@techreport{oai:ipsj.ixsq.nii.ac.jp:00242217,
 author = {束野, 通洋 and 峰野, 博史 and Michihiro, Tsukano and Hiroshi, Mineno},
 issue = {58},
 month = {Jan},
 note = {高齢者の転倒は死に至る重大な要因であり，転倒後，早急に対応することが求められる．近年，深層学習を用いた転倒検出の研究が盛んである．精度向上のため，教師データを大量に収集することが求められるが，転倒データを収集することは危険を伴い，現実的に困難である．また，カメラ画像を使用する場合，設置環境に依存するため運用が制限されてしまうことや，プライバシーの問題が発生する．本研究では，異常検知手法を利用することで，正常な行動データのみを学習し，認識された異常な行動を転倒と分類する手法を検討する．教師データが正常な行動データのみであれば，膨大な量の教師データが期待できる．また，ウェアラブルセンサデータを用いることで，プライバシーを保護しつつ，突発的な転倒に対応することを目指す．本論文では，加速度センサとジャイロセンサのデータをスペクトル可視化し，畳み込みオートエンコーダを用いて特徴量を抽出後，OC-SVM で正常と転倒を分類した．また，複数のセンサに対応するために，センサごとに畳み込みオートエンコーダを構築した．評価では，元のセンサデータを画像化したものやスペクトログラム，スカログラムを用いるとともに，センサごとに構築した単体モデル，あるいは複数モデルによる性能を比較した．結果として，スカログラムを用いた複数モデルによる方法の F1-score が 0.915 で，最も有効であることを示した．},
 title = {ウェアラブルセンサのスペクトル可視化による転倒検出AIの開発と評価},
 year = {2025}
}