@techreport{oai:ipsj.ixsq.nii.ac.jp:00218049,
 author = {金子, 典滉 and 小川, 将克 and Noriaki, Kaneko and Masakatsu, Ogawa},
 issue = {1},
 month = {May},
 note = {新型コロナウイルス (COVID-19) の感染拡大により，非接触技術の需要が急激に高まっている．非接触下における新たな情報入力手法の提案のために，本研究では非接触型デバイスを用いた手数字の入力に着目する．これまでの研究では非接触型ハンドトラッキングセンサである Leap  Motion を用いて取得したデータから LSTM による識別を行った．統合型学習モデルによる識別では 2 つの Leap  Motion が取得した手指に関する三次元データを別々に扱い，2 つの入力層から構成される LSTM により識別を行うことで精度の改善を確認した．本研究では，計測する対象の被験者数を増加させて識別することで，統合型 LSTM が当該の条件下においても効果的に機能することを明らかにする．複数被験者データに対する Bidirectional LSTM による統合型学習モデルを用いた識別では 94.3％ 程度の精度であり，提案手法の有効性を確認した．, With the increasing infection of the new coronavirus (COVID-19), demand for contactless technology is rapidly increasing. To address this demand, we focus on the numerical input. In our conventional studies, we tried to recognize handwritten numerical character by LSTM using three-dimensional hand and finger data obtained by Leap Motion. In concatenated learning model, we separately analyze three-dimensional data obtained by each Leap Motion and recognize them by LSTM composed of dual input layer. In this study, we verify the effectiveness of the proposal learning model with multiple subjects. As a result of the classification accuracy, applying the bidirectional LSTM classification achieves the maximum 94.3% and we confirm the effectiveness of proposed method.},
 title = {統合型LSTMを用いた手数字識別の複数被験者による評価},
 year = {2022}
}