電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

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
技報オンラインサービス実施中
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

研究会情報
研究会 CNR IN MoNA  
開催期間 2017-11-16 - 2017-11-17 
開催地(和) 北九州国際会議場 
開催地(英)  
テーマ(和) アプリケーション指向ネットワークデザインおよび一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 MoNA 
会議コード 2017-11-CNR-IN-MoNA 
本文の言語 日本語 
タイトル(和) 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 
サブタイトル(和)  
タイトル(英) A Study on Fall Detection by Networked Sensors 
サブタイトル(英)  
キーワード(1)(和/英) 転倒検知 / Fall Detection  
キーワード(2)(和/英) 分散コンピューティング / Distributed Computing  
キーワード(3)(和/英) 深層学習 / Deep Learning  
キーワード(4)(和/英) 畳み込みニューラルネットワーク / Convolutional Neural Network  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 三浦 太樹 / Daiki Miura / ミウラ ダイキ
第1著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第2著者 氏名(和/英/ヨミ) 福島 悠太 / Yuta Fukushima / フクシマ ユウタ
第2著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第3著者 氏名(和/英/ヨミ) 濱谷 尚志 / Takashi Hamatani / ハマタニ タカシ
第3著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第4著者 氏名(和/英/ヨミ) 山口 弘純 / Hirozumi Yamaguchi / ヤマグチ ヒロズミ
第4著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第5著者 氏名(和/英/ヨミ) 東野 輝夫 / Teruo Higashino / ヒガシノ テルオ
第5著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2017-11-17 09:00:00 
発表時間 25 
申込先研究会 MoNA 
資料番号 IEICE-MoNA2017-19 
巻番号(vol) IEICE-117 
号番号(no) no.308 
ページ範囲 pp.25-30 
ページ数 IEICE-6 
発行日 IEICE-MoNA-2017-11-09 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会