ニューラルネットワークを用いたウェアラブル慣性センサのアップサンプリング手法

• Item type: Journal(1)
• 公開日: 2020-08-15
• タイトル: ニューラルネットワークを用いたウェアラブル慣性センサのアップサンプリング手法
• タイトル / 言語: en
• タイトル: Upsampling Method for Wearable Inertial Sensors with Neural Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] ウェアラブルセンサ，アップサンプリング，ニューラルネットワーク
• 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
• ID登録: 10.20729/00206262
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者名: 吉村, 直也; 前川, 卓也; 天方, 大地; 原, 隆浩
• 著者名(英): Naoya, Yoshimura; Takuya, Maekawa; Daichi, Amagata; Takahiro, Hara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: スマートウォッチをはじめとするウェアラブルデバイスには，加速度センサやジャイロスコープなど多数のセンサが搭載されており，行動認識やジェスチャ・コントロール，手書き入力，ゲームコントローラ，手話を利用した遠隔コミュニケーションなど様々なアプリケーションへの応用が期待されている．しかし，一般に流通しているスマートウォッチでは，加速度センサ・ジャイロスコープのサンプリングレートが制限されており，高サンプリングレートの信号を取得することが難しいため，ユーザの体の動きをきめ細やかに計測することは難しい．本研究ではニューラルネットワークを用いて信号を補間することで，低いサンプリングレートの信号から高いサンプリングレートの信号を生成する手法を提案する．低いサンプリングレートで取得された信号の失われた情報を復元することは不可能であるため，本研究では事前に収集した高いサンプリングレートの信号を用いて，低いサンプリングレートの信号に欠けている計測値を推定することを試みる．体の特定の部位に装着されたセンサが計測するデータは装着された部位の構造によって制約を受ける．したがって，この装着部位に起因する制約を事前に学習することで，高サンプリングレートの信号を擬似的に復元できる．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Inertial sensor data collected from wearable smart devices such as smartwatches are expected to be used in various smart applications such as video game controllers, hand drawing, hand writing, gestural input devices, human activity recognition, and remote communication using sign language. However, since the maximum sampling rate of inertial sensors in commercial smartwatches is restricted, capturing fine-grained body movements using the low-sampled signals is difficult for these sensors. Therefore, we propose a new method for generating high sampling rate signals from the low-sampled signals by upsampling the low-sampled signals using interpolation with an artificial neural network. Because it is impossible to obtain “non-existent” data from low-sampled signals according to the information theory, the proposed method estimate these data from experience, i.e., using high-sampled signals prepared in advance for training. This is possible because trajectories of a sensor are restricted by the skeletal structure of the body part to which the sensor is attached.
• 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 61, 号 8, p. 1285-1293, 発行日 2020-08-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764