Azki Laboratory あずきラボ Azki Laboratory
Equine Conformation & Gait · Feature Atlas

馬体特徴量アトラス

本システムは、募集馬などの動画から、AIが自動で立位・歩様(左右)のフレームを判別し、そこから競走馬の コンフォメーション(馬体構成)と歩様の定量特徴を抽出する。DeepLabCutベースの姿勢推定で関節点を検出し、 球節や骨格の要点には教師データ(正解ラベル)による追加学習を施したうえで、静的・動的な特徴量を算出する。 撮影条件や個体差に対し、現時点で約8割の指標が汎化する水準に到達した。

入口 動画1本 → 特徴量
認識 立位・歩様LRを自動判別
土台 DeepLabCutベースの姿勢推定
学習 球節・骨格を教師データで追加学習
到達点 約8割の指標が汎化
更新 2026-10-16
静的 / STATIC

静止した1枚に宿る骨格の構成(コンフォメーション)。体長・背長・肩角・繋角・管長など。1つの代表値で表す。

動的 / DYNAMIC

歩様周期に宿る運動の質。特徴の本体は単一値でなく周期変動(可動域・沈み込み・連動性)。真横(profile)歩様のみで算出する。

NEW

8 月からの主な変更

8 月の公開のあと、球節の点の見つけ方を改め、バネ感を 1 歩ずつ測れるようにした。あわせて、動きを 1 つの点数にまとめるバイオメカニクススコアを搭載した。

球節の量だけでは、重賞馬を見分ける精度は確保できなかった。そこで、全身の連動する複数の特徴量を組み合わせることで、重賞馬を見分けられる可能性まで見出した。単純な 1 か所を見るのではなく、馬全体の動きの質が重要なのではないかと考察している。今後はさらに特徴量を加え、精度の向上を検討していく。

球節の点をより正確にした → §03

馬のシルエットを切り抜いた画像(SAM と呼ばれる手法)を、球節を探すモデルと統合した。人が付けた正解との誤差が縮小し、白い靴下の脚や芦毛でも精度が落ちにくくなった。球節まわりの量は、曳き手で隠れやすい側の脚を使わず、隠れない側の脚だけで測る。

バネ感を 1 歩ずつ測れるようにした → §03

蹄が地面に着くと、体重を受けて球節が沈み、いちばん深く沈んだ瞬間(谷・▼)のあと、また戻ってくる。1 歩ごとにこの谷を見つけ、沈む速さ・谷の深さ・谷から戻る速さを検出する。下の動画はカメラに近い側の前肢の足元(0.5 倍の速さ)で、グラフの縦線が動画の今の瞬間を指す。

谷から戻るところ▼ 最も沈んだ瞬間縦軸=繋の角度(地面に対して・小さいほど深く沈む)

谷のまわりを拡大して、▼ でそろえて 1 歩ずつ重ねると

G1 馬未勝利馬細い線=1 歩ずつ・太い線=中央この 2 頭の例
谷から戻る速さ
105 °/秒 65 °/秒
沈む速さ
358 °/秒 360 °/秒
成績の違いでバネ感の特徴が違うことが分かった(母集団=633 頭)。

バイオメカニクススコアを搭載

1 頭の動きを、重賞馬に多い動きの型への近さとして 1 つの点数にまとめた。50 点が平均。

途中経過: 重賞馬と未勝利馬の差が、スコアに表れはじめた

横軸=バイオメカニクススコア(50 点が平均)・縦線=中央。数はまだ少ない。成績を予測するものではない。

01

測定点と特徴の地図

側面の参照イラストに、測定点(●)と主要特徴の測り方を重ねた地図。 ■ 静的=馬体構成/■ 動的=歩様の運動。(イラストは代表的な鹿毛の立位を模式化)

肩角 shoulder_angle 沈み込み最大の繋角(▼) fore_pastern_angle_at_max_sink 駆動角の可動域 drive_ROM 駆動角 drive_angle 飛節角 hock_angle 繋角 hind_pastern_angle 体長 overall_body_len 首を保つ高さ neck_angle_level_cycle 前肢の振り子 forelimb_swing 沈み込み最大の繋角(▼) hind_pastern_angle_at_max_sink バネ感(離れる速さ・谷の時間) release_speed / trough_time 連動性(全身の連動) movement_coordination_index 歩の周期のばらつき stride_time_cv_pct(walk_metrics・別ファイル) L R 左右差(後肢) gait/asymmetry 腹中央 躯長 背 長躯背短比 body_back_ratio 躯短(肘↔膝) body_back_ratio_short 首ポンプ neck_angle_ROM 尾端 仙腰接合(Hip) 坐骨端(Ischium) 鼻 頭頂 キ甲 背中央 尾根 肩端 肘 後膝
02

静的コンフォメーション

馬体の骨格構成。寸法系(体長・背長・繋長・管長)は真横歩様(profile)から集計した。四肢の角度は歩様ベース(§03)を主とし、 立位は参考値とする(荷重時の固有角と歩様中の周期角を別の量として測る)。値は中央値。おおよそ汎化することが確認できた。

特徴意味
体長 overall_body_len鼻端→尾根(tail_base)の全長を体高で正規化した体長プロキシ。
背長 topline_lenキ甲(withers)→尻の背長(topline)。
長躯背短比・躯長 body_back_ratio躯長(肩端→尾端のトランク長)÷背長。躯長は独自指標。値が大きいほど長躯短背。
長躯背短比・躯短 body_back_ratio_short躯短(肘→膝=腹側の長さ)÷背長。古典的な長躯短背の指標。
肩角 shoulder_angle肩関節角 angle(キ甲, 肩端, 肘)。識別比が高く、肩の起きの主指標。
立位繋角(前/後)立位で測る荷重時の繋の固有角(参考値)。歩様の繋角(§03)とは別の量。
繋長(前/後) fore·hind_pastern_len繋の長さ(正規化)。
管長ほか hind_cannon ほか管(cannon)長・前腕比・前後比。
03

動的バイオメカニクス(球節・歩様全体)

接地中に球節が沈み、谷から戻るバネ感。1 歩ごとに繋の角度の曲線から最も沈んだ瞬間(▼)と戻りの速さを取り、数歩の中央値にする。 全身の連動性・左右差など、角度でない歩様の質も扱う。 球節の沈み込みや左右差など基幹は汎化を確認したが、一部の指標は現在も精度向上に挑戦中である。

特徴意味
沈み込み最大の繋角(▼)(前/後) fore·hind_pastern_angle_at_max_sink_silhouette1 歩ごとに、接地中(立脚)で繋の対地角が最も小さくなる瞬間=球節が最も沈んだ場面(▼)の角度を取り、数歩の中央値にする。小さいほど深く沈む。シルエット(馬マスクの繋の背側線)で測る。
固有の繋角(前/後) fore·hind_intrinsic_pastern_angle_silhouette1 歩ごとの (▼+▲)/2=最も沈んだ角(▼)とスナップの山(▲=離地後に繋が最も開く角)の中点 → 数歩の中央値。斜め撮影にほぼ不変。
繋の可動域(前/後) fore·hind_pastern_angle_ROM_silhouette1 歩ごとの ▲−▼(繋角の振れ幅)→ 数歩の中央値。
固有の内角(前/後) fore·hind_intrinsic_inner_angle_point膝(飛節)・球節・蹄の 3 点がつくる内角を 1 歩ごとに「最も曲がった端と最も開いた端の中点」で取り、数歩の中央値にする。左右どちら向きの歩様でも同じ物理になる。遊脚で 3 点が一直線を越えるコマ(蹄が後ろへ畳まれる)は 0〜360° に戻して数える。
固有の飛節角(後) hind_intrinsic_hock_angle後肢の上部・飛節・球節がつくる角を 1 歩ごとに「最も畳まれる角と最も伸びる角の中点」で取り、数歩の中央値にする。毛色で系統差があり(栗毛・芦毛がまっすぐ寄り)、撮影の年度で絶対値がずれるので、同じ年度の中で比べる。
離れる速さ=蹄のスナップ(前/後) fore·hind_release_speed_silhouette離地の瞬間に繋の角度が開いていく上り坂の最速(°/s)。蹄が返る「スナップ」の速さで、バネ感(接地中の谷)とは別の量。歩く速さ・歩幅とは無関係。
谷の時間(前/後) fore·hind_trough_time_silhouette繋角の曲線の谷の半値幅(秒)。おおよそ半周期=固有振動数(硬さ÷質量)の代理(推定・参考値)。
沈み込む速さ(前/後) fore·hind_sink_speed_silhouette▼ へ沈む繋角の下り坂の最速(°/s)。
谷から戻る速さ(前/後) fore·hind_rebound_speed_silhouette▼ から戻る繋角の上り坂の最速(°/s)=球節が谷から戻る速さ。バネ感の中心の量。→ NEW
全身の連動性 movement_coordination_index各動的信号の位相相関(0–1)。
左右差(後肢) gait/asymmetry後肢の左右差。左右を同時に均等に観察できる箇所を重視し、真横(左右)歩様では near/off 側を入れ替えて検算するフリップ検証を行い、見かけの非対称を排して算出した。
04

動的な角度(歩様)

歩様周期でリズミカルに変わる関節角。前肢の量は曳き手で隠れない側(近い側)の脚だけで、後肢と首の量は左右両方の歩様から測る。

特徴意味
後躯の駆動角 hindquarter_drive_angle_min/max/ROM駆動角(仙腰接合–坐骨端–膝の3点角)を代理点で測る。屈曲端/伸展端/可動域。GT検証で真の駆動角と高い相関を得た。
飛節の開き hind_opening_deg尾根→飛節ベクトルの protraction/retraction の絶対開き角。
前肢の開き(蹄のリーチ) fore_opening_degキ甲→前肢蹄ベクトルの同上開き角(蹄のリーチ)。
前肢の振り子 forelimb_swing_ROM_degキ甲→肘の鉛直角スイングの振れ幅。肘は長ベクトルで頑健。前肢ダイナミクスの指標。
首の対地角の変動(首ポンプ) neck_angle_ROM_deg歩様周期での首の対地角の変動(head-nod)。仰角は下を負に数える。
首の可動域(1 周期ごと)・首を保つ高さ neck_angle_ROM_cycle / neck_angle_level_cycle首は前肢の 1 歩に 2 回上下する(1 周期=半歩=1 回のうなずき)。1 周期ごとの可動域と中点(首を保つ高さ・下を負)→ 周期の中央値。2 つは別の量。
肩のスイング shoulder_swing_ROM_degキ甲→肩端の鉛直角スイング。肩のダイナミクス・連動性の指標。
120°140°160°180°1ストライド(1周期 ≈ 66フレーム)前肢の関節角(生検知)— 歩様1周期でリズミカルに開閉関節角(°)フレーム(時間) →
周期的指標の生検知の例(G1馬の1区間)。動画から取り出した前肢の関節角は、歩様のたびに規則的に開閉する。 この周期性そのものが特徴であり、周期に乗らない区間は信頼度ゲートで除外して集計する。
05

前額面の歩様(正面・後方から)

正面(toward)・後方(away)の歩様から測るアライメントとリズム。真横だけでは見えない脚のつき方(肢勢)と体幹の安定性を扱う。 各動画の該当区間はAIが自動で特定し、ショット切替や顔アップの混入を個体ごとに検品してから集計する。

特徴意味
X脚/O脚(前肢アライメント) xo_ratio正面歩様で測る前肢上部のアライメント。大=膝が外(O脚寄り)/小=内(X脚寄り)。毛色や撮影距離に依存しないことを確認済み。
下部アライメント比下部(蹄まわり)のアライメント(前=正面/後=後方)。小=狭踏寄り/大=広踏寄り。上のX脚/O脚とはほぼ独立で、前肢アライメントを上下2階建てで捉える。
体幹の左右揺れ trunk_sway常歩の体幹は左右の荷重交代で1ストライドに1往復揺れる。その振幅を歩様の周波数帯だけ取り出して測る(蛇行や検出ノイズは帯域で除外)。複数の募集年度・クラブで再現性を確認。
左右リズムのシンクロ step_sync左右の脚リズムの位相ロック。ずれが大きい個体は映像でも「ふらつき」として見える。
飛節の着地ブレ wobble_pct後方歩様で接地直後に飛節が左右へ動く量。集団内の異常検知フラグとして使う。
06

代表個体の実測値

対照的な2個体(未勝利馬・G1馬)の信頼性の高い実測値(中央値)。金色 = G1 馬で顕著に異なる特徴(相対差15%以上)。
例えばこの2頭を比較すると、G1馬は 長躯背短比(躯長)が小さめで、前肢の球節が深く沈み(▼ の角が小さい)、振り子は小さめな一方、肩のスイングは大きい—といった特徴がありそうに見える (どの動きが強みで/弱みか、複数指標の相互作用の検出も可能)。ただしこれは n=2 の例示にすぎず、頭数を増やして統計学的に検証する必要がある(今後の重要課題)。
考察:この例ではG1馬の長躯背短比はむしろ小さく、古典的な「長躯背短が良い」という既存概念は競走馬では少し違う可能性がある。 これも現時点では仮説で、頭数を増やした検証が要る。

特徴 未勝利馬 G1馬
主体長=背0.7710.894
長躯背短比・躯長2.181.75
長躯背短比・躯短0.960.87
肩角°83.182.4
後管長0.2780.288
後肢スイング角°51.252.2
前肢スイング角°58.961.9
歩調 Hz0.900.92
駆動角 可動域°36.330.2
前 沈み込み最大の繋角(▼)°49.845.9
前肢の振り子°22.319.9
肩のスイング°13.315.7
07

今後の展望

この抽出基盤を土台に、目指す先を示す。随時、アイデアや牧場関係の方からのご意見・馬データは絶賛募集中。

展望内容
大規模データでの特徴量抽出多数の馬・多様な撮影条件の画像/動画から特徴量を大量に自動取得し、母集団を大きく広げる。
「走る馬」の歩様シグネチャ検証大量の個体で、競走能力に結びつく歩様・馬体構成の特徴が本当に存在するのかを統計的に検証する。
バイオメカニクススコアの精度向上連動する特徴量をさらに加え、重賞馬を見分ける精度を上げる。
毛色診断との統合毛色・馬体診断のAIと統合し、体構成 × 毛色 × 動きを一体で評価する。
静止画・多視点への拡張1枚の写真や複数アングルからの推定に拡張し、現場での即時活用へ。