IMUを組み込んだスリッパ型デバイスによる個人識別手法の検討(SF2020)
•
0 likes•113 views
IMUを組み込んだスリッパ型デバイスによる個人識別手法の検討，第37回センシングフォーラム，2020年9月4月
Recommended
Recommended
More Related Content
More from sugiuralab
More from sugiuralab (20)
IMUを組み込んだスリッパ型デバイスによる個人識別手法の検討(SF2020)
- 1. IMU を組み込んだスリッパ型デバイスに よる個人識別手法の検討 Personal Identification Method by Slipper-type Device with IMU Sensor 〇藤井美結, 加藤花歩, Chengshuo Xia, 杉浦裕太 慶應義塾大学 2020年9月3日 第37回センシングフォーラム 計測部門大会 萌芽セッション
- 2. • 人々が集う場(老人ホーム，地域公民館など)におけ る利用者管理の目的でのユーザ個人識別を想定 • 個人識別の方法→生体(顔，指紋，虹彩など) • 動作を中断しなければならない可能性 2 背景
- 3. • 顔認証による出席管理[1] 3 関連研究 [1] CHEN Ping, HUANGFU Da-Peng, and LUO Zu-Ying. Automatic Attendance Face Recognition for Real Classroom Environments. BDIOT 2018, ACM,65–70 カメラで出席者を計測するようす
- 4. • 歩き方の個性に基づく個人認証[2] 4 関連研究 [2]M. Okumura, H. Iwama, Y. Makihara, and Yasushi Yagi. Performance Evaluation of Vision-based Gait Recognition using a Very Large-scale Gait Database. Proc. IEEE 4th Int. Conf. on Biometrics: Theory, Applications and Systems, pp. 1-6, Washington D.C., USA, Sep. 2010. カメラで歩行を撮影しているようす
- 5. • 日常動作で識別は可能である． • 顔や見た目のプライバシが守れない． • 環境によっては識別が困難である． • カメラに映らない場所に人がいるとき • 暗闇など • 人が重なってしまったとき 5 カメラを用いた認証の課題
- 6. • 日常の自然な動作の生体情報を使用した個人識別 • 環境に左右されない個人識別 • プライバシに配慮した個人識別 6 目的
- 7. • スリッパにセンサを組み込んで歩行動作を計測して 個人を識別するスリッパ型デバイスを提案 • 対象としている屋内施設における日常動作として利用者 の歩容を定義 • 動作計測の方法 • 施設内で利用される「履物」に注目 • 特にスリッパは屋内施設で使用されていることが多い． 7 提案手法
- 8. • 人々が集う場で，プライバシを侵害することなく個 人を識別でき，人々の行動記録が可能 • 例) 出席率やリピート率 8 提案手法 匿名Aさん 提案手法 匿名Aさん匿名Bさん
- 9. 9 実装・実験 全体的な流れ 実験１ センサ装着位置の基礎検討 • 全身に装着したセンサによる個人識別 • 最適な分割数や特徴抽出方法等を検討実験２ スリッパデバイスでの実験 • センサを装着したスリッパによる個人識別
- 10. 10 実験１：センサ装着位置の基礎検討 項目 実験１ 被験者 [人] 10 センサの種類 IMU(Xsens) 3軸加速度センサ センサ装着箇所 全身17部位 動作 歩行動作 フレームレート [fps] 60 取得フレーム数 約5000 センサ装着位置 実験条件 • データ計測フェーズ
- 12. • 全身の多くの部位で90%を超 える精度で個人識別が可能 • 足の個人識別精度 • 右足94.3% • 左足95.3% • 両足97.0% • 足のみのセンサデータでも充 分に個人識別が可能 12 実験１：結果と考察 各身体部位での個人識別率[%]
- 15. 15 実験２：スリッパデバイスでの実験 項目 実験１ 実験2 被験者 [人] 10 3(筆者含む) センサの種類 IMU(Xsens) 3軸加速度センサ センサ装着箇所 全身17部位 右足 動作 歩行動作 フレームレート [fps] 60 取得フレーム数 約5000 実験条件 • データ計測フェーズ
- 17. • 個人識別精度は85% • 実験１，２ともに120 フレー ム(=2 秒)の学習データを使 用した • およそ4 歩分の動作で個人識 別が可能であるといえる． 17 実験２：結果と考察 スリッパデバイスでの個人識別結果
- 18. • 加速度センサ以外のセンサの使用の検討 • センサを取り付ける位置による個人識別精度の変化 の検証 • リアルタイム認証 18 今後の課題 装着位置の例