接触，如果答案是肯定的，程序400进行到方框448，如果答案是否定的，程序400进行到方框449。
在方框448，存储被设定的接触设备误差以备后用。
在方框449，问号表示询问在学员完成他/她的动作的过程中，设备是否附加到学员。如果答案是肯定的，程序400进行到方框450，如果答案是否定的，程序400进行到方框451。
在方框450，附加到学员的设备的设定的误差被存储以备后用。
在方框451，问号表示询问学员在完成他/她的动作的过程中是否没有附加到学员的设备。如果答案是肯定的，程序400进行到方框452，如果答案是否定的，程序400终止或返回并在方框401开始。
在方框442，没有附加到学员的设备的设定的线性误差被存储以备后用。
在方框453，没有附加到学员的设备的设定的角度误差被存储以备后用，从而程序400终止或返回并在方框401开始。
参考附图7，提供的是描述程序500的流程图，程序500作为用于将设备安装到完成特定的技能或活动的学员的设备安装子程序。程序500包括在设备安装算法设计中使用在上文中描述的、从动作记录子程序300中产生的罚分记录，以确定技能或活动中的设备的每一个部件的安装参数，从而帮助改进学员的动作。使用罚分记录，程序500是安装设备的量化基础的方法，可能基于学员的技能或活动的当前动作或学员的个性化的出众的动作模式，该模式根据美国第4,891,748号和美国5,184,295号专利公开的程序A到E和标准-1到标准-3，以及根据本文公开的段趋势子程序100。可以选择的是，安装程序500可能基于介于学员的当前动作的两个极值和他/她的动作模式的动作之间的假设的动作。
在程序500中使用的安装可变级别确定安装的基础，并对应于每一个学员的动作的理想的级别。安装可变级别表示动作极值中的每一个，或表示学员的假设动作，介于两个动作极值之间，控制安装的类型适于程序500的进行。举例来说，安装可变级别具有的值是经过选择的0.0，如果从学员的现存的设备中立即得到改进是需要的。在这种情况下，安装程序500有利于减少被动作记录子程序300识别的动作误差。如果安装可变级别设定的值为1.0是选择的，安装程序500产生有利于提高学员的动作的设备安装，这是通过使用学员的他/她的个性化的动作模式或出众的动作实现的。安装可变的级别具有的值介于0.0到1.0之间，将产生两个安装极值之间的线性转移。
如果需要，安装可变级别具有大于0.0的值是被选择的，当学员的动作改进时，学员的设备完成得更好。越靠近安装可变级别的值1.0，就越需要学员必须像他/她的个性化的动作模式那样完成技能或活动，以脱离于他/她的设备。相比于在当前的分析和教学环境中使用的安装的评估，程序500的结果是可以理解的，量化的在设备安装的基础上提供更多的准确的安装。
在下文中参考附图7描述的程序500是可以效仿的，但不限于此。程序500可以通过增加、减少或重排“方框”进行改变。
在方框501，程序500开始，选择和设定安装可变级别的值。
在方框502，问号表示询问在学员完成技能或活动的过程中是否包括非碰撞的设备。如果对于问号的答案是肯定的，程序500进行到方框503，如果答案是否定的，程序进行到方框505。
在方框503，如果设备在学员的动作中没有包括碰撞，计算机20读入或下载非碰撞的方程式安装算法，举例来说，包括以下方程式EFVNT=EFVNC+FVL*(Σi=1n(efci*(EFMNC-EFSNC)))]]>其中，EFVNT＝在适用安装趋势之后的设备安装值(非接触)；EFVNC＝在适用运动趋势之前的当前学员安装值；FVL＝安装可变级别；i＝被处理的安装部分；n＝安装部分的数量；efci＝设备安装常数；EFMNC＝来自学员的模式动作数据的当前的学员安装结果；以及EFSNC＝来自真实的学员动作数据的当前的学员安装结果。
举例来说，使用上述方程式，如果设备的安装包括高尔夫球杆挥动的幅度，这是一种球杆或高尔夫的设备安装术语，新的挥动幅度(EFVNT)将通过开始学员的动作模式中(EFVNC)的当前挥动幅度，然后，加入由所有的、影响挥动幅度的非接触的安装部件所施加的挥动幅度变化例如，举例来说，球杆的顶部的幅度，球杆的长度，转移的弯曲和挥动幅度。所述值是与安装部件(efci)相关的安装常数的产物，学员的模式动作值(EFVNC)和学员的真实值(EFVNC)之间的差异。所述值进一步被数量所调整，安装被从学员的模式值(FVL)中转移。
安装结果可以是动作的任何部分段，来自所述部分或直线的或角度的位移、速度、加速度或时间的结合。另外，趋势可能包括学员的任何体节或体节的结合。
在方框504，包括的学员的、用动作记录子程序300产生的动作罚分记录被用于每一个设备安装算法。所述算法是特别设计的，以确定出众的、被包括的设备的设计指令和/或参数以与设备匹配。举例来说，对于学员的高尔夫球杆的杆身硬度和学员的动作模式的杆身硬度的设备安装值的非接触式的优点的确定。然后，所述值被所有与安装的相关的部件改变，所述部件影响杆身硬度，例如，挥动，回挥，转移和向下挥动时间，球杆的速度和挥动过程中的加速度，幅度转移程度，球杆角度位置，速度和回挥中的加速度，乘以这些介于学员的动作和他/她的个性化动作模式之间的部件的动作差异。因此，如果学员对于他们的动作模式在任何的部件列表中是没有完成的，理想的杆身硬度将增加。举例来说，在向下挥动期间的不规范的球杆转移角度，可能要求杆身硬度减少5cpm来补偿。最终，真实的安装调节总数通过安装变化调节。如果变化被设定为1.0，那么安装的杆身硬度被调节为当前学员的挥动。如果被设定为0.0，那么不采用任何学员的限制，安装结果将是学员的动作模式。
在方框505，问号表示询问在学员在他/她的动作中的使用的设备是否包括碰撞。如果答案是肯定的，程序500进行到方框506，如果答案是否定的，程序500进行到方框516。
在方框506，问号表示询问在学员的体节或设备段中是否包括地面碰撞。如果答案是肯定的，程序500进行到方框507，如果答案是否定的，程序500进行到方框509。
在方框507，计算机读入或下载的地面接触的设备安装算法包括，举例来说，方程式EFVGT=EFVGC+FVL*(Σi=1n(efci*(EFMGC-EFSGC)))]]>其中，EFVGT＝使用了安装趋势以后的设备安装值(地面接触)；EFVGC＝在使用了运动趋势之前的当前学员安装值；FVL＝可变安装级别；i＝被处理的安装部件；n＝安装部件的数量；efci＝设备安装常数；以及EFMGC＝源于学员模式动作数据的当前学员安装结果；EFSGC＝源于真实学员动作数据的当前学员安装结果。
举例来说，使用上述方程式，如果设备安装包括高尔夫球鞋支持的高尔夫运动员的球鞋，新的支持级别(EFVGT)将通过在学员的动作模式(EFVGT)的当前的球鞋的支持级别来确定，然后，加入球鞋支持变化，变化由所有那些影响支持的安装段施加。所述值是与安装部件(efci)相关的安装常数、介于学员的模式动作值(EFMGC)和学员的真实的值之间(EFSGC)的结果。这些值通过安装数量被进一步调整，所述安装数量被从学员的模式值(FVL)转化的。
安装结果可以是动作的任何部分，从部件或直线的或角度的位移、速度、加速度、力或时间的结合。另外，趋势可以包括学员的体节或体节的结合。
在方框508，包括从动作记录子程序300中产生的学员的罚分记录，被在每一个地面接触的算法中使用，以确定较好的、被包括的设备的设计指令和/或参数，从而以需要的动作级别将被包括的设备安装到学员。举例来说，在学员的高尔夫挥动过程中，学员和地面之间的接触；因此，地面接触的算法可以被用于为学员确定最合适的高尔夫球鞋的安装。如果安装可变化级别的所述值被设定为接近0.0，程序500产生高尔夫球鞋的、设计的指令和/或参数，可以处理学员在他/她的挥动过程中产生的压缩级别和时间。如果安装变化级别的转移为1.0，程序500产生高尔夫球鞋的、设计的指令和/或参数，可以处理学员的个性化模式的挥动中的压缩级别和时间。
在方框509，问号表示询问是否有设备附加到学员。如果答案是肯定的，程序500进行到方框510，如果答案是否定的，程序500进行到方框512。
在方框510，计算机20读入或下载的附加的设备安装算法包括，举例来说，方程式
EFVAT=EFVAC+FVL*(Σi=1n(efci(EFMAC-EFSAC)))]]>其中，EFVAT＝使用了安装趋势以后的设备安装值(附加接触)；EFVAC＝在使用了运动趋势之前当前学员安装值；FVL＝可变安装级别；i＝被处理的安装部件；n＝安装部件的数量；efci＝设备安装常数；以及EFMAC＝源于学员模式动作数据的当前学员安装结果；EFSAC＝源于真实学员动作数据的当前学员安装结果。
举例来说，使用上述方程式，如果设备安装包括球杆-球对高尔夫转移的杆身硬度的碰撞的影响，新的杆身硬度(EFVAT)将通过学员的动作模式(EFVAC)的当前的杆身硬度开始确定，然后，加入杆身硬度变化，变化由所有影响支持的、接触的安装部件所施加。值是安装常数与安装部件(efci)和介于学员的模式动作值(EFVAC)和学员的真实值(EFSAC)之间的差异的产物。这些值通过安装数量被进一步调整，所述安装数量被从学员的模式值(FVL)转化的。
安装结果可以是动作的任何部分，源自部件或直线的或角度的位移、速度、加速度、力或时间的结合。另外，趋势可以包括学员的体节或体节的结合。
在方框511，包括从动作记录子程序300中产生的学员的罚分记录，被在每一个附加设备的算法中使用，以确定较好的、被包括的设备的设计指令和/或参数，以适合被包括的设备。举例来说，在他/她的动作中，高尔夫球杆是附加到学员的设备。如果安装可变化级别的所述值被设定为接近0.0，程序500产生高尔夫球杆的、设计的指令和/或参数，以帮助减少在学员在他/她的挥动过程中产生的挥动误差。如果安装变化级别的转移为1.0，程序500产生高尔夫球杆的、设计的指令和/或参数，可以帮助改进学员的个性化模式的挥动的力度。
在方框512，问号表示询问学员是否使用了没有附加的设备。如果答案是肯定的，程序500进行到方框513，如果答案是否定的，程序500进行到方框516。
在方框513，计算机20读入或下载的没有附加的设备线性安装算法，在方框514，计算机20读入或下载没有附加的设备的角度安装算法，包括，举例来说，方程式EFVUT=EFVUC+FVL*(Σi=1n(efci(EFMUC-EFSUC)))]]>其中，EFVUT＝使用了安装趋势以后的设备安装值(没有附加的接触)；
EFVUC＝在使用了运动趋势之前的当前的学员安装值；FVL＝可变安装级别；i＝被处理的安装部件；n＝安装部件的数量；efci＝设备安装常数；以及EFMUC＝源于学员模式动作数据的当前学员安装结果；以及EFSUC＝源于真实学员动作数据的当前学员安装结果。
举例来说，使用上述方程式，如果设备安装包括球杆-球对高尔夫回转的碰撞的影响，新的球旋转(EFVUT)将通过学员的动作模式(EFVUC)的当前的球旋转确定，然后，加入到影响旋转的安装部件的接触所施加的球旋转变化。值是安装常数与安装部件(efci)和介于学员的模式动作值(EFMUC)和学员的真实值(EFSUC)之间的差异的产物。这些值通过安装数量被进一步调整，所述安装数量被从学员的模式值(FVL)转化的。
安装结果可以是动作的任何部分，源自部件或直线的或角度的位移、速度、加速度、力或时间的结合。另外，趋势可以包括学员的体节或体节的结合。
在方框515，包括从动作记录子程序300中产生的学员的罚分记录，被在每一个没有附加设备的算法中使用，以确定较好的、被包括的设备的设计指令和/或参数，以适合被包括的设备。举例来说，在他/她的动作中，高尔夫球是没有附加到学员的设备。如果安装可变化级别的所述值被设定为接近0.0，程序500产生高尔夫球的、设计的指令和/或参数，以帮助减少在学员在他/她的挥动过程中产生的挥动误差。如果安装变化级别的转移为1.0，程序500产生高尔夫球杆的、设计的指令和/或参数，可以帮助改进学员的个性化模式的挥动的力度。
在方框516，问号表示询问是否包括没有碰撞的设备。如果答案是肯定的，程序500进行到方框517，如果答案是否定的，程序500进行到方框518。
在方框517，计算机20存储非碰撞设备安装结果以备后用。
在方框518，问号表示询问是否包括碰撞的设备。如果答案是肯定的，程序500进行到方框519，如果答案是否定的，程序500终止或返回方框501开始。
在方框519，问号表示询问是否包括地面接触。如果答案是肯定的，程序500进行到方框220，如果答案是否定的，程序500终止或返回方框501开始。
在方框520，计算机20存储碰撞设备安装结果以备后用。
在方框521，问号表示询问是否包括附加的设备。如果答案是肯定的，程序500进行到方框522，如果答案是否定的，程序500进行到方框523。
在方框522，计算机20存储附加的设备安装结果以备后用。
在方框523，问号表示询问是否包括没有附加的设备。如果答案是肯定的，程序500进行到方框524，如果答案是否定的，程序500终止或返回方框501开始。
在方框524，计算机20存储没有附加的设备安装结果以备后用，并终止程序或返回方框501开始。
对于本领域内的普通技术人员来说，本文所公开的优选的实施方案通过软件执行是明显的，本发明的教导将等同于由设备硬件执行(例如，一个或更多的适用集成回路)或实际上由软件或硬件的结合来执行。结果是，本发明的范围并不应该解读为受限于软件。
由于至少描述了发明的一个用于解释说明的实施方案，因此，各种变化、修改和改进对于本领域内的普通技术人员来说是容易发生的。这样的变化、修改和改进被认为是在本发明的范围和主旨之内的。相应地，上述描述只是可以仿效的方式，而不是限制。发明的限制只是在考虑到等同物中定义。
权利要求
1.一种在目标进行实体任务时提供其动作的自动定量分析的方法，该方法包括(i)获得一组反映出目标的身体的实体特征的身体测量结果；(ii)根据所述的目标身体测量结果来修改与优秀的工作动作相关的最优秀的、反映出身体运动方式的特征的数据模式，以为目标完成的工作的理想动作的目的而提供预定的目标动作数据模式，该目标动作数据模式反映出身体的运动方式的特征；(iii)捕捉目标在进行实际工作时的视频数据；(iv)从所述捕捉的视频数据中确定一组反映出目标在进行工作时的身体运动特征的数据；(v)识别源于所述的视频数据的、身体运动数据组所表示的运动方式和由目标的动作数据模式所表示的运动方式之间的差异；(vi)量化任何被识别的差异，以提供目标在进行工作时的运动方式与由目标的动作数据模式所表示的运动方式的差别程度的定量分析，并借此对在完成工作时的目标动作进行定量分析。
2.根据权利要求1的方法，包括报告被量化的差异的步骤。
3.根据权利要求2的方法，其中报告的步骤包括为一个或更多的被识别的每一个差异或作为整体的被识别的差异组产生记录，所述记录反映出目标在进行工作时的运动方式与由目标的动作数据模式表示的运动方式之间的差别程度。
4.根据权利要求2或3的方法，包括为差异设定重要级别的步骤，只有那些超出设定的重要级别的被识别的差异才会被报告。
5.根据权利要求3或4的方法，其中报告的步骤包括为每一个被识别的差异，或被识别的差异组在存储的数据中检索，一个或更多的传递给目标的词汇即所说的被完成的工作，用于解释差异，目标在进行工作时的运动方式和由目标动作数据模式所表示的运动方式。
6.根据上述任何一项权利要求的方法，其中所述的身体测量结果来自所述的目标的视频图像。
7.根据上述任何一项权利要求的方法，其中的所述身体测量结果来自目标提供的信息。
8.根据上述任何一项权利要求的方法，包括从所述的身体测量结果中确定重要的体节测量结果，并进一步修改所述的目标动作数据模式或反映出目标在进行工作时的运动方式的特征的数据组，以解释由所述的重要的体节测量结果施加在目标的理想的动作上的限制的原因。
9.根据权利要求8的方法，其中所述的修改目标动作数据模式或反映出目标在进行工作时的运动方式的特征的数据组的步骤包括修改目标身体运动结果(SMVC)，以包括加权的运动变化，所述加权的运动变化是由包括在被识别的动作趋势(SSRC)中的每一个目标体节所施加的，被下面的方程式所限定SMVT=SMVC+Σi=1n(pmti×SSRC)]]>其中SMVT＝在适用了动作趋势之后的目标运动结果；SMVC＝在适应动作趋势之前的当前目标运动结果；i＝被处理的动作趋势的分量；n＝趋势分量的数量；pmti＝动作趋势常量；SSRC＝源于目标的体节长度和最优秀的动作模式中的体节长度之间的差异所产生的目标段结果。
10.根据上述任何一项权利要求的方法，包括在目标进行工作时从捕捉到的视频数据中获得的设备数据组，该数据组反映出当目标在完成工作时的设备运动的特征。
11.根据权利要求10的方法，包括根据所述的获得的身体运动结果来修改最优秀的设备数据模式，该数据模式反映出最优秀的工作动作相关的设备运动方式的特征，以为目标完成工作的理想动作而提供预定的目标设备的动作数据模式，该动作数据模式反映出设备运动方式的特征。
12.根据权利要求11的方法，包括对比源自在目标通过所述的目标设备动作数据模式完成的工作时捕捉到的视频数据的设备数据组；并识别由源自所述的视频数据的设备运动数据组所表示的设备运动和由目标的设备动作数据模式所表示的设备运动之间的差异。
13.根据权利要求12的方法，包括量化任何被识别的差异以提供对于目标的设备的运动方式在进行工作时与由目标的设备动作数据模式所表示的设备运动方式之间的差异程度进行量化；并为一个或更多的被识别的每一个差异或作为整体的被识别的差异组产生记录，该记录反映出目标在进行工作时的运动方式与由目标的动作数据模式表示的运动方式之间的差异程度。
14.根据任何一项权利要求11-13中的方法，包括从所述的身体测量结果中确定重要的体节测量结果，并进一步修改所述的目标的设备动作数据模式或反映出当目标完成工作时的设备运动的特征的设备数据组，以解释由所述的重要的体节测量结果施加在设备的理想动作上的限制的原因。
15.根据权利要求14的方法，其中所述的修改目标的设备动作数据模式或反映出目标在进行工作时的目标的设备运动的特征的数据组的步骤，包括修改目标设备运动结果(SEVC)，以包括加权的运动变化，该加权的运动变化是由包括在被识别的动作趋势(SSRC)中的每一个目标体节所施加的，被下面的方程式所限定SEVT=SEVC+Σi=1n(pmti×SSRC)]]>其中SEVT＝在适用了动作趋势之后的设备运动结果；SEVc＝在适应动作趋势之前的当前设备运动结果；i＝被处理的动作趋势的分量；n＝趋势分量的数量；pmti＝动作趋势常量；SSRc＝源于目标的体节长度和优秀的动作模式中的体节长度之间的差异所产生的目标段结果。
16.根据权利要求14或15的方法，包括从任何被识别的和量化的差异中和/或从所述的进一步的修改的目标设备动作数据模式中确定一组设备安装参数。
17.根据权利要求16的方法，包括确定设备的项目是否是(a)在目标动作的过程中不包含碰撞，(b)在目标的动作过程中包含碰撞，(c)在目标的动作过程中由目标附加的(例如持有)，或(d)在目标的动作过程中没有附加到目标。
18.根据权利要求17的方法，其中在确定设备的项目在目标的动作中是否没有包含碰撞，根据下面的方程式当前的安装值EFVNC被修改，以提供适于需要的设备动作安装趋势的设备安装值EFVNTEFVNT=EFVNC+FVL×(Σi=1n(efci×(EFMNC-EFSNC)))]]>其中EFVNT＝在适用了安装趋势之后的设备安装值(没有接触)；EFVNC＝在适用动作趋势之前的当前目标安装值；FVL＝可变安装级别；i＝被处理的安装部件；n＝安装部件的数量；efci＝设备安装常数；EFMNC＝源自目标动作数据模式的当前目标安装值；EFSNC＝源自真实的目标动作数据的当前目标安装值。
19.根据权利要求17的方法，其中在确定设备的项目在目标的动作过程中包含地面碰撞，根据下面的方程式修改当前的安装值EFVGC，以提供适于需要的设备动作安装趋势的设备安装值EFVGTEFVGT=EFVGC+FVL×(Σi=1n(efci×(EFMGC-EFSGC)))]]>其中EFVGT＝在适用了安装趋势之后的设备安装值(地面接触)；EFVGC＝在适用动作趋势之前的当前目标安装值；FVL＝可变安装级别；i＝被处理的安装部件；n＝安装部件的数量；efci＝设备安装常数；EFMGC＝源自目标动作数据模式的当前目标安装值；EFSGC＝源自真实的目标动作数据的当前目标安装值。
20.根据权利要求17的方法，其中在确定设备的项目在目标的动作过程中附加到目标(例如，手持)，根据下面的方程式修改当前的安装值EFVAC，以提供适于需要的设备动作安装趋势的设备安装值EFVATEFVAT=EFVAC+FVL×(Σi=1n(efci×(EFMAC-EFSAC)))]]>其中EFVAT＝在适用了安装趋势之后的设备安装值(没有接触)；EFVAC＝在适用动作趋势之前的当前目标安装值；FVL＝可变安装级别；i＝被处理的安装部件；n＝安装部件的数量；efci＝设备安装常数；EFMAC＝源自目标动作数据模式的当前目标安装值；EFSAC＝源自真实的目标动作数据的当前目标安装值。
21.权利要求17的方法，其中在确定设备的项目在目标的动作过程中没有附加到目标，根据下面的方程式修改当前的安装值EFVUC，以提供适于需要的设备动作安装趋势的设备安装值EFVUTEFVUT=EFVUC+FVL×(Σi=1n(efci×(EFMUC-EFSUC)))]]>其中EFVUT＝在适用了安装趋势之后的设备安装值(没有接触)；EFVUC＝在适用动作趋势之前的当前目标安装值；FVL＝可变安装级别；i＝被处理的安装部件；n＝安装部件的数量；efci＝设备安装常数；EFMUC＝源自目标动作数据模式的当前目标安装值；EFSUC＝源自真实的目标动作数据的当前目标安装值。
22.根据上述任何一项权利要求的方法，其中所述的捕捉视频数据的步骤包括通过一台或多台摄像机存储提供给系统的视频数据。
23.根据权利要求1-20中任何一项的方法，其中所述的捕捉视频数据的步骤包括控制一台或多台视频摄像机以产生视频数据，并存储视频数据。
24.包括一个或多个可操作的软件编程元件的计算机程序，当在执行的环境下运行时，根据上述任何权利要求的方法执行一个或多个步骤。
25.一种系统，该系统在目标进行实际工作时提供目标动作的自动定量分析动作，该系统包括一台或多台视频捕捉装置，用于捕捉目标在进行实际工作时的视频数据；以及计算机系统，该计算机系统包括处理器，和一个或多个的被处理器执行的计算机编程元件，以及(i)根据反映出目标身体的实际特征的目标身体测量结果来修改与出众的工作动作相关的最优秀的、反映出身体运动方式的特征的数据模式，从而为目标完成的工作的理想动作的目的而提供预定的目标动作数据模式，该目标动作数据模式反映出身体的运动方式的特征；(ii)从捕捉到的、目标在进行身体工作时的视频数据中确定一组反映出目标在进行工作时的身体运动特征的数据；(iii)识别源于所述的视频数据的、身体运动数据组所表示的运动方式和由目标的动作数据模式所表示的运动方式之间的差异；(iv)量化任何被识别的差异，以提供目标在进行工作时的运动方式与由目标的动作数据模式所表示的运动方式之间的差异程度的定量分析，和在完成工作时的目标动作的定量分析。
26.一种包括一个或更多的可操作的软件元件的计算机程序，当在执行环境下运行时，以(i)根据反映出目标身体的实际特征的目标身体测量结果来修改与出众的身体工作相关的最优秀的、反映出身体运动方式的特征的数据模式，从而为目标完成的工作的理想动作的目的而提供预定的目标动作数据模式，该目标动作数据模式反映出身体的运动方式的特征；(ii)从捕捉到的、目标在进行身体工作时的视频数据中确定一组反映出目标在进行工作时的身体运动特征的数据；(iii)识别源于所述的视频数据的、身体运动数据组所表示的运动方式和由目标的动作数据模式所表示的运动方式之间的位置；(iv)量化任何被识别的差异，以提供在进行工作时的运动方式与由目标的动作数据模式所表示的运动方式之间的差异程度的量化分析，和在完成工作时的目标动作的定量分析。
全文摘要
提供的系统和方法用于处理人(例如，完成一项身体技能和任务的学员)的个性化动作的数据模式。个性化的数据模式来源于从技能或工作的众多最优秀的或出众的动作中确定的最优秀的或出众的动作数据模式。尤其是，最优秀的或出众的动作模式对学员的身体维数划分大小或等级，以产生学员的理想或出众的技能动作的定制的个性化动作数据模式。该个性化动作数据模式在教学过程中使用，以识别并纠正学员的动作误差。本发明的实施方案修改学员的个性化动作数据模式，以具体表现出由与体节的大小有关的最优秀的或出众的执行者所展示的显著的身体运动趋势。为了评估和记录学员的真实的技能动作，和为了评估和安装学员在完成技能时所使用的设备，本发明的进一步的实施方案修改个性化动作数据模式。尤其是，本发明的实施方案试图解决以下技术问题如何处理捕捉到的学员真实的技能动作的视频数据源，以自动操作在学员的动作中的误差的识别，自动操作学员必须采用的用于改进他/她的动作和/或避免这样的误差的纠正动作，以及自动评定学员用于完成技能的设备的性能和适宜性。
文档编号G09B19/00GK1933880SQ200580009524
公开日2007年3月21日 申请日期2005年1月26日 优先权日2004年1月26日
发明者拉尔夫·曼恩 申请人:莫德高尔夫有限责任公司