| 講演名 | 2021-03-01 加速度センサを用いたLSTMに基づく転倒検知 魚谷 義也(慶大), 葉 臣(慶大), 山本 幸平(慶大), 大槻 知明(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(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 |
| キーワード(英) | Long short-term memory (LSTM) / 3-axis accelerometer / fall detection |
| 資料番号 | SeMI2020-59 |
| 発行日 | 2021-02-22 (SeMI) |
| 研究会情報 | |
| 研究会 | SeMI / IPSJ-MBL / IPSJ-UBI |
|---|---|
| 開催期間 | 2021/3/1(から2日開催) |
| 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. |
| 委員長氏名（和） | 石原 進(静岡大) |
| 委員長氏名（英） | Susumu Ishihara(Shizuoka Univ.) |
| 副委員長氏名（和） | 門田 和也(日立) / 山本 高至(京大) |
| 副委員長氏名（英） | Kazuya Monden(Hitachi) / Koji Yamamoto(Kyoto Univ.) |
| 幹事氏名（和） | 西尾 理志(京大) / 橋本 匡史(サイバー大) / 五十嵐 悠一(日立) / 金井 謙治(早大) |
| 幹事氏名（英） | Takayuki Nishio(Kyoto Univ.) / Masafumi Hashimoto(Cyber Univ.) / Yuichi Igarashi(Hitachi) / Kenji Kanai(Waseda Univ.) |
| 幹事補佐氏名（和） | 勝間田 優樹(NTTドコモ) / 中山 悠(東京農工大) / 内山 彰(阪大) |
| 幹事補佐氏名（英） | Yuki Katsumata(NTT DOCOMO) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) / Akira Uchiyama(Osaka Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Sensor Network and Mobile Intelligence / Special Interest Group on Mobile Computing and Pervasive Systems / Special Interest Group on Ubiquitous Computing System |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 魚谷 義也 / Yoshiya Uotani |
| 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） | 葉 臣 / Chen Ye |
| 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） | 山本 幸平 / Kohei Yamamoto |
| 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） | 大槻 知明 / Tomoaki Ohtsuki |
| 第 4 著者 所属（和/英） | 慶応義塾大学(略称：慶大) Keio University(略称：Keio) |
| 発表年月日 | 2021-03-01 |
| 資料番号 | SeMI2020-59 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | SeMI-382 |
| ページ範囲 | pp.7-12(SeMI), |
| ページ数 | 6 |
| 発行日 | 2021-02-22 (SeMI) |