ユーザ位置情報と家電消費電力に基づいた宅内生活行動認識システム

• Item type: Journal(1)
• 公開日: 2016-02-15
• タイトル: ユーザ位置情報と家電消費電力に基づいた宅内生活行動認識システム
• タイトル / 言語: en
• タイトル: A Living Activity Recognition System Based on Power Consumption of Appliances and Inhabitant's Location Information
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：ネットワークサービスと分散処理] 宅内生活行動認識，プライバシ配慮，屋内位置センサ，消費電力センサ，機械学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: 株式会社国際電気通信基礎技術研究所（ATR）
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Advanced Telecommunications Research Institute International (ATR)
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology
• 著者名: 上田, 健揮; 玉井, 森彦; 荒川, 豊; 諏訪, 博彦; 安本, 慶一
• 著者名(英): Kenki, Ueda; Morihiko, Tamai; Yutaka, Arakawa; Hirohiko, Suwa; Keiichi, Yasumoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 効果的な省エネ家電制御や見守りなどのコンテキストアウェアサービスを実現するためには，家庭内における生活行動の認識が必須である．これまで，行動認識に関する研究は数多く行われているが，(1)多数のセンサを使用するため導入・維持コストが高い，(2)カメラやマイクを使用するためプライバシを侵害する，(3)認識できる行動種類が少ないまたは認識精度が低いなどの課題が残されている．本稿では，上記3つの課題をすべて解決することを目指した生活行動認識システムを提案する．提案システムでは，課題(1)，(2)を解決するため，今後の低価格化・普及が見込め，カメラなどに比べプライバシ露出への抵抗が少ないと考えられる屋内位置センサおよび家電に取り付けた消費電力センサのみを用いる．また，課題(3)を解決するために，(i)多数の行動に対するセンサデータの記録と各行動に対応する教師データの抽出，(ii)教師データに対する効果的な特徴量の選定，(iii)適切な行動学習モデルの構築を行っている．4人の被験者による3日間ずつの生活にともなうセンサデータを用いて評価実験を行った結果，10種類の生活行動を平均91.3%の精度で認識できることを明らかにした．また，導入コストの抑制を想定し，消費電力センサの数および位置測定の精度を低下させる環境下で評価した場合でも，平均87.1%の精度で行動を認識できることを明らかにした．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: To realize context-aware services such as efficient energy-saving appliance control and elderly monitoring, high-accuracy in-home living activity recognition is essential. Many research efforts have been devoted to living activity recognition so far, but the following remains as pending problems: (1) high deployment and maintenance costs due to many sensors used; (2) privacy exposure due to utilization of cameras and microphones; and (3) few recognizable activities or low recognition accuracy. In this paper, we propose an in-home living activity recognition system which aims to solve all the aforementioned problems. To solve problems (1) and (2), our system only utilizes indoor positioning sensors and power meters that are going to widespread and considered to have low privacy exposure. To solve the problem (3), in this paper, we have tackled the following challenges: (i) recording sensor data including various living activities and extracting training samples corresponding to activities; (ii) determining appropriate features for training samples; and (iii) determining the best machine learning algorithm to achieve high recognition accuracy. We have conducted evaluation experiments with the sensor data by four subjects living in a home for three days each. As a result, the proposed system achieved 91.3% accuracy on average in recognizing ten different living activities. Furthermore, even when we degrade granularity of location and power meter data supposing to use low-cost sensors, our system achieved about 87.1% recognition accuracy on average.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 57, 号 2, p. 416-425, 発行日 2016-02-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764