文献

J-GLOBAL ID：201902222419522116   整理番号：19A1932044

歩容に頑健なPDRのための深層学習を用いた歩行速度推定手法

著者 (6件)： 吉田拓人 (名古屋大) ,  野崎惇登 (名古屋大) ,  廣井慧 (名古屋大) ,  梶克彦 (愛知工大) ,  米澤拓郎 (名古屋大) ,  河口信夫 (名古屋大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2019  号： UBI-63  ページ： Vol.2019-UBI-63,No.3,1-7 (WEB ONLY)  発行年： 2019年08月19日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： Inertial measurement unit(IMU)を搭載したスマートフォンの普及に伴い,慣性データから歩行者の相対位置を推定する手法であるPedestrian Dead Reckoning(PDR)の研究が盛んに行われている.しかし,多くのスマートフォンに搭載されている低コストなIMUで観測したデータにはノイズが含まれており推定結果に誤差をもたらす.さらに歩行者の歩容によって移動速度は大きく異なるため,様々な歩容に対して正しい速度を推定するアルゴリズムが必要となる.このようにPDRによる歩行者の相対位置推定,特に速度推定において多くの課題が存在する.そこで我々は低コストなIMUで観測したデータからでも様々な歩容に対して頑健に速度推定を行える深層学習ベースの手法を提案する.本稿では提案手法と既存の有限オートマトンベースの手法を用いて,2種類の歩容(歩行,足踏み)に対して速度推定を行い推定結果を評価する.結果,正解速度に対する推定速度の誤差は既存手法では17.55%,提案手法では6.26%となり,精度の向上が確認できた.(著者抄録)

シソーラス用語： *航法 ,  *歩行者 ,  *位置情報 ,  *速度センサ ,  加速度 ,  加速度計 ,  経路 ,  *推定 ,  位置決め ,  位置測定 ,  屋内環境 ,  *機械学習 ,  ニューラルネットワーク ,  *速度 ,  速度測定 ,  *自律航法 ,  *加速度センサ ,  *深層学習 ,  *歩行速度 ,  速度推定
準シソーラス用語： *歩行者デッドレコニング ,  *移動経路 ,  *屋内位置推定

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  時間,速度,加速度,角速度の計測法・機器  (AD05040K)

引用文献 (16件)：

• Harle, R.: A Survey of Indoor Inertial Positioning Systems for Pedestrians, IEEE Communications Surveys Tutorials, Vol. 15, No. 3, pp. 1281-1293 (2013).
• Correa Vila, A., Barceló, M., Morell, A. and Lopez Vicario, J.: A Review of Pedestrian Indoor Positioning Systems for Mass Market Applications, Sensors (Switzerland), Vol. 17 (2017).
• Sakpere, W., Oshin, M. A. and Mlitwa, N.: A State-of-the-Art Survey of Indoor Positioning and Navigation Systems and Technologies, South African Computer Journal, Vol. 29, No. 3 (online), available from <http://sacj.cs.uct.ac.za/index.php/sacj/article/view/452> (2017).
• Roberto, R., Lima, J. P., Araújo, T. and Teichrieb, V.: Evaluation of Motion Tracking and Depth Sensing Accuracy of the Tango Tablet, 2016 IEEE International Symposium on Mixed and Augmented Reality (ISMAR-Adjunct), pp. 231-234 (2016).
• Francisco JavierOrd‘o nez,Roggen, D.: Deep Convolutional and LSTM Recurrent Neural Networks for Multimodal Wearable Activity Recognition, Sensors, Vol. 16, No. 1, p. 115 (2016).

タイトルに関連する用語 (5件)： 歩容 ,  深層学習 ,  歩行速度 ,  推定 ,  手法