Research

This page shows our research projects. Now under construction.
研究プロジェクトを紹介します.現在構築作業中です.



トイレットペーパの回転に基づくトイレ使用者識別手法

Personal identification system based on rotation of toilet paper rolls

トイレの便器にセンサを組み込むことで,ユーザの生体情報を日常的に取得し,健康管理などに応用できるようになった.トイレは多くの場合,複数人が共用するため採取した生体情報をユーザごとに分類する必要があるが,カメラや音声,体重計による個人識別はプライバシの観点から適切ではない.タッチパネルなどの機器を設置して操作することでの個人識別も可能であるが,本来不要な操作であるため操作を忘れることもある.そこで本論文では,トイレで自然に行われる動作であるトイレットペーパの巻き取りの個人差に着目し,芯に角速度センサを設置したトイレットペーパの回転特性から個人を識別する手法を提案する.評価実験により提案システムの有効性を確認したところ,識別精度は実験室環境において5人から1人を識別する場合に83.9%,実環境において5人から1人を識別する場合に69.2%となった.さらに,提案手法を用いて,体調管理を推進するライフログアプリケーションと,トイレットペーパの使いすぎを抑止するアプリケーションを実装した.
Biological information can easily be monitored by installing sensors in a lavatory bowl. Lavatories are usually shared by several people, so users need to be identified. Because of the need for privacy, using cameras, microphones, or scales is not appropriate. Though personal identification can be done using a touch panel, the user may forget to use it because the action is not necessary. In this paper, we focus on the differences in the way of pulling a toilet paper roll and propose a system that identifies individuals based on features of rotating of toilet paper rolls with a gyroscope. The evaluation results revealed that 83.9% accuracy was achieved for a five-person group in a laboratory environment, and 69.2% accuracy was achieved for a five-person group in a practical environment.

荷重センサを用いた机上動作認識および個人識別手法
Activity Recognition and User Identification based on Tabletop Activities with Load Cells
家庭内ではユーザが常時センサを身につけることは難しいため,天井や壁,床,家具,家電など環境にセンサを設置するアプローチが一般的である.その中でもダイニングテーブルなど机の上にはさまざまな日常動作が集中しており,これらの行動を認識することで家庭内での行動記録や動作に合わせた周辺機器の制御が行える.ユーザの机上での動作を認識する手法としては,カメラによる画像認識を応用したものが提案されているが,家庭内にカメラを導入することはユーザのプライバシ保護の観点から望ましくない.また,感圧センサや電極を机上面全体に設置するシステムが提案されているが,センサを大量に用いて机を加工する必要があり,一般家庭への導入は設置コスト面から難しい.本研究では,机の四隅に荷重センサを設置し,荷重データから机上動作を認識するシステムを提案する.取得する情報は荷重データのみで,机上での動作以外の行動の推定は困難であり,ユーザのプライバシに配慮している.評価実験から,物体の机上面への追加において物体の重量を誤差約0.07kg,位置を誤差約7cmで検出し,動作認識において布巾掛けが64.2%,ノートパソコンの操作が59.2%,筆記動作が67.4%の再現率が得られた. 
There have been several studies on object detection and activity recognition on a table conducted thus far. Most of these studies use image processing with cameras or a specially configured table with electrodes and an RFID reader. In private homes, methods using cameras are not preferable since cameras might invade the privacy of inhabitants and give them the impression of being monitored. In addition, it is difficult to apply the specially configured system to off-the-shelf tables. In this work, we propose a system that recognizes activities conducted on a table and identifies which user conducted the activities with load cells only. The proposed system uses four load cells installed on the four corners of the table or under the four legs of the table. User privacy is protected because only the data on actions through the load cells is obtained. Load cells are easily installed on off-the-shelf tables with four legs and installing our system does not change the appearance of the table. The results of experiments using a table we manufactured revealed that the weight error was 38 g, the position error was 6.8 cm, the average recall of recognition for four activities was 0.96, and the average recalls of user identification were 0.65 for ten users and 0.89 for four users.

疎に配置された赤外線センサを用いた住宅内人物移動推定
Estimating Moving Trajectory with Sparsely Aligned Infrared Sensors in Home Environment
建物内にセンサを配置したスマートホームやスマートオフィスにおいて,人の存在あるいは人の移動を検出することで入退室情報の取得や位置推定を行い,ログの生成や室内灯の制御などを実現している.従来研究における人の移動検出方法として,RFIDなどのタグを用いる手法が提案されているが,家庭などで移動推定のために部屋間を移動するたびにタグをかざす作業はユーザの負担になる.人がデバイスを保持しない例として,環境設置型カメラによる画像認識処理を用いる方法が存在するが,人の移動を追うには環境内に至るところにカメラを設置しなければならず設置コストが高く,また必要以上の情報を取得してしまうためプライバシの面で適さない.本論文では照明制御などを目的としてすでに多くの環境で設置されている赤外線人感センサを利用して,家庭内における住人の移動推定を行う.本論文で想定している赤外線センサの密度は一般的な天井照明と同程度(5m^2/sensor)で,センシング領域に死角がある疎な環境である.4人家族を想定して2階建て戸建て住宅で行った評価実験の結果,被験者に指示したシナリオの移動および人物を再現率0.93の精度で推定できた.提案手法で得られる住人の移動情報を利用することで,家電の効率的な制御や予測制御が実現できる. 
We propose in this paper a method for estimating trajectories of the inhabitants in a home environment, which exploits the synergy between location and movement to provide the information necessary for intelligent home appliance control. Our goal is to carry out accurate movement estimation for multiple people in a home environment. We propose an approach that uses information gathered using only passive infrared sensors commonly found in lighting control systems. No special devices or video cameras are needed. Moreover, it is not necessary to carry out data collection for training. We evaluated our approach by conducting experiments in a real home fitted with sensors and we confirmed that trajectories were detected with 0.93 recall for four inhabitants who moved upon scenarios. 

加速度センサを用いた複合的動作の認識手法
A Combined-activity Recognition Method with Accelerometers
加速度センサを用いた行動認識技術に関する研究が数多く提案されている.それらの研究において取り扱われている行動の多くは「座っている」や「歩いている」,「携帯電話を把持している」,「ボールを投げている」など1種類の動詞で表現可能な単体の動作である.しかしながら,現実では複数の行動や状態から成る複合的な動作も発生する.例えば,手で行うジェスチャ動作は立っている状態だけでなく,歩いたり座ったりしている最中にも行われる.このような複合的動作のもっとも単純な認識手法としては,考えられるすべての複合的動作のデータを採取して学習する方法が考えられるが,その組合せは膨大になる.本研究では単体の動作のデータのみの学習から複合的動作を認識する手法を提案する.評価より,提案手法は85%の精度で複合的動作を認識し,これはすべてのデータを学習した場合と同等の性能であることを確認した.
Many activity recognition systems using accelerometers have been proposed. Activities that have been recognized are single activities which can be expressed with one verb, such as sitting, walking, holding a mobile phone, and throwing a ball. In fact, combined activities that include more than two kinds of state and movement are often taking place. Focusing on hand gestures, they are performed not only while standing, but also while walking and sitting. Though the simplest way to recognize such combined activities is to construct the recognition models for all the possible combinations of the activities, the number of combinations becomes immense. In this paper, firstly we propose a method that classifies activities into postures (e.g., sitting), behaviors (e.g., walking), and gestures (e.g., a punch) by using the autocorrelation of the acceleration values. Postures and behaviors are states lasting for a certain length of time. Gestures, however, are sporadic or once-off actions. It has been a challenging task to find gestures buried in other activities. Then, by utilizing the technique, we propose a recognition method for combined activities by learning single activities only. Evaluation results confirmed that our proposed method achieved 0.84 recall and 0.86 precision, which is comparable to the method that had learned all the combined activities.

聴覚フィードバックを利用したペダリングトレーニングシステム
Training System of Bicycle Pedaling using Auditory Feedback
近年,スポーツとしての自転車利用に対する関心が高まっている.サイクルスポーツにおいて高いパフォーマンスを発揮するには,回転数が高くかつ回転速度が一定のペダリングが理想とされている.サイクルスポーツ熟練者のペダリング技術は長時間のトレーニングによって形成されるため,初心者が一定の回転速度でペダリングする技術を習得することは容易ではなく,イメージを共有しにくいため指導も困難である.そこで,本研究ではクランクが1/4回転するごとに音を発生させてペダルの回転速度を聴覚的にフィードバックするペダリングトレーニングシステムを開発した.ユーザは一定テンポのBGMにフィードバック音が合うようにペダリングすることで回転速度が一定に保たれていることを知覚できる. 4週間の実験の結果,システムを用いてトレーニングを行った被験者は,システムを用いずにトレーニングを行った被験者と比較して回転速度の分散が有意に減少した.
Recently, bicycling as a sport has attracted a great deal of attention. Previous research on bicycles suggests that pedaling at high frequency at a constant speed is most effective. However, it is hard for beginners to acquire such pedaling skills since expert cyclists develop the skills through long-term training. We propose a bicycle pedaling training system using auditory feedback. The system generates feedback sound every time a pedal crank turns a quarter rotation. Users can keep the pedaling speed constant by synchronizing pedaling with the feedback sound with background music whose tempo is constant. We conducted an experiment with eleven subjects for four weeks and confirmed that the variances of pedaling speed for the subjects trained with the proposed system decreased significantly compared with those of the conventional method.

圧力センサを用いた把持ジェスチャによる携帯端末の個人認証手法
Mobile Phone User Authentication with Grip Gestures using Pressure Sensors
スマートフォンやタブレットなどの携帯端末には電話番号やメールアドレスなどの個人情報が保存されており,その携帯性から紛失や盗難する機会も多いため,特定の個人のみに端末の利用を制限する個人認証が必要となる.広く普及している個人認証手法として,パスワードやなぞるパターン,顔認証,指紋認証などが挙げられるが,片手での画面操作が煩雑であったり,ショルダーハッキングに脆弱,顔写真や指紋を入手すれば容易に認証可能であるという問題がある.そこで,煩雑な操作を必要とせず,安全性の高い個人認証手法として,圧力センサを用いた把持ジェスチャによる個人認証手法を提案する.把持ジェスチャは行動的特徴の一種であり,携帯端末を操作する際の端末を握る動作のことである.把持ジェスチャは携帯端末の操作中に自然に行えるジェスチャであり,セキュリティロックの解除に煩雑な操作を必要としない.また,把持ジェスチャは指の力の入れ具合で区別されるため,盗み見ることは困難であり,第三者による把持ジェスチャの再現性は低く,セキュリティロックの安全性も高いと考える.本研究では,携帯端末の側面に搭載した圧力センサアレイを用いて,ユーザの把持ジェスチャの把持力の分布を測定して個人認証を行うシステムを構築した.提案システムの評価実験の結果,本人が自由に設定したジェスチャで認証を行う場合でEERが最低0.02となり,提案システムが有効であることが確かめられた. 
User authentication is generally used to protect personal information such as phone numbers, photos and account information stored in a mobile device by limiting the user to a specific person, e.g. the owner of the device. Authentication methods with password, PIN, face recognition and fingerprint identification have been widely used; however, these methods have problems of difficulty in one-handed operation, vulnerability to shoulder hacking and illegal access using fingerprint with either super glue or facial portrait. From viewpoints of usability and safety, strong and uncomplicated method is required. In this paper, a user authentication method is proposed based on grip gestures using pressure sensors mounted on the lateral and back sides of a mobile phone. Grip gesture is an operation of grasping a mobile phone, which is assumed to be done instead of conventional unlock procedure. Grip gesture can be performed with one hand. Moreover, it is hard to imitate grip gestures, as finger movements and grip force during a grip gesture are hardly seen by the others. The feature values of grip force are experimentally investigated and the proposed method from viewpoint of error rate is evaluated. From the result, this method achieved 0.02 of equal error rate, which is equivalent to face recognition. Many researches using pressure sensors to recognize grip pattern have been proposed thus far; however, the conventional works just recognize grip patterns and do not identify users, or need long pressure data to finish confident authentication. This proposed method authenticates users with a short grip gesture.

加速度センサを用いたジェスチャ操作の早期認識手法
Early Gesture Recognition Method with an Accelerometer
端末に搭載された加速度センサから得られる値を用いて端末の動きを検出することで従来のインタフェースでは困難であった入力が実現できる.一般的に加速度センサを用いたジェスチャ認識では,ジェスチャ終了後に認識処理を開始するため,ジェスチャ入力を行なってからフィードバックの出力までに遅延が生じ,インタフェースの操作性の低下につながる.本研究では,加速度センサを用いたジェスチャ認識において,途中までのジェスチャ入力データと教師データとの距離を逐次的に計算する早期認識アルゴリズムとその応用について述べる.提案手法では各教師データとの距離計算において,認識結果の候補が拮抗している場合には,認識結果を出力せずに次サンプルの入力を待ち,確度の高い唯一の候補が決定した時点で認識結果を出力する.提案手法を現場で用いた例として,参加型演劇における参加者の動き取得に早期認識を用いた事例を示し,早期認識の有用性を考察する.
An accelerometer is installed in most current mobile phones, such as iPhones, Android-powered devices, and video game controllers for the Wii or PS3, which enables easy and intuitive operations. Therefore, many gesture-based user interfaces that use accelerometers are expected to appear in the future. Gesture recognition systems with an accelerometer generally have to be models constructed with a user's gesture data before use, and they need to recognize any unknown gestures by comparing them with an output of the recognition result and feedback delays since the recognition process generally starts after the gesture has finished, which may cause users to retry gestures and thus degrade the interface usability. We propose an early stages gesture recognition method that sequentially calculates the distance between the input and training data, and outputs recognition results only when one output candidate has a stronger likelihood than the others. Gestures are recognized in the early stages of a given motion without deteriorating the level of accuracy, which improves the interface usability. Our evaluation results indicated that the recognition accuracy approached 1.00 and the recognition results were output 1,000 msec on average before a gesture had finished.

加速度センサを用いたジェスチャ認識に疲労および忘却が与える影響の評価
Determining a Number of Training Data for Gesture Recognition Considering Decay in Gesture Movements
携帯電話や携帯型ゲーム機に搭載されている加速度センサを用いたジェスチャ認識技術を利用することで,3Dオブジェクトの描画など従来のインタフェースでは困難であった入力や日常生活での細かな動作の記録などが可能になる,ジェスチャ認識では,認識を行う前に数回分のジェスチャを行い,そのデータを学習データとして用いることが一般的である.しかし,ユーザが学習データ採取時に行った動きを忘れたり,疲労によってジェスチャが変化することで,ジェスチャを正しく認識できない可能性がある.従来の研究ではユーザの状態が変化しないことを前提にしており,ジェスチャの変化を考慮していなかった.本研究では,ユーザの疲労および忘却がジェスチャ動作に与える影響を評価し,適切な学習データの位置をオンラインで探索する手法を提案する.評価より,提案手法を用いることではじめの数回を学習データとする手法よりもその後のデータに対して安定した学習データを選択できたことを確認した.
Mobile phones and portable video games using gesture recognition technologies with an accelerometer enable drawing objects, which is difficult for conventional interfaces, and recording detailed activities in daily life. Generally, though several samples of gesture are used as training data, which may lead to misrecognition because the trajectory of gestures changes due to fatigue or forgetting gestures. However, researches considering changes of gestures have not been reported so far. We evaluate the effect of users' fatigue and forgetfulness for gesture recognition and propose a method finding appropriate position for training data in real time. We have confirmed that the proposed method finds more stable training data than that from conventional one.

指示の具体度がジェスチャ動作に与える影響の評価

Evaluating Gesture Recognition by Multiple-Sensor-Containing Mobile Devices

携帯電話や家庭用ゲーム機のコントローラにジェスチャ認識技術を用いることで,図形の描画など従来のインタフェースでは困難であった入力が可能になる.ジェスチャ入力の特徴は表現が豊かでさまざまな入力が行える点であるが,言葉によるジェスチャの伝達が困難であるという問題がある.一般的には事前に開発者側で認識モデル構築し,想定するジェスチャを言葉や図,動画で表現してマニュアルを作成する.ユーザはそのマニュアルを参照してジェスチャを行うが,表現方法によっては開発者が想定したジェスチャを行わない可能性がある.本研究では,ジェスチャの表現の具体度の違いによるジェスチャの変化を評価する.評価では 13 人の被験者から 10 種類 44 パターンのジェスチャのデータを合計 2835 サンプル採取した.結果から指示の具体度が上がるにつれて想定通りのジェスチャが行われ,「ドア」 など複数の形状を想像させる語を付加することでユーザ間でのジェスチャの一貫性が失われることを確認した.
In the area of activity recognition with mobile sensors, a lot of works on context-aware systems using accelerometers have been proposed. Especially, mobile phones or remotes for video games using gesture recognition technologies enable easy and intuitive operations such as scrolling browser and drawing objects. Gesture input has an advantage of rich expressive power over the conventional interfaces, but it is difficult to share the gesture motion with other people through writing or verbally. Assuming that a commercial product using gestures is released, the developers make an instruction manual and tutorial expressing the gestures in text, figures, or videos. Then an end-user reads the instructions, imagines the gesture, then perform it. In this paper, we evaluate how user gestures change according to the types of the instruction. We obtained acceleration data for 10 kinds of gestures instructed through three types of texts, figures, and videos, totalling 44 patterns from 13 test subjects, for a total of 2,630 data samples. From the evaluation, gestures are correctly performed in the order of text→figure→video. Detailed instruction in texts is equivalent to that in figures. However, some words reflecting gestures disordered the users' gestures since they could call multiple images to user's mind.

行動の順序制約を用いた加速度データのラベリング手法
Labeling Method for Acceleration Data using an Execution Sequence of Activities
携帯端末に内蔵されたセンサや小型の装着可能なセンサを用いて人の動きを認識する技術を行動認識技術と呼び,ユーザに特化したシステムやサービスを提供する基盤技術となっている.行動認識システムを構築するためには,行動情報が付与(ラベリング)されたセンシングデータを用いて事前に行動モデルを作成しておく必要がある.ラベリングする方法として,一般的にはデータ収集中の行動をビデオカメラなどで撮影してセンサデータと手作業で照合したり,紙とペンですべての行動と時刻をメモに記録してセンシングデータと照合するアプローチがとられている.しかし,ビデオ映像を用いた照合は多大な時間を要し,行動のメモは行動が変化するたびに記録しなければならず自然な動作の妨げになる.本論文では,行動が行われた順序の情報のみを用いてラベリング作業を自動化する手法を提案する.行動順序情報はユーザがデータ収集中に行った行動を収集の合間や収集後に記録して作成する.含まれる情報は行動の順序のみであり,各行動が行われた時刻は含まず,また行われたすべての行動が記録されているとは限らない.評価結果より,7種類の行動を含む15~30分間自由に行動した5名分のデータに対して,77.2%の精度でラベリングでき,得られたラベル付きデータを用いて認識モデルを構築した際の認識精度は,正しくラベル付けしたデータを用いた際と比較して最小6.7%,平均20%の低下であったことを確認した. 
In the area of activity recognition, many systems using accelerometers have been proposed. Common method for activity recognition requires raw data labeled with ground truth to learn the model. To obtain ground truth, a wearer records his/her activities during data logging through video camera or handwritten memo. However, referring a video takes long time and taking a memo interrupts natural activity. We propose a labeling method for activity recognition using an execution sequence of activities. The execution sequence includes activities in performed order, does not include time stamps, and is made based on his/her memory. Our proposed method partitions and classifies unlabeled data into segments and clusters, and assigns a cluster to each segment, then assign labels according to the best-matching assignment of clusters with the user-recorded activities. The proposed method gave a precision of 0.812 for data including seven kinds of activities. We also confirmed that recognition accuracy with training data labeled with our proposal gave a recall of 0.871, which is equivalent to that with ground truth.

片手用キーボードによる打鍵間隔を活用した文字入力手法
A Text Input Method for Half-Sized Keyboard using Keying Interval
近年のコンピュータ小型化にともない,ウェアラブルコンピューティングに関する注目が高まっている.ウェアラブルコンピューティング環境では,携帯性や装着性の観点から小型の入出力デバイスが望まれる.一般に,コンピュータへの文字入力デバイスとしてはキーボードが広く普及しており,多くのユーザがキーボードの入力に慣れ親しんでいる.しかし,キータッチのしやすさなどのユーザビリティに影響を与えるため,キーボードの単純な小型化には限度がある.そこで本研究では,ユーザがすでに体得しているキーボード入力の能力を活かすために,既存のキー配列をそのままに保ちながらキーボードを左右に分割し,どちらか一方のみを用いる手法を提案する.提案手法では,単語の切れ目ごとにキーボード半分の打鍵情報のみから入力単語を推測する.提案手法を用いることで,従来のキーサイズと入力動作を最大限に保ったままキーボードの大きさを半減できる. 
In wearable computing, compact I/O devices are desirable from the viewpoint of portability. Now, many users are accustomed to input with a keyboard, however, there is a limitation of miniaturization because it degrades the performance of key touch. Therefore, in this paper, we propose a method to miniaturize a keyboard by excluding the half of it. The user can input words with one hand because the proposed system estimates the input word using keying interval, which appears also when the user inputs with both hands. From the result of user study, we confirmed that the user can input with only one hand and that it does not decrease input speed drastically. 

キーボードの打鍵情報を活用した図形型コマンド入力方式
A Shape Command Input Method using Key Entry Information of Physical Keyboard
現在,PC 用のキーボードは主に文字入力に用いられ,ファンクションキーやショートカッ トキーなどを活用することで数多くの機能を実現している.しかし,これらの入力によって高速な操作が可 能となる一方,キーと機能の組み合わせを覚えなければならないという問題点がある.そこで本研究では, 従来の文字入力を行う「タイピング」に加えて,キーボードをなぞる「ストローク」およびキーボードを ある形状で押す「スタンプ」の 3 種類のコマンドの入力をシームレスに行う方式を提案する.提案手法は キーボードの入力特性から「タイピング」,「ストローク」,「スタンプ」を自動的に判定をするため,特別な 装置を用いることなく文字入力中のシームレスなコマンド入力を実現する. 
Keyboard is mainly used for text input, and has function keys and shortcut keys to reduce the number of manual operation. However, it is difficult and troublesome to memorize relations between keys and functions for beginners. In this paper, we propose two intuitional input methods on the physical keyboard in addition to usual text-typing: stroke that traces a shape on the keyboard, and stamp that presses a shape on the keyboard. Our system automatically classifies user inputs into text-typing, stroke, or stamp from key entry information, enabling us to seamlessly input those commands without additional devices.

サンプリング制御とデータ補完による行動認識システムの省電力化手法
A Method for Energy Saving on Context-aware System by Sampling Control and Data Complement
近年,計算機の小型化・軽量化によりコンピュータを装着するウェアラブルコンピューティングに注目が集まっている.ウェアラブルコンピューティング環境では,複数の装着型センサを用いてユーザの動作や状態を認識し,多様なサービスが提供される.ユーザの細かい動作や状態を認識するためには複数のセンサを用いることが一般的であるが,従来のアーキテクチャは消費電力と認識精度の観点から見ると最適であるとはいえない.そこで,本論文では,装着型加速度センサのサンプリング周波数を制御することで行動認識システムの消費電力を低減させる手法を提案する.提案システムではサンプリング周波数の低下によって生じる欠損データを補完し,サンプリング周波数を一定に保つ機構を持つため,認識精度を維持しつつ消費電力を削減できる.
The downsizing of computers has led to wearable computing that has attracted a great deal of attention. In wearable computing environments, a wearable computer runs various applications using various wearable sensors. In the research area of context-awareness, though various systems use multiple accelerometers to recognize minute motions and states, conventional architecture has a room to be optimized from the viewpoint of energy consumption and accuracy. In this paper, we propose a context-aware system that reduces energy consumption by controlling the sampling frequency of wearable sensors. Even if the sampling frequency changes, no extra configurations on recognition and learning algorithm are required because the missing data for controlled sensors are complemented by our proposed algorithm. By using our system, energy consumption can be reduced without large loss in accuracy.

加速度データの定常性判定による運動中のジェスチャ認識手法
A Motion Recognition Method by Constancy Decision
近年,計算機の小型化・軽量化によりコンピュータを装着するウェアラブルコンピューティングに注目が集まっている.特に行動認識の分野では,加速度センサを用いたシステムが数多く提案されてきた.従来の行動認識システムで認識可能なコンテキストはその波形の形状から「座る」などの姿勢,「歩く」などの運動,「円を描く」などのジェスチャの3種類に分類できる.姿勢と運動は一定時間継続される状態であり,特徴量を用いて認識される.一方,ジェスチャは1回きりの動作であり,波形自体を用いて認識される.このような認識手法の違いから運動中のジェスチャ認識は困難とされてきた.また,従来のジェスチャ認識はジェスチャの開始点を明示するためにいったん停止したりボタンを押したりする必要があった.そこで本論文では,加速度波形の定常性を判定し,ジェスチャの部分に対してのみジェスチャ認識を行うことで姿勢,運動,ジェスチャを認識するシステムを提案する.評価結果より,5種類の運動中に行った7種類のジェスチャ認識のRecallとPrecisionは従来手法では0.75および0.59であるのに対し,提案手法では0.93および0.92と改善した.提案システムを用いることで運動中でもジェスチャによる入力や機器の操作が可能になる. 
The downsizing of computers has led to wearable computing that has attracted a great deal of attention.In the area of context awareness, many context-aware systems using accelerometers have been proposed. Contexts that have been recognized are categorized into postures (e.g., sitting), behaviors (e.g., walking), and gestures (e.g., draw a circle). Postures and behaviors are states lasting for a certain length of time, which are recognized with several feature values over a window. Gestures, however, are once-off actions. It has been a challenging task to find gestures on real environments where gestures are buried in other contexts. In this paper, we propose a method that classifies contexts into postures, behaviors, and gestures by using the autocorrelation of the acceleration values and recognizes contexts with an appropriate method. We evaluated the performance of recognition for seven kinds of gestures while five kinds of behaviors; The conventional method gave recall and precision of 0.75 and 0.59 whereas our method gave 0.93 and 0.92, respectively. Our system enables a user to input by gesturing even while he or she is performing a behavior. 

センサのピーク値を用いた状況認識
A Method for Context Recognition Using Peak Values of Sensors
ウェアラブルコンピューティング環境では小型の装着型センサを用いて取得した行動や状況(コンテキスト)を利用するさまざまなアプリケーションが提案されている.装着者のコンテキストを取得する際に,センサの値に対して特徴量抽出と呼ばれる前処理が行われる.この特徴量抽出ではこれまで,判別性能の高さから平均や分散,FFT係数などが多くの研究で採用されてきたが,これらはデータサイズが元のデータよりも大きくなるため,センサは生データの状態でコンピュータに送信し,その後特徴量抽出と認識が行われる.しかし,生データの通信やセンサ内のメモリへの書き込みによって消費する電力は大きく,低消費電力ハードウェアにとって負担となるものであった.本論文では,従来の特徴量と同等の性能を示しつつデータサイズは小さい新たな特徴量として,加速度波形のピークの高さと幅を提案する.提案する特徴量を用いることでセンサ内で特徴量変換を行いデータサイズを削減したうえでメインコンピュータに送信するため,消費電力の削減につながる.
In wearable computing environments, various applications are assumed to get a richer sense of context via a set of wearable sensors. When obtaining the wearer's context, raw sensor values typically have to be pre-processed before recognition can take place. This process of feature-extraction in wearable sensing has thus far favored combinations of mean, variance, and Fourier coefficients over a sliding window as highly-discriminative features and have been used extensively so far in the literature. Since the size of the features tends to become larger than that of the raw data itself, sensors send raw data to a main computer, then feature-extraction and recognition take place. However, raw data consume large power for wireless communication and writing to their memories, conflicting with the often low-power hardware in wearable computing. In this research, we suggest width and height of peaks as features that perform in the range of conventional features but that have smaller data size. By using our proposal, sensors shrink data and send these to the main computer after feature-extraction, which would conserve power. 

装着型センサを用いた経路推薦機構を持つナビゲーションシステム
Navigation System with a Route Planning Algorithm Using Body-worn Sensors
公園でのスタンプラリーや遊園地でのアトラクション巡回など,イベント空間内におけるポイント巡回型のサービスが提供されている.イベント参加者は「遠回りしたくない」,「体験したいアトラクションを回りたい」といった各々の意志で行動しているが,参加者の意志のみに任せた運営は,特定アトラクションの混雑や,ラリーの早期終了・遅延を招く可能性がある.そこで本研究では,参加者の行動を緩やかに制御できる環境を想定し,「一定時間内でラリーを終わらせたい」,「効率良くポイントを回らせてイベント完遂者を増やしたい」といった主催者の意図を考慮した経路推薦機構を持つナビゲーションシステムを提案する.提案システムを実運用した結果,参加者はイベント主催者の目的に沿って行動すること,また,装着型センサを用いて参加者の情報を収集した場合にシステムがより有効に動作することを確認した. 
There are many kinds of event spaces such as stamp rally and amusement spot. In these events, the participants behave as they want and it causes problems for the event managers, such as too long necessary time or the congestion of specific attractions. In this paper, we propose a navigation system that has a route planning algorithm to satisfy the purposes for the event manager. The result of actual use in our system bore out that the participants behaved according to the purposes of the event manager. Moreover, by using a wearable computer and wearable sensors, participants' real-time information are acquired and our system performs better. 

ウェアラブルコンピューティングのための消費電力を考慮したコンテキストアウェアシステム
Context-aware System Considering Energy Consumption for Wearable Computing
計算機の小型化・軽量化によりコンピュータを装着するウェアラブルコンピューティングに注目が集まっている.ウェアラブルコンピューティング環境では,複数の装着型センサを用いてさまざまなアプリケーションが提供される.特にコンテキストアウェアの分野では,細かい動作や状態を認識するために複数の加速度センサを用いるが,多数のデバイスを用いているにもかかわらず消費電力の低減は考慮されていなかった.そこで本研究では,低消費電力なコンテキストアウェアシステムの実現を目的とする.提案システムは,消費電力と認識精度を考慮して最適なセンサの組合せを決定し,不要なセンサの電源をオフにすることで消費電力を低減させる.稼働センサ数を変更しても,筆者らの提案するデータ補完手法を用いることで,認識精度を維持しつつ低消費電力なコンテキストアウェアシステムを利用できる. 
In wearable computing environments, a wearable computer runs various applications using various wearable sensors. In the area of context awareness, though various systems use multiple accelerometers to recognize very minute motions and states, energy consumption was not taken into consideration. We propose a context-aware system that reduces energy consumption. The proposed system changes sensor combination in terms of energy consumption and accuracy, and turns unused sensors off. Even if the number of sensors changes, no extra classifiers or training data are required because the data for shutting off sensors is complemented by our proposed algorithm. By using our system, power consumption can be reduced without large losses in accuracy. 

ウェアラブルコンピューティングのためのセンサ管理デバイス
CLAD: Cross-linkage for Assembled Devices
コンピュータの小型化,高性能化にともない,ユーザがコンピュータをつねに身に着けて持ち運ぶウェアラブルコンピューティングに対する注目が高まっている.ウェアラブルコンピューティング環境では,ユーザが装着している各種センサ(ウェアラブルセンサ)を用いて,さまざまなアプリケーションが動作している.ウェアラブルシステムでは消費電力の低減が重要であるが,従来のウェアラブルシステムはウェアラブルセンサの電源を柔軟に管理できなかったため,使用していないセンサに対しても無駄な電力を供給していた.また,センサは故障や電力供給不足,過電流などさまざまな原因で動作が不安定になるが,これらの検出をソフトウェアレベルで行うことは困難であった.そこで本研究ではこれらの問題を解決するために,状況に応じた電源管理とセンシングデータ管理を実現するセンサ管理デバイスCLAD(Cross-Linkage for Assembled Devices)の設計と実装を行う.CLADは状況に応じてセンサの電源を管理し,センサの特性を考慮した高度なエラー制御機能や故障したセンサの代わりに擬似データを生成する機能を持つ.CLADを利用することで消費電力を低減させながらデータの正確性およびシステムの動作信頼性が向上する. 
In wearable computing environments, a wearable computer runs various applications with various sensors (wearable sensors). Since conventional wearable systems do not manage the power supply flexibly, they consume excess power resource for unused sensors. Additionally, sensors frequently become unstable by several reasons such as breakdown of sensors. It is inadequate for application engineers to detect them only by sensing data. To solve these problems, we propose a new sensor management device CLAD (Cross-Linkage for Assembled Devices) that has various functions for power management and sensed data management. CLAD improves power saving, data accuracy, and operational reliability. 
Comments