講演抄録/キーワード |
講演名 |
2021-03-01 10:25
加速度センサを用いたLSTMに基づく転倒検知 ○魚谷義也・葉 臣・山本幸平・大槻知明(慶大) SeMI2020-59 |
抄録 |
(和) |
近年,高齢化に伴い高齢者の転倒事故の増加が問題となっている.これに対し,加速度センサによる転倒検知法が研究・開発されている.しかし,従来の転倒検知法は,複数の加速度センサの位置に対応しておらず,またサポートベクターマシン (SVM: Support Vector Machine) やランダムフォレスト (RF: Random Forest) といった時系列予測に適していない分類アルゴリズムを使用しているため,検知精度が低いという問題がある.本稿では,加速度センサを用いたLSTM(Long short-term memory) に基づく転倒検知を提案する.提案法では,複数のセンサ設置位置で行動を学習し,LSTMによって行動を多クラスに分類した後,転倒・非転倒の2クラスに分類する.実験により,提案法が従来法より高い転倒検知精度を達成することを示す. |
(英) |
In recent years, the increase in fall accidents among the elderly has become a problem with the aging of the population. A fall detection method using an accelerometer has been researched and developed. However, conventional fall detection methods do not support the positions of multiple accelerometers. Besides, there is a problem that the detection accuracy is low because they use a classification algorithm that is not suitable for time series prediction, such as Support Vector Machine (SVM) and Random Forest (RF). In this report, we propose fall detection based on LSTM (Long short-term memory) using an accelerometer. In the proposed method, behaviors are learned at multiple sensor installation positions, and the behaviors are classified into multiple classes by LSTM, and then classified into two classes, fall and non-fall. Experiments show that the proposed method achieves higher fall detection accuracy than the conventional method. |
キーワード |
(和) |
長・短期記憶 / 3軸加速度センサ / 転倒検知 / / / / / |
(英) |
Long short-term memory (LSTM) / 3-axis accelerometer / fall detection / / / / / |
文献情報 |
信学技報, vol. 120, no. 382, SeMI2020-59, pp. 7-12, 2021年3月. |
資料番号 |
SeMI2020-59 |
発行日 |
2021-02-22 (SeMI) |
ISSN |
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 |
SeMI2020-59 |
研究会情報 |
研究会 |
SeMI IPSJ-MBL IPSJ-UBI |
開催期間 |
2021-03-01 - 2021-03-02 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
一般, モバイルコンピューティング, ユビキタスコンピューティング |
テーマ(英) |
Mobile Computing, Ubiquitous Computing, etc. |
講演論文情報の詳細 |
申込み研究会 |
SeMI |
会議コード |
2021-03-SeMI-MBL-UBI |
本文の言語 |
日本語 |
タイトル(和) |
加速度センサを用いたLSTMに基づく転倒検知 |
サブタイトル(和) |
|
タイトル(英) |
Fall Detection Based on LSTM Using Accelerometer |
サブタイトル(英) |
|
キーワード(1)(和/英) |
長・短期記憶 / Long short-term memory (LSTM) |
キーワード(2)(和/英) |
3軸加速度センサ / 3-axis accelerometer |
キーワード(3)(和/英) |
転倒検知 / fall detection |
キーワード(4)(和/英) |
/ |
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) |
魚谷 義也 / Yoshiya Uotani / ウオタニ ヨシヤ |
第1著者 所属(和/英) |
慶応義塾大学 (略称: 慶大)
Keio University (略称: Keio) |
第2著者 氏名(和/英/ヨミ) |
葉 臣 / Chen Ye / ヨウ シン |
第2著者 所属(和/英) |
慶応義塾大学 (略称: 慶大)
Keio University (略称: Keio) |
第3著者 氏名(和/英/ヨミ) |
山本 幸平 / Kohei Yamamoto / ヤマモト コウヘイ |
第3著者 所属(和/英) |
慶応義塾大学 (略称: 慶大)
Keio University (略称: Keio) |
第4著者 氏名(和/英/ヨミ) |
大槻 知明 / Tomoaki Ohtsuki / オオツキ トモアキ |
第4著者 所属(和/英) |
慶応義塾大学 (略称: 慶大)
Keio University (略称: Keio) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
第1著者 |
発表日時 |
2021-03-01 10:25:00 |
発表時間 |
25分 |
申込先研究会 |
SeMI |
資料番号 |
SeMI2020-59 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.382 |
ページ範囲 |
pp.7-12 |
ページ数 |
6 |
発行日 |
2021-02-22 (SeMI) |
|