マナーやプレゼンテーション技術を客観的に評価し、改善するために、自分自身の行動をビデオで撮影し、振り返ってみるといった方法がある。そのためには目的の映像の頭出しや再生を繰り返す必要があり、撮影された映像が長くなれば長くなるほど、手間が増大する。必要な情報のみを要約した映像が仮に自動的に作成されたとしたら、振り返りにかかる手間の軽減が期待される。 本研究では、画像処理技術を使って、元の映像を短くまとめた要約映像を生成する方法を構築する。具体的には、食事の場面を撮影し、摂食中の映像のみを抜き出し、要約することを試みる。実際に要約された映像を閲覧することで、その効果を検証する。 計算機に目的の動作がどのようなものであるかを提示し、そこから機械学習を用いて自動で判定する必要がある。本研究では、不特定多数の人の行動認識に比べ、ある特定の人（服装なども同じ）の認識のほうが簡単であるという事実に基づき、ある特定の人に特化した機械学習をおこなうことで、提示の手間を軽減する。 実験では，複数の被験者の食事映像に対して提案手法を適用することで、箸を用いた摂食動作の約85%が抽出できた。摂食判定の結果に基づいて要約された映像の長さが，元の映像の約10%に短縮されることを確認した。要約された映像を閲覧することで，食べる順番、三角食べ、食べるときの姿勢、食事のテンポ、が人目で簡単に判断できることを確認した。