文献

J-GLOBAL ID：201702262243900760   整理番号：17A0505613

時系列骨格画像のCHLAC特徴量を用いた人の転倒検知

Human Fall Detection using CHLAC Features with Skeletal Image Sequences

著者 (2件)： CAO Meifen (東京都産業技術高専) ,  金子拓光 (東京都産業技術高専)
資料名： 東京都立産業技術高等専門学校研究紀要  (Research Reports of Tokyo Metropolitan College of Industrial Technology)
号： 11  ページ： 40-44  発行年： 2017年03月 
JST資料番号： Z0842B  ISSN： 1883-1990  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 転倒を早期発見・処置することができれば,転倒による死亡率を低減することが期待できる。転倒を検知する手法として,特定の人物を認識し追従する自律移動ロボットの開発を進めている。立体高次局所自己相関特徴(CHLAC)は,時系列画像から時空間局所的特徴が抽出できる。本稿は,時系列骨格画像のCHLAC特徴量を用いた人の転倒検知手法を,提案している。時空間局所的特徴が抽出するために,固有空間法の主成分分析により251次元のCHLAC特徴ベクトルを低次元特徴固有空間に写像する。本研究では,「歩行」と「横になる」(正常な動作)と「転倒」(異常な動作)の時系列骨格画像を実験から収集し,上記の方法を用いて,訓練データからCHLAC特徴固有空間と3種類の動作(歩行,横になる,転倒)の固有空間の基底を作成する。検証実験の結果から,次に示す事実が明らかになった;(1)3種類の動作の投影点は6つのCHLAC特徴固有空間の全てで判別が可能である。これは,提案方法が個人差に依存しないことを意味する。(2)被験者の体がKinect(モーション検知入力装置)の視界にあれば,被験者の身長や体重に関係なく効果的である。

シソーラス用語： *転倒 ,  移動ロボット ,  *自律ロボット ,  *部分空間法 ,  主成分分析 ,  空間 ,  動作 ,  *人間工学 ,  *画像分析
準シソーラス用語： *自律移動ロボット ,  固有空間法 ,  固有空間 ,  基本動作 ,  *人間動作 ,  画像解析

分類 (1件)： ロボット工学一般  (IC04011S)

タイトルに関連する用語 (5件)： 時系列 ,  骨格 ,  特徴量 ,  人 ,  転倒