講演抄録/キーワード |
講演名 |
2017-11-17 09:00
網内学習型ネットワークによる転倒検知システムの実現 ○三浦太樹・福島悠太・濱谷尚志・山口弘純・東野輝夫(阪大) MoNA2017-19 |
抄録 |
(和) |
家庭やケア施設などで高齢者の転倒を素早く検知し,適切な処置を実施することは,見守りのみならず,早期治癒や後遺障害の予防において非常に重要である.そのような転倒を正確に検知するためには機械学習によるパターン検知が有効であるものの,学習用のデータを逐一集約し,クラウドサービスなどに転送することは通信インフラなどに制約が多い高齢者の居住環境には適していない.
本稿では,それぞれが計算資源と焦電型赤外線センサを有するセンサノードを格子状に設置し,その前を通過するユーザの動きをセンサノードが協調して学習することで転倒を検知するシステムを提案する.
同システムでは,センサノード同士がデータを共有,集約し網内で深層学習を実施することで,従来システムの多くが設置環境や対象人物ごとに必要としていたキャリブレーションを自律的に実行できる利点がある.
フィルム状の焦電型赤外線センサを用いたプロトタイプを試作し,転倒を模して収集したデータセットに対し,提案方式の網内深層学習を適用した結果,適合率92.2%,再現率79.2%で転倒を認識できることを確認した.また,通常の深層学習に対しても遜色ない精度が得られることを確認した. |
(英) |
Human fall detection has been on immense interest for elderly care.
In this tequnical report, we propose a novel system for indoor fall detection with use of multiple infrared sensors.
Our key idea is to virtually deploy convolutional neural networks on 2-D array of connected sensor nodes.
The system can automatically tune its parameter set with a deep learning algorithm carried out within the sensor network where each IoT node transfers data to each other, and operates convolution and pooling.
We confirmed our method could successfully detect human fall with 92.2% precision and 79.2% recall through our dataset collected by 55 gait instances. |
キーワード |
(和) |
転倒検知 / 分散コンピューティング / 深層学習 / 畳み込みニューラルネットワーク / / / / |
(英) |
Fall Detection / Distributed Computing / Deep Learning / Convolutional Neural Network / / / / |
文献情報 |
信学技報, vol. 117, no. 308, MoNA2017-19, pp. 25-30, 2017年11月. |
資料番号 |
MoNA2017-19 |
発行日 |
2017-11-09 (MoNA) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
MoNA2017-19 |