機械学習を利用した 人間動作検出センサのための行動検出 秋田工業高等専門学校 生産システム工学専攻 研究者名 宮城 諒 指導教員 平石 広典 背景 人間の動作解析 特別な環境が必要であり、システムの入力装置として利用困難 引用先:”OptiTrack”,http://www.mocap.jp/optitrack/ 動作認識 様々な動作や複雑な動作を認識 条件の見極めが困難であり，複雑なプログラミングを必要 2 目的 より身近なシステムへの応用可能性の検討 特別な環境が必要なく、システムの入力装置として利用可能 動作の詳細を明示的にプログラムしなくても認識可能 様々な行動を自動的に認識可能にするシステム アプローチ Kinect SVM（Support Vector Machine） 3 Kinectセンサによる動作認識 Microsoft社：ゲーム用コントローラ 赤外線を利用した距離画像センサを利用 骨格座標取得 骨格情報の取得方法 各骨格のxyz座標取得 上半身9箇所＋下半身6箇所 時系列データ（1秒で5個取得） 4 SVM(Support Vector Machine) ・高次元データも容易に扱える ・未知のデータに対する汎化能力が優れている A A A B B A B A B B A C A A B B A A B B B 5 歩行動作による精度評価 歩行動作の認識 ①停止・遅い・速いの3状態を測定 ②各10秒、80秒分のデータ（240個）取得 ③測定データをSVMを用いて識別し、精度を検討 Kinect 被験者1人 6 歩行動作による精度評価 学習データ大：99.17% 学習データ小：76.67% 7 個人識別による精度評価 個人識別 ①被験者5人の歩行の測定 ②ルームランナーを利用、各個人に合った速度 ③側面と後方からの2方向から同時に測定 ④各60秒、540秒分のデータ（2700個）取得 Kinect ルームランナー 8 個人識別による精度評価 精度変動：大→小 97.67 安定している 9 個人識別による精度評価 カーネル主成分分析 ・多次元から低次元に次元削減することで構造の把握可能 重なりが少ない 重なりが多い 10 まとめ 歩行動作の認識 大量の学習データが必要だが、最大99.17%の精度で 動作認識が可能 個人識別 学習データを増やすごとに、精度の変動があるが、 最終的に約92%で収束しており、安定に識別が可能 高い精度で様々な行動を自動的に認識可能 11
© Copyright 2024 Paperzz
