文献

J-GLOBAL ID：201902219413629713   整理番号：19A2419192

ウェアラブルデバイスを用いた人体姿勢認識【JST・京大機械翻訳】

Human Body Posture Recognition Using Wearable Devices

著者 (5件)： Liu Junxiu (School of Electronic Engineering, Guangxi Normal University, Guilin, China) ,  Li Mingxing (School of Electronic Engineering, Guangxi Normal University, Guilin, China) ,  Luo Yuling (School of Electronic Engineering, Guangxi Normal University, Guilin, China) ,  Yang Su (School of Computing, Engineering and Intelligent Systems, Ulster University, Derry, Northern Ireland, UK) ,  Qiu Senhui (School of Electronic Engineering, Guangxi Normal University, Guilin, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11731  ページ： 326-337  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最近,高齢者の活動が監視され,それらが独立して安全に生活するようになり,そこではウェアラブルデバイスのような組込みハードウェアシステムが広く使われている。限られたコンピューティング資源と低い電力消費のハードウェア制約によって,人間活動を認識するために埋め込まれた装置に関する深い学習アルゴリズムを展開することは,研究課題である。本論文では,人体姿勢認識法を,逆伝搬ニューラルネットワーク(BPNN)と二値ニューラルネットワーク(BNN)を用いて,人体姿勢を分類するために,着用可能な組込みシステムのために提案した。BNNは,BPNNに基づいて,シナプス重みと活性化値を+1または-1に定量化し,組込みシステムの性能とコストの間の良好なトレードオフを達成することができる。実験において,提案した方法を,身体姿勢認識の実際の応用のために,Raspberry Pi3の組込み装置上に展開した。結果は,BPNNと比較して,BNNが必要なコンピューティング資源,電力消費と処理時間を含む分類精度とコストの間のより良いトレードオフを達成することができることを示した。例えば,それは85.29%の少ないメモリ,8.86%のより少ない電力消費を使用して,5.19%のより速い分類速度を持った。したがって,BNNは資源制約組込みハードウェア装置への展開により適しており,これはウェアラブルデバイスを用いた人体姿勢認識の応用にとって非常に重要である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 安全性 ,  組込みシステム ,  電力消費 ,  学習アルゴリズム ,  シナプス ,  老人 ,  ニューラルネットワーク ,  記憶装置 ,  *ハードウェア
準シソーラス用語： 分類精度 ,  着用 ,  逆伝播ニューラルネットワーク ,  人間活動 ,  *姿勢認識 ,  *ウェアラブルデバイス , 【Automatic Indexing@JST】

著者キーワード (4件)： 人体姿勢認識 ,  逆伝搬神経回路網 ,  二値ニューラルネットワーク ,  有効ブルデバイス

分類 (2件)： 人工知能  (JE08000Z) ,  移動通信  (ND08030H)

タイトルに関連する用語 (3件)： ウェアラブルデバイス ,  人体 ,  姿勢認識