@article{oai:ipsj.ixsq.nii.ac.jp:00148202,
 author = {前中, 省吾 and 森下, 慈也 and 永田, 大地 and 玉井, 森彦 and 安本, 慶一 and 福倉, 寿信 and 佐藤, 啓太 and Shogo, Maenaka and Shigeya, Morishita and Daichi, Nagata and Morihiko, Tamai and Keiichi, Yasumoto and Toshinobu, Fukukura and Keita, Sato},
 issue = {2},
 journal = {情報処理学会論文誌},
 month = {Feb},
 note = {本論文では，参加型センシングに基づき，多数の車両が車載スマートフォンを用いて，桜の花が咲いている場所の情報および動画を自動的に収集，配信するシステム，桜センサを提案する．桜センサでは，(1)桜の花の有無と量（桜度合い）を正確に認識すること，(2)複数車両が分担してセンシングすることで，負荷に偏りの生じないセンシングを実現すること，という2つの技術的課題を解決することを目標としている．(1)を解決するため，事前に作成した桜の花に出現する色の分布を用いて入力画像における桜度合いを算出する方法と，桜の花に似た色の人工物の誤検出を防ぐフラクタル次元解析に基づく方法を提案する．(2)を解決するため，各PoI（桜の花が見られる地点）の発見率をあまり低下させることなく車両1台あたりの処理負担を軽減する多段階センシング法を提案する．これは，すでに発見されたPoI近辺に新たなPoIが存在すると仮定し，既登録PoIの付近におけるセンシング（画像の撮影と解析）間隔を動的に短くする方法である．桜センサをiOSデバイスとサーバからなるシステムとして実装し，桜が開花中の道路を走行する実験を行った．7カ所で収集した合計1860秒の動画を10秒ごとに区切った動画186個に桜センサを適用した結果，桜のあり・なしを適合率0.91，再現率0.53で認識できた．また，シミュレーション実験により，多段階センシング法は，固定距離間隔でセンシングを行う手法と比較し，約半分のセンシング回数で同程度のPoI発見率を達成した．, In this paper, we propose SakuraSensor, a system which senses and shares the information of roads with flowering cherries by leveraging car-mounted smart-phones. SakuraSensor aims to solve two technical challenges: (1) how to accurately detect flowering cherries and its degree, and (2) how to efficiently find locations of flowering cherries (PoIs) through cooperation among participants. For (1), we develop a color analysis-based method to detect image pixels belonging to flowering cherries. To exclude artificial objects with similar color, we also employ fractal dimension analysis. For (2), we propose the k-stage sensing method which dynamically narrows sensing interval near the PoIs already found, assuming that PoIs exist close together. We implemented SakuraSensor for for iOS devices with a cloud server, and traveled cherry-lined roads and recorded a total of 1,860 seconds video (divided into 186 ten-second videos for classification) in 7 different places. As a result, SakuraSensor classified the 186 videos into two classes (with or without flowering cherries) at about 0.91 of precision and 0.53 of recall. In addition, our k-stage sensing method achieved the comparable PoI discovery rate with half sensing times compared to a conventional method.},
 pages = {629--642},
 title = {桜センサ：車載スマートフォンを用いた桜開花状況の収集・共有システム},
 volume = {57},
 year = {2016}
}