文献

J-GLOBAL ID：201702272062759961   整理番号：17A0621554

角度埋め込み歩行映像と畳み込みニューラルネットワークを用いたウェアラブルデバイスベースの歩容認識

Wearable Device-Based Gait Recognition Using Angle Embedded Gait Dynamic Images and a Convolutional Neural Network

著者 (2件)： ZHAO Yongjia (Beihang Univ., Beijing, CHN) ,  ZHOU Suiping (Middlesex Univ., London, GBR)
資料名： Sensors (Web)  (Sensors (Web))
巻： 17  号： 3  ページ： WEB ONLY  発行年： 2017年03月 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： スマートフォンや他のウェアラブル機器に慣性センサを広く取り付けることは,歩行パターンを分析することで,その人が協調的な状況や非協調的な状況のいずれであるか特定する貴重な機会である。しかし,スマートフォンのような着用困難なウェアラブル機器から収集した雑音の多い,複雑なデータシーケンスを用いて,歩行認識のための識別機能を確実に抽出することは,依然として困難な課題である。この問題に対処するために,著者らは手作業で識別特徴を抽出する必要なしに,畳み込みニューラルネットワーク(CNN)を用いた新しい画像ベースによる歩行認識手法を提案する。CNNの入力画像は,慣性センサデータシーケンスから直接,符号化され,AE-GDI(Angle Embedded Gait Dynamic Image)と呼ばれる。AE-GDIは,回転と平行移動に不変な歩行動力学の新しい2次元表現である。歩行認証および歩行ラベリングにおける提案されたアプローチは,以下の2つのデータセットを用いて評価される。(1)現実的条件下で収集されるMcGill Universityデータセット,(2)被験者数が最も多い大阪大学のデータセット。実験結果は,提案されたアプローチが既存のアプローチよりも競争的な認識精度を達成することを示しており,歩行パターンにより多数の被験者を識別するための効果的なパラメトリックな解を提供する。(翻訳著者抄録)

シソーラス用語： ヒト ,  入出力装置 ,  携帯型 ,  *認証 ,  *ニューラルネットワーク ,  *歩行 ,  センサ ,  集合 ,  バイオメトリクス
準シソーラス用語： ウェアラブルデバイス ,  データセット ,  慣性センサ ,  *畳込みニューラルネットワーク ,  *歩行認証 ,  *歩容認識

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 埋め込み ,  歩行 ,  映像 ,  畳み込みニューラルネットワーク ,  ウェアラブルデバイス ,  歩容認識